zero2Agent 是一个面向程序员的 Agent 工程教程仓库，目标是帮助已经会写代码、会用 AI 工具，但还没系统做过 Agent 工程的开发者，真正从零搭出自己的 Agent 系统。
内容不停留在 Demo、Prompt、套壳工作流，而是从核心机制出发，覆盖 Agent 的工程设计原理、框架拆解、代码实现，最终落到一个完整的实战项目。
在线阅读（GitHub Pages）：https://onefly.top/zero2Agent
| 模块 | 文章数 | 状态 | 内容 |
|---|---|---|---|
| Agent Basic | 8 篇 | ✅ 完成 | Agent 核心概念、Tool Calling、Memory、Planning、RAG、多 Agent 模式 |
| OpenClaw Agent | 9 篇 | ✅ 完成 | 60 行核心框架，从 Node 推导到 Agent，pi-mono 架构解析，部署实战 |
| Claude Code | 12 篇 | ✅ 完成 | 12 节课手写 Coding Agent：Loop → Tools → Subagent → Teams → Worktree 隔离 |
| LangGraph | 7 篇 | ✅ 完成 | StateGraph 三件套、条件分支、并行 Fan-out/Fan-in、Prompt Chaining、LLM 集成 |
| SDK 框架 | 4 篇 | ✅ 完成 | OpenAI Agents SDK · Google genai SDK · Claude Anthropic SDK · 三大 SDK 横向对比 |
| 框架调研 | 13 篇 | ✅ 完成 | AgentScope · Mastra · Semantic Kernel · Eino · DeerFlow · LangChain · Google ADK · AutoGen · Vercel AI SDK 等 |
| Final Project | — | 🔲 待开始 | 加密货币市场风控 Agent 完整实战 |
当前进度：53 篇文章，6 个完整模块
建立正确的 Agent 工程认知，覆盖：
- 什么是 Agent，与 Workflow 的本质区别
- Tool Calling 的完整机制
- Memory 设计模式（短期 / 长期 / 外部存储）
- Planning、Reflection、RAG 的作用边界
- 单 Agent vs 多 Agent 的常见架构模式
- 为什么 Demo 能跑、落地就不稳定
从 60 行核心代码出发，一步步推导出完整的 Agent 框架：
workflow = node + node # 有向路径，无循环
chatbot = workflow + loop # 外层循环，多轮对话
agent = chatbot + tools # 图内回路，模型驱动工具覆盖 RAG、Tool/MCP/Skill 三种工具形式、Memory 压缩、多 Agent 并行团队、pi-mono 架构解析，以及完整的部署和面试准备。
参考仓库：lasywolf/Learn-OpenClaw · pi-mcp/pi-mono
12 节课，从 30 行 Agent 循环逐步构建完整 Coding Agent 系统：
| 章节 | 机制 |
|---|---|
| s01–s06 | Agent Loop · Tool Dispatch · TodoWrite · Subagent · Skill Loading · Context Compact |
| s07–s12 | Task DAG · Background Tasks · Agent Teams · Protocols · Autonomous Agents · Worktree Isolation |
参考仓库：shareAI-lab/learn-claude-code
用图结构描述 Agent 执行逻辑，从 Demo 到可维护系统：
| 文章 | 内容 |
|---|---|
| State、Node、Graph 三件套 | TypedDict 状态设计，节点函数，编译运行 |
| 顺序图 | add_edge 模式，BMI 计算器实战 |
| 条件分支 | add_conditional_edges，情感分析路由 |
| 并行执行 | Fan-out / Fan-in，多节点并发 |
| Prompt Chaining | 分步生成，节点间传递中间结果 |
| LLM 集成 | OpenAI / HuggingFace 在节点里的完整写法 |
三大原厂 SDK 的核心用法与选型指南：
- OpenAI Agents SDK：
@function_tool装饰器，Runner自动循环，handoffs多 Agent - Google genai SDK：两种后端（AI Studio / Vertex AI），Function Calling，多模态
- Claude Anthropic SDK：Messages API，Tool Use 手动循环，Extended Thinking
- 横向对比：API 设计差异、Tool Calling 实现、定价参考、选型建议
13 个主流 Agent 框架横向调研：
| 框架 | 来源 | 核心特色 |
|---|---|---|
| AgentScope | 阿里巴巴 | 分布式多 Agent，Service 工具体系 |
| Mastra | 开源 | TypeScript 原生，Workflow + 记忆 + RAG |
| Semantic Kernel | 微软 | Plugin 体系，Azure 企业级集成 |
| Eino | 字节跳动 | Go 语言，流式原生，高并发 |
| GitAgent | — | 代码仓库 Agent 模式，PR 自动审查 |
| 手搓 Agent | — | 200 行从零实现，看透框架本质 |
| AgentUniverse | 华为 | PEER 协作模式，企业可观测性 |
| DeerFlow | 字节跳动 | Deep Research，基于 LangGraph |
| LangChain | 开源 | LCEL、RAG，以及何时不该用它 |
| Google ADK | 官方 Agent 套件，Sequential/Parallel/Router | |
| Skills + Claude Code | Anthropic | 模块化技能系统，按需加载 |
| Vercel AI SDK | Vercel | useChat/streamText，Next.js 全栈 |
| AutoGen | 微软 | 多 Agent 对话，代码执行，HITL |
- 学过深度学习，但没做过 LLM 应用开发
- 会 Python，想补齐 Agent 工程能力
- 用过 Claude Code / Cursor 等工具，想理解背后的实现
- 准备 Agent 方向技术面试或实习
- 想把 Agent 真正部署上线，而不只是跑 Demo
- 大模型预训练、对齐、推理优化等底层算法研究
- 纯学术导向的 Agent 论文综述
- 只想快速复制“几分钟搭建 Agent”的短教程
zero2Agent/
├── _layouts/ # Jekyll 页面模板
├── _data/
│ └── nav.yml # 导航配置
├── assets/
│ ├── css/docs.css # 三栏布局样式
│ └── js/app.js # 侧边栏 + TOC + Mermaid
├── learn-agent-basic/ # Agent 基础概念（8 篇）
├── learn-openclaw/ # OpenClaw 框架教程（9 篇）
├── learn-claude-code/ # Claude Code 课程（12 篇）
├── learn-langgraph/ # LangGraph（7 篇）
├── learn-sdk-frameworks/ # 三大原厂 SDK（4 篇）
├── learn-agent-survey/ # 框架调研（13 篇）
└── final-project/ # 加密货币风控 Agent 实战（待开始）
git clone https://github.com/ranxi2001/zero2Agent
cd zero2Agent
# 安装 Jekyll（需要 Ruby）
gem install bundler jekyll
bundle install
# 本地预览
bundle exec jekyll serve
# 访问 http://localhost:4000/zero2Agent本仓库的内容参考并引用了以下开源项目：
- shareAI-lab/learn-claude-code — Claude Code 模块的课程结构和核心内容来源，12 节渐进式 Agent 构建课程
- lasywolf/Learn-OpenClaw — OpenClaw 模块的核心思路和代码框架来源
- pi-mcp/pi-mono — 生产级 Coding Agent 的参考实现
- SandeepMuhal88/LangGraph_BASIC_TO_Advance — LangGraph 模块的实战案例参考
欢迎 PR 和 Issue。内容补充、错误修正、新模块建议均可。
提 Issue 前请先检查是否已有相关讨论。PR 建议一个 PR 只做一件事。