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
资料库
资料库是 LearnAgent 的主题入口页，用于按学习阶段快速定位 AI Agent 入门、框架实战和工具选型内容。
最后更新：2026-04-15
Agent 基础
AI Agent 基础
AI Agent 基础 提供该主题的核心概念、实践路径与延伸资料，适合按顺序连续阅读。
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
MCP 协议详解：LLM 工具集成的通用标准
Model Context Protocol（MCP） 是 Anthropic 于 2024 年 11 月发布的开放协议，旨在解决 LLM 与外部工具和数据源的集成问题。2025 年，MCP 被捐赠给 Linux 基金会，成为行业标准。
- [主流 Agent SDK 对比](./agent-sdks.md)
- [Agent 框架全景](./agent-frameworks.md)
- [Claude Code MCP 集成](../claude-code/mcp-integration.md)
- MCP 官方文档：https://modelcontextprotocol.io/introduction
阅读全文 ai-agents/mcp-protocol
MCP Server 开发实战：从零构建你的第一个工具服务
MCP 生态已有数千个社区服务器，但很多场景需要定制：
- 内部 API 的私有接口没有现成服务器
- 公司内部系统需要自定义权限控制
- 现有服务器不完全符合业务需求
- 学习 MCP Server 开发是理解 Agent 工具生态的最佳方式
阅读全文 ai-agents/mcp-server-dev
MCP Inspector 调试实战：本地开发、CLI 自动化与安全配置
很多 MCP Server 不是“写不出来”，而是“调不明白”。
- 服务器到底暴露了哪些 tools/resources/prompts？
- 某个 tool 为什么调用失败？参数还是权限问题？
- 在真实客户端（Claude Code/Cursor）接入前，服务器是否可用？
- UI: 6274
阅读全文 ai-agents/mcp-inspector-guide
A2A 协议入门：多 Agent 互操作标准（与 MCP 互补）
A2A（Agent2Agent Protocol）是面向 Agent 与 Agent 之间通信的开放协议，目标是让不同厂商、不同框架、不同部署位置的 Agent 可以互相协作。
- MCP 解决“Agent 怎么接工具和上下文”
- A2A 解决“Agent 怎么找别的 Agent 并协同完成任务”
- [MCP 协议详解](./mcp-protocol.md)
- [MCP Server 开发实战](./mcp-server-dev.md)
阅读全文 ai-agents/a2a-protocol
Aider：开源终端 AI 结对编程工具
Aider 是一个开源终端 AI 结对编程工具，让你在命令行中与 LLM 协作编辑代码。它的核心理念是：像和同事结对编程一样，告诉 AI 你想做什么，Aider 帮你完成。
- 多文件编辑：上下文感知的多文件同时修改
- Git 深度集成：自动提交、/undo 回退、Conventional Commits
- 模型无关：支持 OpenAI、Anthropic、Google、DeepSeek、Ollama 等
- 仓库地图：基于 tree-sitter 的代码库全景理解
阅读全文 ai-agents/aider-guide
OpenClaw
OpenClaw 专题
OpenClaw 专题 提供该主题的核心概念、实践路径与延伸资料，适合按顺序连续阅读。
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
Claude Code 专题 提供该主题的核心概念、实践路径与延伸资料，适合按顺序连续阅读。
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
Claude Code 多 Agent 协作开发
Claude Code 支持多层次的 Agent 协作模式：
- Read
- Grep
- Glob
- Read
阅读全文 claude-code/agent-teams
CLAUDE.md 完全指南：让 AI 记住你的项目规范
CLAUDE.md 是 Claude Code 的项目记忆文件。每次会话开始时，Claude 会自动读取它，了解你的项目规范、技术栈和工作流偏好。
- npm run dev — 启动开发服务器
- npm run build — 生产构建
- npm test — 运行测试
- 使用 TypeScript strict mode
阅读全文 claude-code/claudemd-guide
Claude Code 无头模式与 CI/CD 集成
Claude Code 不仅可以在终端交互使用，还支持无头模式（Headless Mode）——通过命令行或 API 以非交互方式运行，适合 CI/CD 管道、批量处理和自动化工作流。
- uses: actions/checkout@v4
- uses: anthropics/claude-code-action@v1
- uses: actions/checkout@v4
- uses: anthropics/claude-code-action@v1
阅读全文 claude-code/headless-and-ci
Claude Code 社区技巧精选
本篇整理了来自 Claude Code 创建者 Boris Cherny、GitHub 社区和 Reddit 社区的实战技巧。这些技巧经过大量开发者验证，可以显著提升 Claude Code 的使用效率。
- Phase 1：Opus 做深度研究和规划
- Phase 2：制定详细实施计划
- Phase 3：Sonnet 做快速实现
- 使用中文回复
阅读全文 claude-code/community-tips
Claude Agent SDK：用代码构建 AI Agent 应用
Claude Agent SDK 是 Anthropic 推出的编程式 Agent 开发接口，让你可以用 Python 或 TypeScript 代码调用 Claude Code 的全部能力——包括代码理解、文件编辑、命令执行、多 Agent 协作等。
- [Claude Agent SDK 官方文档](https://platform.claude.com/docs/en/agent-sdk/overview)
- [Claude Code SDK 文档](https://docs.anthropic.com/en/docs/claude-code/sdk)
- [npm 包 @anthropic-ai/claude-code](https://www.npmjs.com/package/@anthropic-ai/claude-code)
- [GitHub anthropics/claude-code](https://github.com/anthropics/claude-code)
阅读全文 claude-code/agent-sdk
资源汇总
资源导航
资源导航 提供该主题的核心概念、实践路径与延伸资料，适合按顺序连续阅读。
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
工具对比 提供该主题的核心概念、实践路径与延伸资料，适合按顺序连续阅读。
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
Agent 框架实战 提供该主题的核心概念、实践路径与延伸资料，适合按顺序连续阅读。
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
FAQ
资料库常见问题
这部分回答学习路径、内容选择与更新频率等高频问题。
资料库该从哪个专题开始读？
建议先从 AI Agent 基础专题开始，先建立概念和通用模式，再进入框架实战、工具对比和具体平台教程。这样可以减少重复学习并更快形成选型能力。
如何判断一篇资料是否适合当前阶段？
先看每篇文档的摘要与预计阅读时长，再看同专题延伸链接。入门阶段优先概念文档，项目阶段优先实战与部署类文档。
资料库内容多久更新一次？
资料库按专题持续更新，重点页面会在工具生态变化时优先维护。你可以通过页面中的“最后更新”日期判断新鲜度。