{"items":[{"id":"cmugud08v00ohqu06600szooa","slug":"wenyuchiou-awesome-agentic-ai-zh","name":"awesome-agentic-ai-zh","description":"A trilingual (繁中 / English / 简中) learning roadmap for agentic AI: from LLM basics to multi-agent systems, with 240+ curated resources and hands-on examples. 中文 AI agent 學習地圖。","authorId":"gh:wenyuchiou","authorName":"WenyuChiou","version":"0.1.0","category":"MCP","securityLevel":"Community","downloadsCount":0,"githubStars":7175,"pricePerCall":0,"manifest":{"name":"awesome-agentic-ai-zh","tools":[],"category":"MCP","entrypoint":{"args":["-y","github:WenyuChiou/awesome-agentic-ai-zh"],"type":"mcp-stdio","command":"npx"},"description":"A trilingual (繁中 / English / 简中) learning roadmap for agentic AI: from LLM basics to multi-agent systems, with 240+ curated resources and hands-on examples. 中文 AI agent 學習地圖。","permissions":["shell","network"],"schemaVersion":1},"repoUrl":"https://github.com/WenyuChiou/awesome-agentic-ai-zh","tags":["agentic-ai","agentic-workflows","ai-agent","ai-agents","awesome-list","chinese-llm","claude-code","claude-skills","cli","learning-roadmap","llm","llm-agents"],"stats":{"installVelocity7d":0,"retentionRate":0,"executions":0,"rating":null},"origin":"github","source":{"repo":"awesome-agentic-ai-zh","audit":{"files":[],"binaries":[],"findings":[],"packages":0,"auditedAt":"2026-09-25T10:52:14.324Z","lockfiles":[]},"forks":975,"owner":"WenyuChiou","stars":7175,"topics":["agentic-ai","agentic-workflows","ai-agent","ai-agents","awesome-list","chinese-llm","claude-code","claude-skills","cli","learning-roadmap","llm","llm-agents","mcp","model-context-protocol","multi-agent-systems","prompt-engineering","rag","trilingual","tutorial"],"license":"MIT","fullName":"WenyuChiou/awesome-agentic-ai-zh","homepage":"https://wenyuchiou.github.io/awesome-agentic-ai-zh/","language":"Python","pushedAt":"2026-09-23T01:16:31Z","avatarUrl":"https://avatars.githubusercontent.com/u/162016108?v=4","crawledAt":"2026-09-25T10:52:14.002Z","openIssues":3,"manifestFile":"README.md","manifestPath":"README.md","defaultBranch":"main"},"readme":"
\n 繁體中文 | 简体中文 | English\n
\n\n
\n\n![從 Stage 0–2 共用基礎分流到 CLI 與 Agent 路線，共用 Stage 5、8，再依需求選角色路線](resources/diagrams/banner.svg)\n\n# awesome-agentic-ai-zh\n\n**🤖 一張從「AI Agent 是什麼」走到「能做出可靠系統」的學習地圖**\n\n**先選一條路，再一步一步走。重要概念、動手練習與精選資源都幫你排好順序。**\n\n[![License](https://img.shields.io/badge/license-MIT-blue?style=flat)](LICENSE)\n[![繁中](https://img.shields.io/badge/語言-繁體中文-red?style=flat)](README.md)\n[![简中](https://img.shields.io/badge/語言-简体中文-orange?style=flat)](README.zh-Hans.md)\n[![EN](https://img.shields.io/badge/lang-English-blue?style=flat)](README.en.md)\n![GitHub stars](https://img.shields.io/github/stars/WenyuChiou/awesome-agentic-ai-zh?style=flat&logo=github)\n[![線上文件站](https://img.shields.io/badge/線上閱讀-立即開始-2ea44f?style=flat)](https://wenyuchiou.github.io/awesome-agentic-ai-zh/)\n\n
\n\n> 📱 手機閱讀請使用[線上文件站](https://wenyuchiou.github.io/awesome-agentic-ai-zh/)。\n\n## 🎯 這份地圖幫你做什麼？\n\n**AI Agent**（AI 代理人）是「能為了人的目標，自己判斷下一步並採取行動的 AI 系統」。人給它目標後，它會看目前情況、選擇下一步，必要時使用工具，再依結果繼續、修正、停止，或把控制權交還給人。它可以自動替人完成工作，但只能在人給的規則與權限內行動。只回答一次的聊天機器人，或每一步都固定寫好的腳本，不一定是 Agent。這個 repo 不要求你一開始就懂所有名詞，而是帶你依序完成三件事：\n\n1. **先懂基礎**：LLM、Prompt、API 與 Token 是什麼。\n2. **再做出東西**：讓模型呼叫工具、跑 Agent Loop、讀文件與記住事情。\n3. **最後做得可靠**：加入權限、Eval、人工批准、觀測與失敗復原。\n\n這裡的角色是**學習路線圖 + 精選資源 + 可直接執行的小練習**。需要完整章節時，我們會帶你去官方文件、[Datawhale Hello-Agents](https://github.com/datawhalechina/hello-agents) 或對應的 Cookbook，不重寫另一套百科全書。需要連模型時，每個練習會再說明雲端或本機路徑。\n\n重要技術詞第一次出現時會先用白話說明，再保留正式英文。忘記某個詞時，直接查[名詞表](resources/glossary.md)。\n\n## 🚀 現在就開始\n\n1. **完全沒寫過程式**：從 [Stage 0：基礎準備](stages/00-foundations.md)開始；API 或 CLI Agent 不熟時，搭配[零基礎設定指南](resources/setup-guide.md)。\n2. **已經會 Python、Git 與 API**：從 [Stage 1：LLM 基礎](stages/01-llm-basics.md)開始。\n3. **還不確定要走哪條路**：先看下面的 Track A／Track B 選擇表。\n\n走 Track A 或 Track B 前，先確認 Stage 0–2；只走日常使用者路線的人可以直接打開角色指南。\n\n| 你現在想做什麼？ | 建議路線 | 路線入口 |\n|---|---|---|\n| 用 Claude Code、Codex、OpenCode 等 CLI Agent 完成工作 | **Track A — CLI Power User** | [A1：選一個 CLI Agent](tracks/cli/A1-cli-intro.md) |\n| 自己寫 Agent、工具迴圈、Workflow 與服務 | **Track B — Agent Builder** | [Stage 3：第一個 Agent Loop](stages/03-tool-use-and-hello-agent.md) |\n| 只想在日常生活安全使用 AI，暫時不寫程式 | **日常使用者路線** | [日常使用者指南](branches/for-everyday-users.md) |\n\n
\n💻 展開：下載到本機\n\n```powershell\ngit clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git\ncd awesome-agentic-ai-zh\n```\n\n下載後先開啟 `stages/00-foundations.md`，或依上表直接前往適合你的第一站。\n\n
\n\n## 從 Stage 0 到 Stage 8，另有 Stage 7.5 閱讀站\n\n![AI Agent 學習地圖](resources/diagrams/learning-map.png)\n\n這張地圖共有 **8 個主題 Stage + Stage 0 準備關 + Stage 7.5 進階閱讀站**，也就是 **10 個學習站**。Track A／B 讀者先確認 **Stage 0–2 共用基礎**；已經會 Python、Git 與 API 的人可以跳過 Stage 0。日常使用者可以直接走角色指南。\n\n### 共用基礎：Stage 0–2\n\n| Stage | 這一步解決什麼？ | 完成後你能做什麼？ |\n|---|---|---|\n| **0** · [基礎準備](stages/00-foundations.md) | 電腦與基本工具準備好了嗎？ | 用 Python 呼叫公開 API、讀 JSON，並用 Git 保存成果 |\n| **1** · [LLM 基礎](stages/01-llm-basics.md) | LLM、Token、Context 與模型差在哪裡？ | 呼叫一個 LLM，並依需求選雲端或本機模型 |\n| **2** · [Prompt 設計](stages/02-prompt-engineering.md) | 怎麼把目標、資料、規則與輸出說清楚？ | 用固定案例比較 Zero-Shot、One-Shot、Few-Shot 與 CoT 的邊界 |\n\n### Track A：使用 CLI Agent 把工作做完\n\n正式順序是 `A1 → A2 → Stage 5 → A3 → Stage 8`。\n\n| 順序 | 這一步解決什麼？ | 完成後你能做什麼？ |\n|---|---|---|\n| **A1** · [選一個 CLI Agent](tracks/cli/A1-cli-intro.md) | OpenRouter、OpenCode、Pi、Ollama 分別是什麼？ | 選對工具並完成第一個小任務 |\n| **A2** · [建立可重複流程](tracks/cli/A2-cli-workflow.md) | 怎麼把規則與步驟留給下一次使用？ | 寫 Project Instructions、Skill 與可重用工作流程 |\n| **5** · [Claude Code 生態](stages/05-claude-code-ecosystem.md) | MCP、Skills、Plugins、Hooks 與 Subagents 怎麼分？ | 先讀核心 5.1–5.4；5.5–5.8 依工作需要選讀 |\n| **A3** · [接進真實工作](tracks/cli/A3-cli-production.md) | 怎麼安全連接外部工具、CI 與團隊流程？ | 用最小權限、人工檢查與紀錄完成整合 |\n| **8** · [Agent 操作介面](stages/08-agent-interfaces.md) | Agent 怎麼操作瀏覽器、畫面與 Sandbox？ | 判斷任務該用 CLI、Browser、Computer Use 還是 API |\n\n### Track B：從零打造 Agent\n\n| 順序 | 這一步解決什麼？ | 完成後你能做什麼？ |\n|---|---|---|\n| **3** · [工具使用與第一個 Agent Loop](stages/03-tool-use-and-hello-a","createdAt":"2026-09-25T10:52:14.335Z","updatedAt":"2026-09-25T10:52:14.335Z"}],"total":1,"limit":24,"offset":0}