Hello-Agents47k Stars Agent：

📚 Hello-Agents：47k Stars 的开源智能体教程，从零手写你自己的 Agent 框架

项目地址：datawhalechina/hello-agents | ⭐ 47k | 🛠 Python | Datawhale 社区

老实说，学 Agent 开发最坑的是什么？就是网上教程要么太浅（调个 API 就敢叫 Agent），要么太深（甩你一篇论文让你自己悟）。市面上一直缺一本系统性强、又能动手实践的教程。

说的就是这玩意儿——Datawhale 社区出品的 Hello-Agents（《从零开始构建智能体》），47k Stars，16 个章节，从 ReAct 范式到 Agentic RL 全给安排明白了。

🔥 一、不是什么？是什么？

这不是 README 翻译，也不是 API 文档搬运。它是一本完整的中文智能体构建指南，分 5 个部分：

最骚的是第七章——带你从零手写自己的 Agent 框架，学完你就不只会调包了。

🛠 二、直接上手

克隆仓库，跑个 ReAct 示例：

git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents/code/chapter4
pip install openai
# 配置你的 API key（复制 .env copy 为 .env 并填入 key）
python3 ReAct.py

核心代码非常干净，一个 ReActAgent 类，几步就完事：

class ReActAgent:
    def __init__(self, llm_client, tool_executor, max_steps=5):
        self.llm_client = llm_client
        self.tool_executor = tool_executor
        self.max_steps = max_steps

    def run(self, question: str):
        # 循环：思考 → 行动 → 观察 → 重复
        while current_step < self.max_steps:
            response = self.llm_client.think(messages)
            thought, action = self._parse_output(response)
            result = self.tool_executor.execute(action)
            self.history.append(f"Observation: {result}")

也有在线版可直接阅读：

# 国内加速
open https://hello-agents.datawhale.cc

# 国外
open https://datawhalechina.github.io/hello-agents/

🔧 三、学完你能得到什么？

总结要点