什么是 AI Agent？零基础入门指南
Anthropic 将这类系统统称为 Agentic Systems（智能体系统），并区分为两种类型：
- 狭义定义：能在较长时间内自主运行、使用各种工具完成复杂任务的全自动系统
- 广义定义：所有由 LLM 驱动的自主工作流都可以称为 Agentic System
- 检索（Retrieval）：主动搜索相关信息
- 工具（Tools）：调用外部 API 和服务
阅读全文 ai-agents/what-is-agent
learnagent.org
一个面向 AI Agent 学习者的系统化资料网站
LearnAgent 是一个面向中文开发者的 AI Agent 学习网站，提供从概念理解到项目落地的系统化路径，帮助你减少资料筛选和试错成本。
最后更新：2026-04-15
38 已整理文档
5 核心专题
持续更新 按专题维护
快速上手 先学什么一目了然
按主题整理核心文章和教程，帮你快速建立清晰学习路径。
实战导向 资料可直接用于项目
每篇内容都围绕真实场景和工作流，方便直接迁移到你的团队实践。
服务支持 遇到问题可直接咨询
支持 Agent 开发、部署与咨询，学习和落地可以在同一个入口完成。
资料结构
按学习阶段组织核心内容
本资料库按学习阶段组织内容，确保你可以先建立核心概念，再逐步进入框架实战和部署协作。
Agent 基础
AI Agent 基础
给零基础读者建立概念、模式和动手路径。
AI Agent 零基础入门教程：5步搭建你的第一个 Agent
用户输入 → LLM（带工具）→ 工具调用 → LLM 处理结果 → 输出
- 你的任务需要多步骤吗？ 如果单次对话就能完成，不需要 Agent
- 任务需要使用外部工具吗？ 比如读文件、调 API、执行代码
- 需要记忆上下文吗？ 跨对话保持记忆
- 在 Telegram/WhatsApp 上聊天即可控制
阅读全文 ai-agents/beginner-guide
AI Agent 核心模式详解
任何 Agent 系统的基础，都是一个配备了以下能力的 LLM：
- 起草营销文案 → 翻译成多语言
- 生成文档大纲 → 检查大纲质量 → 根据大纲撰写文档
- 客服系统（退款/技术/咨询）
- 按复杂度路由到不同规模的模型
阅读全文 ai-agents/agent-patterns
主流 Agent SDK 对比：Claude / OpenAI / Google
2025-2026 年，三大 AI 公司各自推出了 Agent SDK，提供了构建 AI Agent 应用的官方工具包。本篇对比 Claude Agent SDK、OpenAI Agents SDK 和 Google ADK 的核心特性，帮助你做出技术选型。
- 内置工具执行：文件操作、命令执行、代码编辑、网页搜索开箱即用
- 安全设计：权限控制、工具白名单、沙盒执行
- 多步执行：自动规划和执行多步任务
- TypeScript + Python 双语言支持
阅读全文 ai-agents/agent-sdks
OpenAI Agents SDK 实战指南（2026）
OpenAI Agents SDK 是面向生产环境的 Agent 开发框架，核心目标是：
- 用尽量少的抽象，快速搭建可运行的 Agent
- 支持从单 Agent 平滑演进到多 Agent 编排
- 把可观测性（Tracing）和安全控制（Guardrails）前置到开发流程
- [主流 Agent SDK 对比：Claude / OpenAI / Google](./agent-sdks.md)
阅读全文 ai-agents/openai-agents-sdk-guide
Agent 框架全景：LangGraph / CrewAI / AutoGen / MetaGPT
除了官方 SDK（Claude/OpenAI/Google），社区还涌现了大量 Agent 框架。本篇介绍最受欢迎的五个开源框架，分析各自的设计理念和适用场景。
- StateGraph：状态在节点间传递，支持持久化
- 条件路由：根据状态动态选择下一个节点
- 人机交互：中断点（breakpoint）暂停等待人类输入
- 检查点：状态快照，支持回滚和恢复
阅读全文 ai-agents/agent-frameworks
OpenClaw
OpenClaw 专题
围绕本地个人 AI 助理的部署、功能和生态展开。
OpenClaw：你的私人 AI 助理
OpenClaw（🦞 龙虾 AI）是一个开源的个人 AI 助理，由 Peter Steinberger（@steipete）创建，社区共同维护。
- macOS / Windows / Linux
- 支持 Anthropic、OpenAI 或本地模型
- WhatsApp、Telegram、Discord、Slack
- Signal、iMessage（via BlueBubbles）、微信、LINE
阅读全文 openclaw/overview
OpenClaw 快速入门指南
curl -fsSL https://openclaw.ai/install.sh | bash
- Node.js 24（推荐）或 Node.js 22.16+
- 一个 AI 模型的 API Key（Anthropic、OpenAI、Google 等）
- Windows 用户建议使用 WSL2
- 📚 完整文档：https://docs.openclaw.ai
阅读全文 openclaw/getting-started
OpenClaw 核心功能详解
OpenClaw 可以接入你已经在用的任何通讯工具：
- 打开网页、填写表单、提取数据
- 使用专属 Chrome/Chromium 实例
- 截图、CDP 控制
- 读写任意文件
阅读全文 openclaw/features
OpenClaw 架构与源码解析
OpenClaw 不仅仅是一个聊天机器人包装器——它是一个结构化的 AI Agent 执行环境，包含会话管理、记忆系统、工具沙箱和消息路由。AI 模型提供智能，OpenClaw 提供执行环境。
- WebSocket RPC 服务：处理所有客户端通信
- 频道路由：管理 WhatsApp、Telegram、Discord 等适配器
- Agent 编排：调度 Agent 运行，流式返回结果
- 会话管理：SessionManager 管理对话状态
阅读全文 openclaw/architecture
Claude Code
Claude Code 专题
面向开发者的工作流、配置与最佳实践。
Claude Code 概述
Claude Code 是 Anthropic 推出的 AI 编程助手，核心特点：
- 理解整个代码库（不只是单文件）
- 可以编辑文件、执行命令、管理 Git
- 在终端、IDE、桌面应用、网页中都能用
- 与 GitHub、GitLab 等开发工具深度集成
阅读全文 claude-code/overview
Claude Code 快速入门
curl -fsSL https://claude.ai/install.sh | bash
- 终端（命令行）基础
- 一个代码项目
- Claude 账号（Pro/Max/Teams/Enterprise 或 Console API 账号）
- Claude Pro / Max / Teams / Enterprise（推荐）
阅读全文 claude-code/quickstart
Claude Code 最佳实践
Claude Code 的所有最佳实践都围绕一个核心约束：
- Use ES modules (import/export), not CommonJS (require)
- Destructure imports when possible
- Be sure to typecheck when done with changes
- Prefer running single tests, not the whole suite
阅读全文 claude-code/best-practices
Claude Code 常见工作流
give me an overview of this codebase
- 从宽泛问题开始，逐步聚焦
- 安装[代码智能插件](https://code.claude.com/docs/en/discover-plugins#code-intelligence)获得精确的"跳转到定义"能力
- 提供重现步骤
- 说明是否是偶发性问题
阅读全文 claude-code/common-workflows
Claude Code 技能与钩子：自定义工作流扩展
Claude Code 的 Skills 和 Hooks 是两大扩展机制：
- Skills（技能）：将重复性的复杂工作流封装成可复用的"技能"，通过 /command 一键调用
- Hooks（钩子）：在 Claude Code 执行工具操作的前后自动触发自定义脚本
- Claude 会扫描 .claude/skills/ 目录下所有 SKILL.md 文件
- 支持 monorepo：子目录中的技能仅在该目录上下文中激活
阅读全文 claude-code/skills-and-hooks
Claude Code MCP 集成：连接外部工具与数据
Model Context Protocol（MCP） 是 Anthropic 发起的开放协议，让 LLM 能够以标准化方式连接外部工具和数据源。
- [技能与钩子](./skills-and-hooks.md)
- [多 Agent 协作](./agent-teams.md)
- [CLAUDE.md 指南](./claudemd-guide.md)
- MCP 协议规范：https://modelcontextprotocol.io/introduction
阅读全文 claude-code/mcp-integration
资源汇总
资源导航
按主题整理官方文档、社区仓库和延伸阅读。
资源汇总：AI Agent / OpenClaw / Claude Code
整理中的专题资料。
阅读全文 resources/links
工具对比
工具对比
AI 编程工具与 Agent 平台的横向对比与选型建议。
Cursor vs Claude Code vs GitHub Copilot：2026 年 AI 编程工具对比
AI 编程工具市场在 2025-2026 年爆发式增长。根据 Anthropic 的 2026 Agentic Coding Trends Report，60% 的开发者已经在使用 AI 辅助编程，AI 协助编写的代码每天产生 67% 更多的 PR。
- Cursor 的 Tab 补全体验最好，适合边写边补
- Copilot 的实时补全也不错，价格更便宜
- Claude Code 更适合复杂任务，简单补全偏重
- 理解整个代码库，跨文件编辑
阅读全文 comparisons/cursor-vs-claude-code
2026 年 AI Agent 编程趋势与数据报告
2025-2026 年，AI Agent 在软件开发领域的应用发生了质的飞跃。从"代码补全"到"自主 Agent"，编程方式正在被重新定义。本篇整理来自 Anthropic 官方报告和行业数据的关键趋势。
- PR 自动审查：AI 分析每个 PR 的安全和质量
- Issue 自动处理：标记为 auto-fix 的 Issue 自动修复
- 安全扫描：持续监控代码安全性
- 质量门禁：AI 验证代码符合团队规范
阅读全文 comparisons/ai-coding-agents-2026
Agent 开发平台对比：Dify / Coze / Flowise
对于不想从零写代码构建 Agent 的用户，有一批低代码/无代码平台提供了可视化构建 AI Agent 的能力。本篇对比最受欢迎的四个平台：Dify、Coze（扣子）、Flowise 和 n8n。
- 114K+ GitHub Stars，最受欢迎的开源 LLM 应用平台
- 中国团队（LangGenius）开发，中文文档完善
- 支持自托管和云服务
- 企业内部 AI 工具平台
阅读全文 comparisons/agent-platforms-comparison
AI 编程工具全景对比 2026：选型指南与实战推荐
AI 编程工具市场从 2025 年的 $48.6 亿增长至预计 2032 年的 $260 亿。美国开发者 AI 工具采用率达 92%，AI 生成的代码已占新代码的 30-50%。
- 深度理解整个代码库（可读取任意文件）
- 原生支持多 Agent 协作（Agent Teams、Worktree）
- Skills/Hooks/MCP 完整扩展体系
- Git、终端、浏览器操作一体化
阅读全文 comparisons/ai-coding-tools-landscape
国产 AI 编程工具横评：Trae vs 通义灵码 vs DeepSeek vs MarsCode
中国 AI 编程工具市场 2025 年规模达 24.5 亿元，同比增长 187.3%。市场集中度高，Trae（41.2%）+ 通义灵码（18.5%）+ 文心快码（12.3%）CR3 占 72%。行业已从代码补全面向 Agent 协作时代转型。
- SOLO 模式：国产工具中领先的端到端 AI 自主开发——需求理解、任务拆解、编码、测试一条龙
- 多模型支持：国际版接入 Claude 3.7 Sonnet、GPT-4.1、Gemini 2.5 Pro 等
- 多模态输入：Figma 设计稿转代码、截图/手绘转代码
- 市场份额第一：41.2%
阅读全文 comparisons/chinese-ai-coding-tools
框架实战
Agent 框架实战
主流 Agent 框架的实战教程与案例。
LangGraph 实战：构建图式多 Agent 工作流
LangGraph 是 LangChain 团队推出的图式 Agent 编排框架。它把 Agent 工作流建模为有向图（Directed Graph），每个节点是一个处理步骤，边定义了步骤之间的流转关系。
- 精确控制：不像纯 Agent 那样不可预测，你可以定义每一步做什么
- 状态管理：状态在节点间自动传递，支持持久化和恢复
- 人机交互：在关键节点暂停，等待人类审批后继续
- 多 Agent：支持多个 Agent 在同一个图中协作
阅读全文 agent-frameworks/langgraph-guide
OpenManus：开源通用 Agent 实战
OpenManus 是一个开源通用 AI Agent，由 MetaGPT 团队成员开发，在 2025 年初迅速走红。它受 Manus（商业 AI Agent）启发，提供了一个可以自主完成各种任务的开源替代方案。
- 通用 Agent：不限于特定领域，可处理多种任务
- 自主规划：自动分解任务、制定执行计划
- 工具使用：内置浏览器、代码执行、文件操作等工具
- 开源免费：可自由修改和部署
阅读全文 agent-frameworks/open-manus
Hermes 3 实战：开源模型的 Agent 函数调用与结构化输出
Hermes 3 是 2025-2026 年开源 Agent 场景里讨论度很高的一条路线：
- 对函数调用（Tool Calling）和结构化输出有专门训练
- 可本地部署，适合私有数据和成本可控场景
- 生态支持 GGUF、vLLM、Transformers，落地门槛较低
- 工单分类与路由
阅读全文 agent-frameworks/hermes-guide
CrewAI 快速上手：构建多 Agent 协作系统
CrewAI 是一个多 Agent 协作框架，让你用 Python 快速编排多个 AI Agent 共同完成复杂任务。核心思想：像管理团队一样管理 Agent——定义角色、分配任务、设定流程。
- 需要快速搭建多 Agent 原型
- Agent 角色分工明确（研究员、写手、审核员…）
- 不需要精确控制每一步的执行流程
- 团队更熟悉 Python 且偏好声明式 API
阅读全文 agent-frameworks/crewai-guide
Google ADK 实战：用代码优先的方式构建 AI Agent
Google Agent Development Kit（ADK）是 Google 推出的开源、代码优先的 Agent 开发框架。它的设计哲学是：用纯代码定义 Agent 的行为、工具和工作流，而不是依赖可视化拖拽或声明式配置。
- 开源时间：2025 年 4 月首次发布
- 支持语言：Python、Java、Go、TypeScript（其中 Python 和 Java 已达 v1.0.0 稳定版）
- 许可证：Apache 2.0
- 模型支持：Gemini（深度优化）、Claude、Vertex AI、Ollama、vLLM、LiteLLM
阅读全文 agent-frameworks/google-adk-guide
AG2 实战：开源多 Agent 协作框架
AG2 是由 AutoGen 原作者 Chi Wang 和 Qingyun Wu 创建的开源多 Agent 协作框架。它延续了 AutoGen v0.2 的对话式架构，提供了简洁、同步的 API，非常适合快速构建多 Agent 应用。
- [AG2 官方文档](https://docs.ag2.ai/)
- [GitHub ag2ai/ag2](https://github.com/ag2ai/ag2)
- [DeepLearning.ai 课程](https://www.deeplearning.ai/short-courses/ai-agentic-design-patterns-with-autogen/)
- [../ai-agents/agent-patterns.md](../ai-agents/agent-patterns.md) — Agent 设计模式
阅读全文 agent-frameworks/ag2-guide
Authority
研究与权威参考
LearnAgent 的方法论参考了主流研究机构和公开论文，重点覆盖 Agent 推理、工具调用和可引用内容结构。
- Princeton University（2024）：Generative Engine Optimization 相关研究与公开讨论。
- Anthropic（2024）：关于 Agent、工具调用与模型评估的工程实践文档。
- Google DeepMind（2024）：多步骤推理与智能体工作流公开资料。
- Park et al., 2023, CHI（DOI: 10.1145/3586183.3606763）。
- Nature, 2023（DOI: 10.1038/s41586-023-06747-5）。
服务能力
需要落地支持时，可以直接联系
当你从学习进入实施阶段，可以通过表单提交需求，获得针对项目的方案建议与执行支持。
从需求梳理、工具接入到工作流设计，完成可运行的 Agent 系统。
支持 OpenClaw、本地工作站和内部系统集成，帮助方案稳定上线。
为团队设计 Claude Code、Agent SDK、自动化开发流程的落地方案。
FAQ
常见问题
以下问题覆盖新读者最关心的学习路径、内容更新和服务支持。
LearnAgent 是做什么的网站？
LearnAgent 是一个面向中文开发者的 AI Agent 学习与实战资料网站，提供 AI Agent 基础、Claude Code、OpenClaw、框架实战和工具对比等主题内容，帮助你从入门到落地。
如何从零开始使用 LearnAgent 学习 AI Agent？
建议先阅读 AI Agent 基础专题建立概念，再进入框架实战与工具对比形成选型判断，最后结合 Claude Code 与 OpenClaw 专题完成部署和团队协作实践。
LearnAgent 的资料更新频率是怎样的？
LearnAgent 按专题持续更新，重点内容会根据新工具发布和生态变化补充。你可以在各文章页查看“最后更新”日期来判断内容新鲜度。
LearnAgent 是否提供项目咨询或落地支持？
提供。你可以通过联系页面提交需求，获得 Agent 开发、部署集成以及团队培训相关的咨询和执行支持。
服务入口
联系我，推进 Agent 项目落地
你可以通过表单提交开发、部署、咨询和团队培训需求，我们会根据你的场景给出可执行的下一步建议。
Agent 开发 部署上线 咨询顾问 工作流培训