Agent 学习课程 Hub
面向想系统学习 AI Agent 的开发者，按「知名度 × star 数 × 开源」三个标准筛选的课程与项目清单。所有 star 数均于 2026-08-24 通过 GitHub API 实时核实。
配套阅读：Agent 学习路线图：先跑通，再理解，最后造轮子 —— 不知道怎么开始，先看路线图；已经上路，用本清单按类补齐弹药。遇到不懂的术语，查 Agent 术语速查。
筛选标准
- 知名度：官方机构出品（微软/Anthropic/OpenAI/Google/Hugging Face/Datawhale）或社区公认标杆；
- star 数：一般 ≥ 10K（官方出品且内容优质者可放宽）；
- 开源：许可证明确、可自由学习（部分课程为 CC 协议，商用注意条款）；
- 活跃度：2026 年仍有实质更新（停更项目单独标注）。
一、系统课程（4 门）
| 课程 | ⭐ | License | 一句话定位 |
|---|---|---|---|
| datawhalechina/hello-agents | 74.4K | CC BY-NC-SA 4.0 | 中文 Agent 领域”黄埔军校”：不依赖现成框架，用原生 API 从零手搓 Agent 灵魂（16 章 5 阶段：基础认知 → 动手构建 → 高级进阶 → 综合案例 → 毕业设计） |
| microsoft/ai-agents-for-beginners | 73.1K | MIT | 微软官方 15 课：概念 → 设计模式 → 生产部署，含视频 + 可运行代码，50+ 语言含中文，Agent 界的 CS50 |
| huggingface/agents-course | 31.3K | Apache-2.0 | Hugging Face 官方：结业证书 + 基准项目，一门口课横跨 smolagents / LlamaIndex / LangGraph 三个框架 |
| anthropics/courses | 22.7K | 未指定 | Anthropic 官方实操课：Agent Skills、上下文工程、可复现工作流等 |
补充：datawhalechina/agent-skills-with-anthropic（1.5K）——吴恩达 DeepLearning.AI《Agent Skills with Anthropic》课程的中文翻译与知识整理，star 不高但课程 IP 知名，适合不想啃英文的读者。
前置基础（非 Agent 本体，小白按需补课）：dair-ai/Prompt-Engineering-Guide（77.7K，MIT，提示工程全集）；datawhalechina/happy-llm（33.2K，LLM 原理与手搓 Transformer）。
二、开源框架（8 个，学 Agent 工程绕不开的代码）
| 框架 | ⭐ | License | 特点与适用场景 |
|---|---|---|---|
| geekan/MetaGPT | 70.0K | MIT | 多智能体协作与”软件公司 SOP”概念鼻祖，适合理解多 Agent 分工 |
| microsoft/autogen | 60.6K | CC-BY-4.0 | 多 Agent 对话框架；⚠️ 更新停于 2026-04，官方主线已并入 Microsoft Agent Framework |
| crewAIInc/crewAI | 57.5K | MIT | 角色扮演式多 Agent，最易上手，快速出 demo 首选 |
| langchain-ai/langgraph | 40.3K | MIT | 有状态图工作流，企业级生产首选，生态最全 |
| huggingface/smolagents | 29.0K | Apache-2.0 | 代码优先极简 Agent，几百行代码理解 Agent 本质 |
| openai/openai-agents-python | 28.9K | MIT | OpenAI 官方 Agents SDK，handoff 多 Agent 模式清晰 |
| google/adk-python | 21.2K | Apache-2.0 | Google Agent Development Kit，代码优先，A2A 协议原生 |
| camel-ai/camel | 17.6K | Apache-2.0 | 多智能体研究与角色扮演框架，学术向 |
三、Harness 与编码 Agent（驾驭工程，7 个）
「Harness（驾驭）」指围绕 LLM 构建的运行时/工作环境——不是让你从零写 Agent，而是让 AI 在真实环境（终端、IDE、容器）中自主完成任务。推荐与仓库内 驾驭工程：为什么你的 AI 编程助手总在失控？、Agent First：软件工程的下一个范式转移 对照阅读。
| 项目 | ⭐ | License | 特点 |
|---|---|---|---|
| anomalyco/opencode | 201.2K | MIT | 终端 AI 编码 Agent（Claude Code 开源竞品）；原 opencode-ai 组织已归档，现由 anomaly 持续维护 |
| deepseek-ai/deepseek-harness | 190.0K | MIT | DeepSeek 官方通用 Agent Harness（dsh）：“一切皆插件”架构，基于 Cordis 运行时，npx @deepseek-ai/dsh web 一条命令跑起 Web UI；⚠️ 开发者预览，迭代极快、可能有破坏性变更 |
| All-Hands-AI/OpenHands | 84.9K | MIT | 通用 AI 软件工程 Agent：浏览器 + 终端 + 编辑器全驾驭，可自托管，研究 Agent 运行时的最佳开源标本 |
| cline/cline | 66.7K | Apache-2.0 | IDE 内的自主编码 Agent（VS Code 插件 + SDK），人机协作 Plan/Act 模式 |
| block/goose | 53.3K | Apache-2.0 | Block 出品的本地优先编码 Agent，MCP 原生，可扩展任何工具 |
| Aider-AI/aider | 48.4K | Apache-2.0 | 终端里的 AI 结对编程，仓库地图 + 自动 commit，上手最快的命令行 Agent |
| Hmbown/DeepSeek-TUI | 40.8K | MIT | 命令行编程 Agent，TUI + 审批模式 + MCP 扩展；本仓库有 DeepSeek-TUI 实战：榨干 DeepSeek V4 长上下文红利的命令行编程 Agent 实战指南 |
生产级 Agent 编排框架补充：microsoft/agent-framework（13.1K，MIT）——微软新一代 Agent 框架，AutoGen 的官方继任者，适合框架选型时作为 LangGraph 的对照项。
注：deepseek-harness（DeepSeek 官方）与 DeepSeek-TUI（社区项目）定位不同——前者是插件化的通用驾驭框架，后者是榨干 DeepSeek 长上下文的命令行编程 Agent。
四、案例库与速查（3 个）
| 项目 | ⭐ | License | 用途 |
|---|---|---|---|
| Shubhamsaboo/awesome-llm-apps | 133.7K | Apache-2.0 | Agent 示例大合集，分类清晰（入门 → 进阶 → 多智能体），找灵感第一站 |
| ashishpatel26/500-AI-Agents-Projects | 36.9K | MIT | 500+ 行业落地案例（医疗/金融/教育/DevOps），部分案例为半成品，重思路 |
| NirDiamant/GenAI_Agents | 24.0K | 未指定 | 45+ 可直接运行的 Jupyter Notebook，90% 基于 LangGraph，跟练首选 |
五、生态协议与技能（3 个）
| 项目 | ⭐ | License | 用途 |
|---|---|---|---|
| anthropics/skills | 171.2K | — | Agent Skills 官方仓库：可复用技能的标准格式与实例，2026 年 Agent 能力扩展的事实标准 |
| modelcontextprotocol/servers | 89.8K | — | MCP 官方参考服务器：Agent 连接外部工具的标准协议 |
| anthropics/anthropic-cookbook | 52.1K | MIT | Anthropic 官方实战手册：工具调用、Agent 模式、上下文工程代码示例 |
六、本仓库关联项目与资料
本仓库自产或整理的学习资料，与外部清单互补——star 不作为筛选标准，但内容与本仓库深度文章一体同源。
| 项目/资料 | 类型 | 说明 |
|---|---|---|
| ForceInjection/awesome-skills（在线版） | 开源项目 | 优秀认知技能（Agent Skill）合集：深度代码阅读、架构分析、文档评审等自动化工作流，与 给 Claude 写本“标准操作手册”：Agent Skills 实战与深度解析 配套学习 |
| 多智能体 AI 系统培训材料 | 仓库课程 | 五天结构化培训（理论基础 → LangGraph → LangSmith → 企业级架构 → 应用实践），配套本仓库两篇多智能体深度文档 |
| AI Agents for Beginners 课程之 AI Agent及使用场景简介 | 仓库笔记 | 微软 15 课的中文学习笔记，可与原课程配套使用 |
| ForceInjection/OpenSpec-practise | 开源项目 | Spec 驱动开发（SDD）工程实践：意图 → Spec → AI → 代码 & 验证，Harness 时代的工作流范式 |
| MiniMax-AI/mmx-cli | 开源项目 | MiniMax 官方 CLI 技能（遵循 agentskills.io 标准），Agent Skills 在多媒体生成场景的实例 |
学习顺序建议
- 零基础：微软 15 课（或 hello-agents 前 3 章）建立概念 → 详见 Agent 学习路线图：先跑通，再理解，最后造轮子
- 想懂原理：hello-agents 手搓 ReAct/Plan-and-Solve/Reflection，再回头读 LangGraph 源码会豁然开朗
- 想快速实战：crewAI 或 smolagents 出第一个 demo → GenAI_Agents 跟练 → awesome-llm-apps 找灵感
- 想做编码 Agent：Aider 上手 → Cline/OpenHands 深挖 → 对照 Harness_Engineering 理解设计
- 企业级：LangGraph 主攻 → Microsoft Agent Framework 对照 → MCP/A2A/Agent Skills 补齐协议
数据时效：star 数会持续变化，本文数据快照于 2026-08-24；引用前可用
curl -s https://api.github.com/repos/{owner}/{repo}复核。