2026-09-29 04:57:59 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

文章总结： 本文介绍四个开源AIAgent学习仓库，包括ai-engineering-from-scratch全栈课程、深入理解AIAgent中文书、微软AIAgentsforBeginners入门课及AISystemDesign架构文档，分别适合不同基础和目标的学习者。文章提供按目标选起点的建议，并指出可组合使用各资源，帮助读者高效规划学习路径。 综合评分： 75 文章分类： AI安全,安全培训,其他

AI Agent 学习路线图：4 个开源仓库按目标选起点

原创

AI安全工坊 AI安全工坊

AI安全工坊

2026年9月28日 16:20 江苏

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

AI Agent 学习路线图：4 个开源仓库按目标选起点

「想系统学 Agent 开发，GitHub 上一搜全是几万星的教程，从哪个开始？」

最近 GitHub 上有四个 AI 学习仓库星标涨得很快，形态差别很大：一套 523 课的全栈课程，一本 10 章的中文书，一套 18 课的微软入门课，还有一份将近 4,000 行的 AI 系统设计文档。

下面按原仓库的 README、目录和课程说明整理，先放一张总表，再逐个说讲什么、怎么起步、要注意什么，最后按学习目标给出选择路线。星数和结构数据核对于 9 月 28 日。本文没有完整学完其中任何一套，不评价教学质量，只帮你判断哪一套和你的目标对得上。

一、四个仓库的总表

前三个仓库都已持续维护半年以上。AI System Design 在 9 月 25 日才创建，目前只有 5 次提交，450 个星标和前面三个不在一个量级，收进来是因为前三者较少讲推理服务、缓存、网关这类系统设计内容。

二、ai-engineering-from-scratch：523 课的全栈路线

仓库地址： https://github.com/rohitg00/ai-engineering-from-scratch

这是四个里范围最大的一套。README 写的是 523 课、20 个阶段，作者估算约 342 小时。按目录逐个阶段数下来，课数合计正好 523，分布如下：

| 阶段 | 内容 | 课数 | | — | — | — | | 0–3 | 环境、数学、机器学习、深度学习 | 65 | | 4–9 | 计算机视觉、NLP、语音、Transformer、生成式 AI、强化学习 | 117 | | 10–12 | 从零写 LLM、LLM 工程、多模态 | 66 | | 13–16 | 工具与协议、Agent 工程、自主系统、多 Agent | 132 | | 17–18 | 基础设施与生产、伦理安全与对齐 | 58 | | 19 | 综合项目 | 85 |

Agent 相关内容集中在第 13 到 16 阶段，其中第 14 阶段「Agent 工程」一个阶段就有 54 课，从 Agent 循环、ReWOO、Reflexion 讲到记忆和技能库。

README 给每一课定了同一套流程：读说明、手敲关键代码、运行、保存命令和输出、能改动一处并解释之后再往下。仓库里的代码以 Python 为主（822 个 .py 文件），另有 129 个 TypeScript 文件和少量 Rust、Julia。

不用从第 0 课开始。README 开头有一张「按目标选起点」的表：想打完整基础从 Phase 0 开始，想做 LLM 应用从 Phase 11 开始，想做 Agent 从 Phase 14 开始，另外还有 MCP、Agent Skills 的快捷路线。

起步命令：

git clone https://github.com/rohitg00/ai-engineering-from-scratch.git

cd ai-engineering-from-scratch

python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner

要注意的是语言：英文是正式版本，中文只有翻译过的首页，课程页是机器翻译，放在仓库的 translations 分支。

三、深入理解 AI Agent：10 章中文书加 109 个实验

仓库地址： https://github.com/bojieli/ai-agent-book

在线阅读： https://bojieli.github.io/ai-agent-book/astro/

这是一本完整开源的中文技术书，作者李博杰。全书围绕一个公式展开：Agent = LLM + 上下文 + 工具。当前书稿为 2.0 版，章节和实验数如下：

| 章 | 主题 | 实验数 | | — | — | — | | 1 | AI Agent 入门 | 4 | | 2 | 上下文工程 | 10 | | 3 | 用户记忆和知识库 | 12 | | 4 | 工具（含 MCP） | 5 | | 5 | Coding Agent 与通用 Agent | 16 | | 6 | 交互：语音、Computer Use 等 | 14 | | 7 | Agent 的评估 | 14 | | 8 | 模型后训练 | 19 | | 9 | Agent 的持续进化 | 9 | | 10 | 多 Agent 协作 | 6 |

和 ai-engineering-from-scratch 相比，它不从数学和机器学习讲起，直接讲 Agent 各个部分怎么设计。README 写明的前置要求是：能读改中等复杂度的 Python 代码，用过大模型产品和至少一款 AI 编程工具，了解命令行、Git、JSON 和 REST API。除第八章后训练外，对数学的要求很低。

实验按章节安装依赖，推荐用 uv：

git clone https://github.com/bojieli/ai-agent-book.git

cd ai-agent-book uv sync --locked --extra ch1

uv run python chapter1/context/main.py

调用模型的实验要先按该实验的 README 配置至少一个模型服务的 Key，只有 README 明确列出的实验才支持本地 Ollama。作者建议读懂设计原则后，借助 coding agent 自己从头实现一遍，配套代码用来对照。

四、AI Agents for Beginners：微软 18 课入门

仓库地址： https://github.com/microsoft/ai-agents-for-beginners

这是四个里星标最多的一个，面向刚开始做 Agent 的开发者。除第 0 课环境设置外有 18 课，每课独立，可以从任意一课开始：

第 1–5 课：Agent 入门、框架、设计模式、工具使用、Agentic RAG
第 6–10 课：可信 Agent、规划、多 Agent、元认知、生产环境
第 11–18 课：协议、上下文工程、记忆、Microsoft Agent Framework、浏览器使用、可扩展部署、本地 Agent、Agent 安全

代码主要是 Jupyter notebook，基于微软自家的 Microsoft Agent Framework 和 Microsoft Foundry Agent Service。

运行前需要准备 Azure 环境：课程设置要求 Python 3.12 以上、安装 Azure CLI、有 Azure 订阅，多数 notebook 通过 az login 登录后调用。部分示例支持其他 OpenAI 兼容服务，具体看每课说明。

仓库带 50 多种语言的自动翻译，下载体积较大。README 提供了跳过翻译目录的克隆方式：

git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git

cd ai-agents-for-beginners

git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

需要中文版的话，不要跳过翻译目录，中文课程在 translations/zh-CN/ 下。完全没接触过生成式 AI 的读者，README 建议先看同系列的 Generative AI for Beginners（21 课）。

五、AI System Design：一份面向架构和面试的长文档

仓库地址： https://github.com/amitshekhariitbhu/ai-system-design

这个仓库只有一个 README 和一张封面图，没有代码。内容从底层往上排：

推理：推理服务、GPU 与 TPU、token 与延迟吞吐、prefill 与 decode
扩展：扩缩容、容量估算、负载均衡、缓存、模型路由
应用层：向量数据库、RAG、上下文窗口管理、流式输出、限流、AI 网关
Agent：工具调用、MCP、Agent Skills、记忆、多 Agent
生产：护栏、隐私合规、可观测、评估、成本、微调基础设施、容错

最后几节是「如何解任意 AI 系统设计题」的答题框架、真实案例和面试题。作者建议新手从头读；准备面试的读者先读答题框架，再回头补各个模块。部分概念会链接到作者自己的博客展开讲解。

需要说明两点：它 9 月 25 日才创建，内容还在更新初期；作者是在线教育机构 Outcome School 的创始人，README 里有课程推广。

六、按目标选起点

四套资料也可以组合着用：

中文书 + 课程

：用《深入理解 AI Agent》理解每个模块为什么这样设计，再到 ai-engineering-from-scratch 第 13–16 阶段找对应的课动手。
做项目 + 补架构

：已经在写 Agent 应用、需要考虑并发、成本和稳定性时，按 AI System Design 的推理、缓存、网关几节查漏。

选定后，先完成它的起步入口：跑通 from-scratch 的环境检查命令、读完书的第 1 章并运行该章实验、完成微软课程的第 0 课环境设置，或者读完 System Design 的答题框架一节，再决定要不要继续用这一套。