外观
参考资源链接汇总
本文档汇总了 Agent 学习过程中涉及的所有参考资源,按类型分类整理。
核心学习资源
| 类型 | 资源 | 链接 | 说明 |
|---|---|---|---|
| GitHub | learn-claude-code | github.com/shareAI-lab/learn-claude-code | 核心学习仓库,55000+ stars |
| 官网 | ShareAI Learn | learn.shareai.run | 项目官方学习网站 |
| YouTube | 李宏毅 Agent 原理 | YouTube | 一堂课搞懂 AI Agent,41万+播放 |
| YouTube | 完整课程系列 | YouTube 播放列表 | 生成式AI时代下的机器学习2025 |
| HackMD | 社区笔记 | hackmd.io/@4j/BkbCf1OpJl | 第二讲社区维护笔记 |
| 微信 | 参考文章 | 微信公众号文章 | 参考文章 |
延伸资源
论文
| 论文 | 链接 | 说明 |
|---|---|---|
| Generative Agents: Interactive Simulacra of Human Behavior | arxiv.org/abs/2304.03442 | 斯坦福虚拟村庄实验,Agent 社会模拟的经典论文 |
| ReAct: Synergizing Reasoning and Acting in Language Models | arxiv.org/abs/2210.03629 | ReAct 框架,推理与行动协同 |
| Tree of Thoughts: Deliberate Problem Solving with LLMs | arxiv.org/abs/2305.10601 | ToT 思维树,增强 LLM 规划能力 |
| Toolformer: Language Models Can Teach Themselves to Use Tools | arxiv.org/abs/2302.04761 | 工具使用能力的自学习方法 |
| A Survey on Large Language Model based Autonomous Agents | arxiv.org/abs/2308.11432 | LLM Agent 综述论文 |
官方文档与博客
| 资源 | 链接 | 说明 |
|---|---|---|
| Anthropic — Building Effective Agents | anthropic.com/research/building-effective-agents | Agent 设计最佳实践 |
| Anthropic Courses | github.com/anthropics/courses | Anthropic 官方 Agent 课程 |
| Anthropic Cookbook | github.com/anthropics/anthropic-cookbook | Anthropic 实践指南 |
| Model Context Protocol (MCP) | github.com/modelcontextprotocol | MCP 协议官方仓库 |
| OpenAI — Function Calling Guide | platform.openai.com/docs/guides/function-calling | OpenAI 工具调用文档 |
开源 Agent 框架
| 框架 | 链接 | 说明 |
|---|---|---|
| LangChain | github.com/langchain-ai/langchain | 最流行的 LLM 应用开发框架 |
| LangGraph | github.com/langchain-ai/langgraph | 基于图的多 Agent 编排框架 |
| AutoGen | github.com/microsoft/autogen | 微软多 Agent 对话框架 |
| CrewAI | github.com/crewAIInc/crewAI | 角色扮演式多 Agent 协作框架 |
社区与中文资源
| 资源 | 链接 | 说明 |
|---|---|---|
| 李宏毅课程主页 | speech.ee.ntu.edu.tw | 台大官方课程页面 |
| HuggingFace Agent 课程 | huggingface.co/learn/agents-course | HuggingFace 开源 Agent 课程 |
资源使用建议
- 入门路径:先看李宏毅视频建立直觉 → 再学 learn-claude-code 理解工程实现
- 理论深入:阅读 ReAct、ToT 等论文了解学术前沿
- 实践动手:参考 Anthropic Cookbook 和开源框架进行实操
- 持续跟进:关注 MCP 协议和各大框架的更新动态