📦 下载与安装

三种方式，按你的目的挑：

exe 包里有什么： 启动器 + 完整项目（17 章教程、可运行代码、算法题解、模拟面试、
项目实战案例都在里面）。它和源码 zip 的区别只是多个 exe 和它的运行时 ——
这个项目是拿来学的，光有 exe 没法读章节也没法改代码，所以内容一份不少。

关于 Python： 看网页、读文档、读代码不需要 Python。
这两件事需要 Python 3.9+ —— 跑 code/ 下 17 章的配套脚本、以及在线判题
（判题器要起子进程执行你提交的代码）。C++ 判题还需要 g++。
exe 启动器会自己找 Python；找不到会告诉你装哪个版本，并照样把网页版打开。

🌐 网页版：双击即开

不想先配环境？直接双击 web/index.html —— 整个项目变成一个网页：能搜、能读、能记录进度。

• 17 章正文 + 9 个专题 + 5 份速查表 + 3 份题库，全部可读，带目录与滚动高亮
• 模拟面试：65 道结构化题，逐题自答后看参考思路与扣分点，结束时出报告
• 项目实战案例：34 轮完整面试对话 + 76 道练习题（先自己答 → 看参考 → 自评 → 出薄弱清单）
• 在线判题：98 道算法题、729 个用例，写代码 → 提交 → 逐用例看判定（Python / C++）
• 全站搜索（按 / 聚焦），跨章节全文匹配并高亮命中位置
• 学习进度追踪：每章的「跑通 / 讲清 / 改得动」三个勾，存在浏览器本地，可导出 JSON
• 深色模式、响应式（手机上是抽屉式侧栏）
• 零服务器、零联网、零 CDN —— 内容由构建脚本从 Markdown 生成，见 web/README.md

python web/_build.py     # 改了 Markdown 后重新生成网页内容

网页是只读的浏览与追踪界面，真正的学习仍然在 Markdown 与代码里进行 ——
AI 教练（学习中枢.md）读写的是那些文件，不是网页的 localStorage。

这是什么

网上不缺大模型资料，缺的是一条**从"没写过一行 AI 代码"到"能交付一个可上线 Agent"**的完整路径。

Agent Zero To One 是一个自包含的 AI Agent 入门学习项目。它不是文章合集，也不是 API 手册，而是一套可以直接照着跑起来的成长系统：

• 📖 17 章渐进教程 —— 从「第一次调用模型」到「构建自己的 Agent 框架」，每章一个可运行产出，不跳步。
• 🐍 17 份可运行代码 —— 每章一份，全部纯 Python，公共模块零第三方依赖，没有 API Key 也能跑（内置离线 Mock 模式）。
• 🧠 内嵌 AI 教练 —— 项目自带 学习中枢.md，把它配给任意 AI 助手，它就变成你的专属 Agent 开发教练，自动读你的档案、跟你的进度、写你的笔记。
• 🎯 进度可追踪 —— 学员档案 / 进度看板 / 学习日志 / 学习笔记 四件套，学习状态一目了然，AI 与人都看得懂。
• 🪜 8 级项目阶梯 —— 每一级一个能写进简历的可交付作品，学完就能讲、能演、能面试。
• 💼 面试闭环 —— 专题知识 + 高频题库 + 模拟面试设施 + 一份真实项目的完整复盘（76 道练习题），把学到的东西变成能说出口的答案。

适合谁： 会一点 Python（能写函数、装包、读报错）的在校学生、转行者、后端/前端/测试工程师，以及任何想真正搞懂 Agent 而不只是调用现成平台的人。

不适合谁： 想研究模型结构、预训练和数学推导的研究者 —— 本项目聚焦应用工程，原理部分只讲到"够用且不糊弄"的深度。

这个项目整合了什么

本项目是把四个优质开源学习项目的能力拼成一套完整系统的产物。每个上游项目都解决了问题的一部分：

除了上面四个上游项目，还有一份为面试环节专门写的实战材料：

它补的是前四个项目都没覆盖的一环：知识有了、练习设施有了，但缺一份"标准答案" ——
一个好项目在面试里该被讲成什么样、哪些东西看起来实现了其实是死的、被按住追问时怎么接。
这一份是原创内容，基于一套独立实现的 Go Agent 平台的真实代码，每条结论都带 file:line。

合并的方式不是复制粘贴，而是让四层各就各位：

        ┌──────────────────────────────────────────┐
  系统层 │  学习中枢 + 00-配置 + 03-学习笔记        │  ← 来自 LeetCode-BaiTiTong
        │  （AI 教练怎么带你、进度怎么记）           │     解决"坚持不下去"
        └──────────────────────────────────────────┘
        ┌──────────────────────────────────────────┐
  内容层 │  docs/ 17 章渐进教程 + code/ 可运行代码   │  ← 来自 Hello-Agents
        │  （从第一次调用到自造框架）                │     解决"学不会"
        └──────────────────────────────────────────┘
        ┌──────────────────────────────────────────┐
  参考层 │  02-Wiki 专题总结 + 面试题库 + 速查表     │  ← 来自 LLM-Master
        │  （深挖、查漏、面试表达）                  │     解决"讲不出"
        └──────────────────────────────────────────┘
        ┌──────────────────────────────────────────┐
  导航层 │  01-Raw 路线调研 + 学习计划 + 项目阶梯     │  ← 来自 Agent-Learning-Hub
        │  （学什么、什么顺序、做到什么程度）         │     解决"走错路"
        └──────────────────────────────────────────┘

快速开始

第 1 步：环境（只需要 Python）

git clone <本仓库地址> Agent-Zero-To-One
cd Agent-Zero-To-One
python --version        # 需要 3.9 或更高

第 2 步：先跑起来，再谈 API Key

python run.py 0            # 跑第 00 章（环境自检）
python run.py              # 不带参数：列出全部章节

没有任何第三方依赖，不需要 API Key。 第 0 章会做一次环境自检，并告诉你当前处于哪种模式。

run.py 是根目录的启动器，帮你省掉 cd。带上章节号就能跑对应章节，参数会原样传给脚本，比如 python run.py 5 --part 1。
也可以按传统方式跑：先 cd code，再 python ch00_env_check.py（两种方式等价）。

第 3 步：接上真模型（可选但推荐）

复制 code/.env.example 为 code/.env，填入任意 OpenAI 兼容服务的密钥：

OPENAI_API_KEY=sk-xxxxxxxxxxxx
OPENAI_BASE_URL=https://api.deepseek.com/v1     # 也可换成通义/智谱/Kimi/OpenAI 等
OPENAI_MODEL=deepseek-chat

pip install -r code/requirements.txt
python run.py 1            # 跑第 01 章，做第一次真实调用

国内可直接使用的兼容服务：DeepSeek、通义千问（DashScope 兼容模式）、智谱 GLM、月之暗面 Kimi、硅基流动等。用哪家都行，代码不用改。

第 4 步：让 AI 当你的教练

把 学习中枢.md 的全部内容复制到你常用 AI 助手的系统提示词 / 自定义指令里（Claude Code、Cursor、Cline、Obsidian + Claudian、任何支持自定义角色的聊天工具都行）。

之后每次开始学习，只需要说一句：

「开始今天的学习」

AI 教练会自动读取你的档案、日志和进度看板，按你的水平接着上次往下讲，并在结束时把进度写回去。

双模式：在线 / 离线

这是本项目为 0 基础学习者做的一个关键设计 —— 你不会因为"还没搞定 API Key"而卡在第 0 天。

离线模式不是玩具：它会真实地走完你的 while 循环、真的解析 tool_call、真的执行你的工具函数、真的做检索排序 —— 只是"想"的部分由规则替代。用来调试代码逻辑和验证自己的理解完全够用，也是 CI 里跑测试的方式。

切换方式：

# 强制离线（推荐第一次学新章节时用，先看懂流程）
AGENT_MOCK=1 python ch05_react_loop.py      # Windows: set AGENT_MOCK=1

# 在线
python ch05_react_loop.py

课程体系（17 章）

五个阶段，每一章都有可运行产出。建议节奏 12 周，每周 6–8 小时。

阶段一 · 起步（第 1 周）

阶段二 · 单 Agent 核心（第 2–4 周）

阶段三 · 能力扩展（第 5–8 周）

阶段四 · 工程化（第 9–11 周）

阶段五 · 实战与毕业（第 12 周及以后）

📌 每一章都有对应的学习笔记模板：03-学习笔记/Week01-*.md。边学边填，12 周后这就是你自己的知识库。

12 周学习计划

完整计划（含每日任务）见 01-Raw/02-12周速通学习计划.md。

目录结构

Agent-Zero-To-One/
│
├── 🧠 学习中枢.md                    # ⭐ AI 教练系统提示词（整个系统的总开关）
│
├── 📁 00-配置/                       # 学习状态（AI 每次对话必读 / 必写）
│   ├── 全局索引.md                   # 目录索引与文件用途
│   ├── 学员档案.md                   # 你的底子、目标、习惯
│   ├── 进度看板.md                   # 章节进度、能力矩阵、薄弱环节
│   └── 学习日志.md                   # 每次学习的追加式记录
│
├── 📁 01-Raw/                        # 规划与调研（只增不改）
│   ├── 01-Agent学习路线调研报告.md    # 为什么这样排课：路线对比与取舍
│   ├── 02-12周速通学习计划.md         # 逐日任务清单
│   └── 03-项目阶梯与能力对照表.md     # 8 级项目 ↔ 能力 ↔ 简历写法
│
├── 📁 02-Wiki/                       # 结构化知识区（查漏补缺用）
│   ├── 专题总结/                     # 9 个专题深度总结
│   ├── 速查表/                       # 参数/成本/协议/排错速查
│   └── 面试题库/                     # Agent / RAG / 项目表达
│
├── 📁 03-学习笔记/                   # 16 份周笔记模板（边学边填）
├── 📁 04-Outputs/                    # 你的产出区（作品、复盘、知识图谱）
│
├── 📁 05-算法面试/                   # ⭐ 算法轮平行轨道（来自 LeetCode-BaiTiTong，MIT）
│   ├── README.md                     # 为什么 Agent 岗也要刷算法 + 三种插入方式
│   ├── 00-配置/算法进度看板.md        # 14 天 / 100 题 / 13 专题的进度追踪
│   ├── 02-专题总结/                  # 13 个专题（哈希 / 双指针 / 链表 / DP / 贪心…）
│   ├── 03-题目详解/                  # 100 道 Hot 100 详解
│   └── 06-在线判题/                  # ⭐ 本地判题器：写代码 → 运行 → 提交 → 看判定
│       ├── judge_server.py            # 启动：python run.py judge
│       ├── testcases.json             # 98 题 / 729 个已验证用例
│       └── cases/                     # 用例作者文件
│   └── 04-学习笔记/                  # 14 天路线笔记模板
│
├── 📁 06-模拟面试/                   # ⭐ 学完之后的模拟面试环节
│   ├── README.md                     # 三种场次怎么选、什么时候该来练
│   ├── 01-面试全流程脚本.md           # 45 分钟一场的逐分钟脚本 + 三种追问模式
│   ├── 02-面试官提示词.md             # 可直接粘贴的面试官 system prompt
│   ├── 03-题库与追问链.md             # 65 道结构化题（含扣分信号与追问链）
│   ├── 04-评分表与反馈模板.md         # 七个维度的 rubric 与反馈话术
│   └── 05-面试记录/                  # 你的每场记录归档
│
├── 📁 07-项目实战案例/                # ⭐ 一份真实项目的完整面试复盘（76 道练习题）
│   ├── README.md                     # 这个模块和 06-模拟面试 的分工
│   ├── 01-项目速读.md                 # 面试前 30 分钟过一遍项目
│   ├── 02-模拟面试-完整对话.md         # 34 轮问答，逐段点评「好在哪 / 风险在哪」
│   ├── 03-深挖-Agent与工具调用.md      # ReAct 三出口、工具 schema、MCP 握手与热更新
│   ├── 04-深挖-大模型工程.md           # LLM 封装、超时重试、流式、token 计量、RAG 全链路
│   ├── 05-深挖-高并发与分布式.md       # 网关三层过滤器、令牌桶、Lane、Redis 锁、etcd
│   ├── 06-简历怎么写.md               # 20 个可写点 + 8 条绝对不能写 + 三套岗位写法
│   ├── 07-追问预演与压力面.md          # 30 个追问（含压力面与挖坑题）
│   ├── 08-如果重做一次.md             # 12 个坑：现象 → 根因 → 影响 → 修法 → 代价 → 话术
│   └── 证据-代码走查/                # 每条结论对应的源码原文（3 份逐文件走查）
│
├── 📁 docs/                          # ⭐ 17 章教程正文
│   ├── 第00章 环境准备与第一次模型调用.md
│   ├── ...
│   └── 第16章 毕业设计与面试.md
│
├── 📁 web/                           # ⭐ 网页版（双击 index.html 即可打开）
│   ├── index.html                    # 应用外壳
│   ├── content.js                    # 构建生成：全部 Markdown，约 1.4 MB
│   ├── _build.py                     # 构建脚本：Markdown → 网页内容
│   ├── _test_md.js                   # 渲染器测试（27 项检查）
│   └── assets/                       # app.css / app.js / markdown.js
│
├── 📁 code/                          # ⭐ 每章配套可运行代码
│   ├── common/                       # 共用：LLM 客户端、工具注册表
│   ├── ch00_*.py ... ch16_*.py
│   ├── requirements.txt
│   └── .env.example
│
├── 📁 skills/                        # 可复用技能包示例
│   └── example-skill/SKILL.md
│
└── 📁 assets/                        # 配图

项目阶梯

八级阶梯，每一级都是一个可以拿出去给人看的作品。对照简历写法见 01-Raw/03-项目阶梯与能力对照表.md。

判断标准不是"跑通 Demo"，而是能不能回答四个问题：为什么这样选？效果如何度量？失败如何恢复？成本如何控制？

每章的学习方式

别只读代码，也别只跑通就过。 每章按这四步走：

1. 先读正文 —— docs/第XX章*.md，搞清楚"为什么需要这个东西"。
2. 离线跑通 —— python run.py XX（启动器会自动进入离线模式的前提是没配 Key），看流程怎么走。
3. 在线改造 —— 接上真模型跑一次，然后改一个地方（换个工具、换个 Prompt、加个错误处理）。
4. 写进笔记 —— 填 03-学习笔记/WeekXX-*.md，把"我踩了什么坑"记下来。

遇到卡壳，直接问 AI 教练：

「我在第 05 章卡住了，ch05_react_loop.py 一直不停止循环，帮我看看」

教练知道你的档案和进度，会按你的水平给提示而不是直接甩答案。

面试与求职

学完不是终点，能讲清楚才是。本项目的面试部分把知识变成可复制的表达：

1. 先做模拟面试（推荐从这里开始）

会做不等于会讲。面试是一项独立技能 —— 很多人 Agent 用得很熟，一被追问「为什么不用 X」就答不上来。

• 06-模拟面试/ —— 65 道结构化题目，五轮：算法轮 / Agent 知识轮 / 项目深挖轮 / 系统设计轮 / 行为与压力轮。
  每题都带「扣分信号」 —— 听到什么回答就知道候选人没真做过，例如「说'用了向量数据库'但答不出为什么不用 ES」「把'我参与'说成'我负责'，追问细节时开始含糊」。
• 三种场次：快问快答（20 分钟）/ 标准技术面（45 分钟）/ 完整终面（90 分钟）
• 两种练法：网页端自测（打开网页 → 模拟面试，逐题自答后看参考思路与扣分点，结束时出报告），或者把 02-面试官提示词.md 粘给任意 AI，让它扮演面试官带你走完整流程

2. 再补知识题库

• 02-Wiki/面试题库/01-Agent高频面试题.md —— ReAct、工具设计、记忆、多智能体、失败恢复
• 02-Wiki/面试题库/02-RAG高频面试题.md —— 切片、召回、Rerank、评估、幻觉治理
• 02-Wiki/面试题库/03-项目表达与追问应对.md —— 项目题的标准回答结构：

业务问题 → 技术选型 → 系统设计 → 评估指标 → 故障与优化 → 最终结果

每个数字都要有出处，每个取舍都要有理由。没有指标的项目描述，在面试里等于没做。

3. 然后看一份完整的标准答案

上面那套结构说得对，但你手里没有样例 —— 一个好项目在面试里到底该被讲成什么样。

• 07-项目实战案例/ —— 拿一个真实的 Go Agent 平台（BitGuide）从头拆到源码行号：
  34 轮完整面试对话（面试官提问 → 候选人作答 → 逐段点评「好在哪 / 风险在哪 / 更好的说法」）、
  三份深挖专题（Agent 与工具调用 / 大模型工程 / 高并发与分布式）、
  20 个可写技术点 + 8 条绝对不能写、30 个追问预演、12 个缺陷的完整拆解。

  这份材料最值钱的地方不是"亮点清单"，而是它敢说自己哪不行：分布式限流那条分支永远进不去、
  MCP 的 IsAlive() 恒真、etcd watch 遇 compaction 直接 return 永不重连 —— 这些都是代码里真实存在、
  而且看起来像是实现了的坑。面试里主动说出「我这里有个坑，X 那条分支进不去，因为 Y 没赋值」，
  传递的信号是你读过自己的代码、你有判断力。

  网页端可以直接练：左侧「面试准备 → 项目实战案例」，三套题库共 76 题，流程是
  先自己开口答 → 展开参考 → 自评「不会 / 半懂 / 掌握」→ 答不上的进薄弱清单。

4. 算法轮别忘了

AI Agent 岗的技术面通常先过算法轮，过不了就轮不到你讲 Agent。

• 05-算法面试/ —— 13 个专题 + 100 道 Hot 100 详解 + 14 天路线。
  讲清了「为什么一个 Agent 项目里会有算法题」，并给了三种和主线配合的插入方式（前置 / 并行 / 冲刺）。

这套算法内容来自开源项目 LeetCode-BaiTiTong（MIT，作者 mo-lx），
正文一字未改，只把内部 [[wikilink]] 的路径前缀从 02-Wiki/… 改成了 05-算法面试/…（否则链接指不到本项目里的位置）。来源与署名见 05-算法面试/README.md。

而且能真的动手写。 项目自带一个本地判题器：98 道题、729 个用例，每个用例都用参考解法验证过。

python run.py judge          # 启动判题服务（保持窗口开着）
# 然后打开网页 → 左侧「在线判题」→ 选一道题 → 写代码 → 提交

• 支持 Python 和 C++ —— 工具栏切换语言，两种语言的代码分开保存；C++ 的解题骨架按力扣的签名惯例生成，编译错误会映射回你自己的行号
• 逐用例告诉你过没过 —— 每个用例的输入、你的输出、期望输出全部摊开，不用猜
• 每次提交都留档 —— 结论、用时、峰值内存、当时的代码；题目列表上标「已通过 / 尝试过 / 未开始」，点「恢复这段代码」能把旧代码放回编辑器
• 支持链表 / 二叉树 / 类设计题（LRU 缓存、Trie、最小栈），数据结构自动转换
• 原地修改题按力扣规则判（return None 也算对）
• 配好 API 就能「AI 讲评」 —— 在网页的「AI 接口配置」里填地址、Key、模型 ID（有六个常见服务商预设，填完点「测试连接」验证），把你的代码和失败的用例一起发给模型让它指出思路错在哪。密钥由本地服务转发，不进浏览器；服务端还做了来源校验，只有本机页面能调用
• 每道题都有「去力扣提交」入口 —— 本地过了再去力扣交一次，那边用例更多更狠
• 命令行也能刷：python judge.py stub 1-两数之和 → 写代码 → python judge.py run 1-两数之和 my.py
• 自动识别语言：python judge.py run 1-两数之和 my.cpp 会走 C++；python judge.py langs 看哪些编译器可用

详见 05-算法面试/06-在线判题/README.md。

算法题目与题解来自开源项目 LeetCode-BaiTiTong（MIT，作者 mo-lx），
正文一字未改，只把内部 [[wikilink]] 的路径前缀从 02-Wiki/… 改成了 05-算法面试/…（否则链接指不到本项目里的位置）。
判题器与全部测试用例为本项目新增。来源与署名见 05-算法面试/README.md。

学习原则

• Build first, then read deeper. 先跑起来，再回头看原理。
• Prefer small reliable agents over impressive demos. 小的、可靠的 Agent，胜过花哨的 Demo。
• Use tools with strict schemas. 工具契约要严，别靠模型猜。
• Add evals before you add more agents. 先有评测，再加 Agent。
• Trace every important run. 重要的运行都要留痕。
• Treat multi-agent as a coordination problem. 多智能体是协作问题，不是魔法。
• Keep humans in the loop for risky actions. 危险动作必须有人确认。
• Respect platform rules, copyrights, and data access boundaries. 遵守规则与边界。

贡献

欢迎提 Issue 和 PR：修正错别字、补充示例、增加专题、改进代码可读性。

改动后请先跑这两个检查：

# 1. 全部章节代码必须能离线跑通（不需要 API Key）
cd code && AGENT_MOCK=1 python ch00_env_check.py    # 逐个跑，17 个都要过

# 2. 链接与引用一致性（wikilink / 相对链接 / code 与 docs 引用）
cd .. && python _check_links.py                     # 输出里所有"失效"都应为 0

_check_links.py 是这个仓库的维护工具，会检查全部 Markdown 里的 [[wikilink]]、相对链接、code/chXX_*.py 与 docs/第XX章*.md 引用是否指向真实文件。

贡献内容时请优先选择：官方文档与工程博客、高质量论文与 benchmark、可运行的开源代码、有原创见解的技术博客、能帮学习者练一个具体技能的小项目。

请避免：搬运的平台帖、没有实质内容的课程广告、付费墙内容、绕过平台规则的爬取内容。

致谢与来源

本项目是在以下优秀开源工作的基础上重新组织、重写与融合而成，感谢所有原作者与社区贡献者：

本项目为学习整合与再创作，正文均重新撰写，仅在方法论、体系设计与学习系统形态上向上述项目借鉴。转载与使用请同样遵守来源项目的版权说明。

授权说明

代码采用 MIT License —— 可以自由使用、修改、分发，保留版权声明即可。

需要单独说明的是文字内容的来源，两类情况：

1. 基于上述开源项目：docs/ 章节教程、02-Wiki/ 专题与题库、06-模拟面试/，是在
   Hello-Agents / LLM-Master / LeetCode-BaiTiTong 等项目的体系上重新撰写的，
   正文为独立行文，未逐字复制。转载或二次创作时请同样遵守来源项目的协议
   （注意 Hello-Agents 是 CC BY-NC-SA 4.0，含「非商用」与「相同方式共享」两条限制）。
2. 07-项目实战案例/：这是一份独立实现的 Go Agent 平台
   （BitGuide Agent Platform）的面试复盘材料，正文为独立撰写，但包含该项目的
   代码片段引用与逐行分析（每条结论都标注了 文件:行号）。
   这部分素材的版权属于该项目的作者，其授权状态请以原项目为准；
   如果你的使用场景超出了合理引用（评论、教学、研究）的范围，请先取得原作者许可。

如果你发现本项目有任何地方侵犯了你的权益，请在 Issues 里说明，我会尽快处理。