[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-11175":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":15,"subscribersCount":15,"size":15,"stars1d":16,"stars7d":17,"stars30d":18,"stars90d":15,"forks30d":15,"starsTrendScore":19,"compositeScore":20,"rankGlobal":10,"rankLanguage":10,"license":21,"archived":22,"fork":22,"defaultBranch":23,"hasWiki":24,"hasPages":24,"topics":25,"createdAt":10,"pushedAt":10,"updatedAt":36,"readmeContent":37,"aiSummary":38,"trendingCount":15,"starSnapshotCount":15,"syncStatus":39,"lastSyncTime":40,"discoverSource":41},11175,"awesome-agentic-ai-zh","WenyuChiou\u002Fawesome-agentic-ai-zh","WenyuChiou","A trilingual (繁中 \u002F English \u002F 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。","https:\u002F\u002Fgithub.com\u002FWenyuChiou\u002Fawesome-agentic-ai-zh",null,"Python",2427,323,8,0,529,574,1563,1587,29.53,"MIT License",false,"main",true,[26,27,28,29,30,31,32,33,34,35],"agentic-ai","ai-agents","awesome-list","bilingual","claude-code","claude-skills","learning-roadmap","llm-agents","mcp","model-context-protocol","2026-06-12 02:02:29","\u003Cdiv align=\"right\">\n  \u003Cstrong>繁體中文\u003C\u002Fstrong> | \u003Ca href=\".\u002FREADME.zh-Hans.md\">简体中文\u003C\u002Fa> | \u003Ca href=\".\u002FREADME.en.md\">English\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\n![AI Agent 學習路徑](resources\u002Fdiagrams\u002Fbanner.png)\n\n# awesome-agentic-ai-zh\n\n### 🤖 AI Agent 學習地圖 — 從基本 LLM 概念到自己打造多 agent 系統\n\n\u003Cp>\u003Cem>\u003Cb>學習路線圖 + 145+ 資源 curation + 簡單 illustrative 案例\u003C\u002Fb>\u003Cbr\u002F>結構化 8 階段、從「LLM 是什麼、token 怎麼算」走到 multi-agent 編排、Computer Use \u002F Browser Use \u002F Sandbox\u003C\u002Fem>\u003C\u002Fp>\n\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue?style=flat)](LICENSE)\n[![繁中](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F語言-繁體中文-red?style=flat)](README.md)\n[![简中](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F語言-简体中文-orange?style=flat)](README.zh-Hans.md)\n[![EN](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flang-English-blue?style=flat)](README.en.md)\n![GitHub stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FWenyuChiou\u002Fawesome-agentic-ai-zh?style=flat&logo=github)\n![GitHub forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FWenyuChiou\u002Fawesome-agentic-ai-zh?style=flat&logo=github)\n[![線上文件站](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F線上文件站-Pages-2ea44f?style=flat)](https:\u002F\u002Fwenyuchiou.github.io\u002Fawesome-agentic-ai-zh\u002F)\n\n\u003C\u002Fdiv>\n\n---\n\n## 🎯 專案介紹\n\n**本 repo 角色定位**：**學習路線圖 + 145+ 資源 curation + 簡單 illustrative 案例**——三件事為核心、幫想學 AI \u002F AI agent 的人從「不知道從哪開始」走到「能設計多 agent 系統」。\n\n具體做法：\n\n| 核心 | 做什麼 | 規模 |\n|---|---|---|\n| **學習路線圖** | 把網路散落的高品質專案、教材、必修閱讀，按**從零開始、循序漸進**整理成 **8 個階段**（含 Stage 5 + Stage 8 兩個共用 hub）+ 2 條學習路線 + 5 條延伸路徑 | 8 stages、2 tracks |\n| **資源 curation** | 每階段精選 **145+** 個 project（含星等、適合誰、教什麼、怎麼跑），加上中文 AI 生態(DeepSeek \u002F Zhipu \u002F Kimi 等)MCP \u002F Skill 完整 catalog | 145+ projects、62 MCP\u002FSkill |\n| **簡單 illustrative 案例** | 每階段附 1-5 個**基礎練習**（70-150 行 starter + dual-path Ollama\u002FAnthropic SDK 對照 + mock-based test） | 23 個練習 folder |\n\n走完整條路線，你會從「**LLM 使用者**」進階到「**agent 系統建構者**」——能看懂 framework 在做什麼、能設計多 agent 協作、能寫自己的 MCP server。\n\n> 📖 **關於中英文混用**：本專案保留 AI Agent 領域常見英文術語（Prompt Engineering \u002F Context Engineering \u002F Harness \u002F MCP \u002F Skills \u002F RAG 等），因為官方文件、paper、GitHub repo 與 API 文件多以英文為主。每個重要概念會提供 **中文理解名 + 英文正式術語 + 一句白話定位**，讓讀者能先理解概念，再對接英文生態。完整對照見 [`resources\u002Fglossary.md`](resources\u002Fglossary.md)。\n\n---\n\n## 📋 目錄\n\n- [🎯 專案介紹](#-專案介紹)\n- [📚 快速開始](#-快速開始)\n  - [線上閱讀](#線上閱讀)\n  - [本地下載](#本地下載)\n  - [✨ 你會收穫什麼？](#-你會收穫什麼)\n- [🗺️ 學習地圖（兩條學習路徑）](#️-學習地圖兩條學習路徑)\n- [💡 如何學習](#-如何學習)\n- [📚 相關資源](#-相關資源)\n- [🤝 如何貢獻](#-如何貢獻)\n- [🙏 致謝](#-致謝)\n- [🎓 引用](#-引用)\n- [License](#license)\n\n---\n\n## 📚 快速開始\n\n### 🚀 第一次接觸 AI agent \u002F 沒寫過 code？\n\n先看 **[`resources\u002Fsetup-guide.md`](resources\u002Fsetup-guide.md)** — 30-45 分鐘從零帶你申請 API key、裝好 Python、跑出第一個 LLM hello-world。\n\n### 線上閱讀\n- **[學習地圖（兩條學習路徑）](#️-學習地圖兩條學習路徑)** — 看完這節決定走 Track A 還 Track B\n- **[Stage 0 基礎準備](stages\u002F00-foundations.md)** — 已經會 Python \u002F git \u002F API 的人可以直接跳 Stage 1\n\n### 本地下載\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FWenyuChiou\u002Fawesome-agentic-ai-zh.git\ncd awesome-agentic-ai-zh\n# 從 stages\u002F00-foundations.md 開始\n```\n\n### ✨ 你會收穫什麼？\n\n- 📖 **完全免費** — MIT 授權，所有內容開放共學\n- 🗺️ **兩條學習路徑** — Track A（CLI Power User）給「想 USE 現成 CLI agent」的人；Track B（Agent Builder）給「想 BUILD 自己 agent」的人。共用 Stage 0-2 基礎\n- 🛠️ **基礎動手練習** — 每階段附 1-5 個 illustrative 練習（題目 + dual-path SDK 對照 + success criteria）。定位是**基礎入門 + 路線確認**——chapter-length 深度練習見對應 stage 的 hello-agents \u002F Anthropic Cookbook callout\n- 🎯 **精選 145+ 個 projects** — 每個都附星等推薦、適合誰、教什麼、怎麼跑（含本地 LLM 執行：Ollama、llama.cpp、LocalAI、MLX）\n- 🌏 **三語完整維護** — 繁中(canonical)\u002F 簡中 \u002F English,三版皆完整維護、英文非薄翻譯\n- 🎓 **不只「框架」、還有「Claude Code 生態」** — MCP \u002F Skills \u002F Plugins \u002F SDK 完整堆疊\n- 🔬 **5 條依使用者分流的延伸路線** — 研究員 \u002F 開發者 \u002F 老師 \u002F 知識工作者 \u002F **日常使用者**\n- ⏱️ **預估時程寫清楚** — Track A 8-10 週 \u002F Track B 主幹最少 16-22 週、現實 5-7 個月（每週 5-8 hr）\n\n---\n\n## 🗺️ 學習地圖（兩條學習路徑）\n\n![AI Agent 學習地圖](resources\u002Fdiagrams\u002Flearning-map.png)\n\n走完 **Stage 0-2（共用基礎）** 之後，依你的目的選一條學習路徑：\n\n- **Track A — CLI Power User**：你想**用**現成的 CLI agent（Claude Code、Codex、OpenCode、Gemini CLI 等）把工作做順、效率拉高，不打算自己從零寫 agent。3 個 sub-stage（A1-A3）。\n- **Track B — Agent Builder**：你想**從零打造**自己的 agent——學 framework、寫 ReAct、設計 multi-agent。Stage 3-7 是主路線。\n\n兩條學習路徑**不互斥**——多數人是先走 A 把 CLI 用起來，再回到 B 學內部運作；或反過來也行。Stage 5（Claude Code 生態）兩條路徑都會用到。\n\n### 共用基礎（Stage 0-2）\n\n| Stage | 主題 | 關鍵內容 | 預估時程 |\n|---|---|---|---|\n| **0** | [基礎準備（Foundations）](stages\u002F00-foundations.md) | Python · CLI · git · API · JSON | 1-2 週 |\n| **1** | [LLM 基礎（LLM Basics）](stages\u002F01-llm-basics.md) | token · API · 各家 LLM 比較 · 本地 LLM | 1 週 |\n| **2** | [Prompt 設計（Prompt Engineering）](stages\u002F02-prompt-engineering.md) | 系統 prompt · few-shot · CoT | 1-2 週 |\n\n### Track A — CLI Power User（想用 CLI 把事情做完）\n\n| Stage | 主題 | 關鍵內容 | 預估時程 |\n|---|---|---|---|\n| **A1** | [選一個 CLI Agent，開始用它做事（CLI Agent Intro & Selection）](tracks\u002Fcli\u002FA1-cli-intro.md) | 7 主流 CLI 比較 · 安裝 · 第一次跑 | 1 週 |\n| **A2** | [建立可重複使用的 CLI 工作流程（CLI Workflow Patterns）](tracks\u002Fcli\u002FA2-cli-workflow.md) | CLAUDE.md · slash command · 多步驟拆解 | 1-2 週 |\n| **A3** | [把 CLI Agent 接進真實工作流程（Integration & Production）](tracks\u002Fcli\u002FA3-cli-production.md) | MCP 接 CLI · CI 自動化 · cost \u002F observability | 1-2 週 |\n| **+5** | [Stage 5 — Claude Code 生態](stages\u002F05-claude-code-ecosystem.md)（**共用 hub**） | MCP · Skills · Plugins · Subagents、Track A 必看 5.1-5.4 \u002F 選讀 5.5-5.6 | 1-2 週（Track A 視角）|\n| **+8** | [Stage 8 — Agent Interfaces](stages\u002F08-agent-interfaces.md)（**共用 hub**）| Computer Use · Browser Use · Code Sandbox、Track A 視角看 Track A 怎麼用 | 1-2 週（Track A 視角）|\n\n> **Track A 預估總時程**：含 Stage 0-2（共用基礎）+ A1-A3 + **Stage 5 + Stage 8（兩個共用 hub）= 約 8-10 週**。核心參考：[`resources\u002Fcli-agents-guide.md`](resources\u002Fcli-agents-guide.md)。\n\n### Track B — Agent Builder（從零打造 agent）\n\n| Stage | 主題 | 關鍵內容 | 預估時程 |\n|---|---|---|---|\n| **3** ⭐ | [工具使用與第一個 Agent（Tool Use & Hello Agent）](stages\u002F03-tool-use-and-hello-agent.md) | function calling · ReAct · 5 個動手練習 | 2-3 週 |\n| **4** | [Agent 框架（Agent Frameworks）](stages\u002F04-agent-frameworks.md) | LangGraph · AutoGen · CrewAI · Smolagents | 2-3 週 |\n| **5** ⭐⭐ | [Claude Code 生態系（Claude Code Ecosystem）](stages\u002F05-claude-code-ecosystem.md)（**共用 hub**、Track A 也學）| MCP · Skills · Plugins · Subagents | 3-4 週（Track B 視角）|\n| **6** | [上下文管理（Context Engineering）：RAG 與 Memory](stages\u002F06-memory-rag.md) | vector DB · long-term memory · contextual retrieval | 2 週 |\n| **7** | [多 Agent 系統與穩定運作（Multi-Agent & Production）](stages\u002F07-multi-agent-production.md) | multi-agent orchestration · eval · observability · SDK 進階 | 2-4 週 |\n| **7.5** | [進階 Agentic Workflow 概念（Advanced Agentic Concepts）](stages\u002F07.5-advanced-agentic-concepts.md)（reading map）| 工作邊界 · PAR loop · agent-as-judge · 12 個進階概念 + reading list | 1 週（不寫 code）|\n| **8** ⭐⭐ | [Agent 操作介面（Agent Interfaces）](stages\u002F08-agent-interfaces.md)（**共用 hub**、Track A 也學）| Computer Use · Browser Use · Code Sandbox、2024-2026 frontier | 2-3 週（Track B 視角）|\n\n> **Track B 預估總時程**：主幹最少 **16-22 週**、現實 **5-7 個月**（每週 5-8 hr 兼職）\n\n> **兩個共用 hub（Track A + Track B 都會用到）**：\n> - **Stage 5** = Claude Code 生態（MCP \u002F Skills \u002F Plugins \u002F Subagents）—— Track A 學 MCP 接 CLI、Track B 學 agent runtime 結構\n> - **Stage 8** = Agent Interfaces（Computer Use \u002F Browser \u002F Sandbox、2024-2026 frontier）—— Track A 學「**怎麼用**」委派任務、Track B 學「**怎麼 build**」embed 進 agent\n>\n> 兩個 hub 出現在兩條 track 內、視角不同、學的深度也不同（內文有 Track A \u002F Track B 分視角段）。\n\n> 💡 **想看跨 stage 的完整範例？** [7 步打造你的第一個 AI Agent](walkthroughs\u002Fbuild-first-agent-in-7-steps.md) — 同一個 Paper Summary Bot 從 Stage 1 一路寫到 Stage 7，~350 行真實程式碼（**Track B 適用**）\n\n走完主幹後，依你的身分挑一條延伸路線繼續走。**不確定挑哪條？**\n\n![Branch 決策樹](resources\u002Fdiagrams\u002Fbranch-decision-tree.png)\n\n> 💡 **「日常使用者」這條路線不必走完主幹就能直接讀**——是給「想用 AI、但不一定要寫 code」的人。\n\n| 路線 | 適合誰 | 主題 |\n|---|---|---|\n| 🔬 [研究人員](branches\u002Ffor-researcher.md) | 研究生、博後、PI | 文獻整理 · paper 寫作 · multi-agent review |\n| 💻 [開發者](branches\u002Ffor-developer.md) | 軟體工程師 | Cursor · Aider · CLI delegation · code review |\n| 🎓 [教師](branches\u002Ffor-teacher.md) | 老師、講師 | 備課 · 投影片 · 學生 feedback · 隱私 \u002F 倫理 · prompt 範本 |\n| 📊 [知識工作者](branches\u002Ffor-knowledge-worker.md) | 顧問、PM、分析師 | Email · 會議紀錄 · report 自動化 |\n| 👥 [日常使用者](branches\u002Ffor-everyday-users.md) | ChatGPT \u002F Claude.ai 使用者 | 寫信 · 學習 · 隱私場景 · CLI agent 入門 |\n\n---\n\n## 💡 如何學習\n\n這份路線圖兼顧概念與實作，目標是帶你**從 LLM 使用者一路走到 agent 系統建構者**。適合**有基本 Python 能力**的開發者、研究生、自學者。動手之前，先確認你有：\n\n- **基本 Python** — 寫過 function、用過 API、看得懂 JSON\n- **基本 git** — clone、commit、push\n- **想學的動機** — agent 是 2024-2026 變化最快的領域，需要持續投入（2026 仍每月推新 model \u002F 新 framework）\n\n上面有缺的就從 Stage 0 補齊；都會了就**直接跳 Stage 1**。\n\n主幹分 5 部分：\n\n- **Part 1（Stage 0-2）：基礎與 LLM 入門** — Python \u002F git \u002F API、什麼是 LLM、怎麼設計 prompt\n- **Part 2（Stage 3-4）：建構你的 Agent** — 從 tool use 進化到 agent，學主流 framework\n- **Part 3（Stage 5） 共用 hub** — Claude Code 生態系（MCP \u002F Skills \u002F Plugins \u002F Subagents、Track A + B 都會用到）\n- **Part 4（Stage 6-7）：進階整合** — memory \u002F RAG \u002F multi-agent 協作 \u002F harness engineering\n- **Part 5（Stage 8） 共用 hub** — Agent Interfaces（Computer Use \u002F Browser Use \u002F Code Sandbox、2024-2026 frontier、Track A + B 都會用到）\n\n> 🔭 **三層概念進化**：**prompt engineering**（Stage 2、單一 prompt 怎麼寫）→ **context engineering**（Stage 3 之後、怎麼動態組 system prompt + memory + retrieved chunks + tool schema）→ **harness engineering**（Stage 7、agent loop \u002F eval \u002F observability \u002F deploy 整套包成 production system）。3 個術語對應 3 個 phase、不必另外找資源。詳見 [`stages\u002F02-prompt-engineering.md#-進階context-engineering不是-prompt-engineering-了`](stages\u002F02-prompt-engineering.md) 跟 [`stages\u002F07-multi-agent-production.md`](stages\u002F07-multi-agent-production.md) 必修閱讀 5+6。\n\n走完主幹（14-19 週）後，依你的身分（研究員 \u002F 開發者 \u002F 老師 \u002F 知識工作者 \u002F 日常使用者）挑一條延伸路線繼續走。\n\n最重要的一句話：**不要跳過 動手練習**。每個 stage 的 動手練習都是「不動手就學不會」的東西，光讀過去後面會卡住。\n\n> 🎓 **動手練習怎麼用才對**：每個練習 folder 裡的 `starter.py` 是**完整解答**、不是 TODO skeleton。如果你 clone 下來直接 `cat starter.py` + `python test.py` pass、會誤以為「我學會了」、其實沒寫一行 code。**正確學習法**：`mv starter.py starter_reference.py`、看 signature 不看 body、自己重寫、卡住才回去對照。完整方法論 + 每個 stage 的時間預算 + 卡住處理流程看 [`docs\u002FHOW_TO_USE.md`](docs\u002FHOW_TO_USE.md)。\n\n準備好了嗎？[從 Stage 0 開始](stages\u002F00-foundations.md)。\n\n---\n\n## 📚 相關資源\n\n完整的相關資源（用語說明 + 常用 MCP \u002F Skill highlight + awesome lists + 中文社群）抽到 **[RESOURCES.md](RESOURCES.md)** 避免主頁過長。\n\n直接看常用入口、依**情境**分組：\n\n### 🚀 入門 \u002F 環境設定\n\n| 你的狀況 | 去哪 | 內容 |\n|---|---|---|\n| 完全沒寫過 code、第一次接觸 AI agent | [`resources\u002Fsetup-guide.md`](resources\u002Fsetup-guide.md) | 30-45 分鐘從零裝好（API key、Python、第一個 hello-world） |\n| 不知道挑哪個 LLM provider | [`resources\u002Fsetup-guide.md` A](resources\u002Fsetup-guide.md#a--申請第一個-api-key約-10-分鐘) | Anthropic \u002F OpenAI \u002F DeepSeek \u002F Kimi \u002F NVIDIA NIM 對照 |\n| 同主題 awesome list \u002F 中文社群 | [`RESOURCES.md` 同主題清單](RESOURCES.md#同主題的清單型-awesome-lists) | 5-10 分鐘逛一輪 |\n\n### 📖 概念 \u002F 用語\n\n| 你的狀況 | 去哪 | 內容 |\n|---|---|---|\n| 不懂某個詞（LLM \u002F agent \u002F RAG \u002F token \u002F MCP \u002F Skill \u002F 向量資料庫…） | [`resources\u002Fglossary.md`](resources\u002Fglossary.md) | 30+ 詞、每個 30-80 字 + 哪 stage 講細的 |\n| 想搞懂 agent 為什麼有的在 terminal、有的在 Telegram、有的在 Jetson | [`resources\u002Fagent-paradigms.md`](resources\u002Fagent-paradigms.md) | 5 種 agent 型態 mental model + Hermes \u002F OpenClaw 例子 |\n| MCP \u002F Skills \u002F Plugins 用語對照 | [`RESOURCES.md` 三個核心用語](RESOURCES.md#三個核心用語mcp--skills--plugins) | 1 頁速查表 |\n\n### 🛠 動手實作\n\n| 你的狀況 | 去哪 | 內容 |\n|---|---|---|\n| 想動手寫 Skill \u002F MCP server \u002F 接 Word \u002F Zotero \u002F 本機 LLM | [`resources\u002Fcookbook.md`](resources\u002Fcookbook.md) | 6 個 step-by-step recipe、每個 30-50 分鐘 |\n| 想用 subagent 但不知該派誰、怎麼派、派什麼工作 | [`resources\u002Fsubagent-cookbook.md`](resources\u002Fsubagent-cookbook.md) | 15 個複製貼上即用的 dispatch recipe |\n| 自己寫 subagent \u002F 組合多個 \u002F debug 跑壞的（進階）| [`resources\u002Fsubagent-advanced.md`](resources\u002Fsubagent-advanced.md) | description 寫法 4 個 bug + composition 3 pattern + debug 5 切點 |\n| 卡在 tool calling（LLM 不呼叫 \u002F schema 寫不好 \u002F ReAct loop 跑不停） | [`examples\u002Fstage-5\u002Ftool-calling-tutor\u002F`](examples\u002Fstage-5\u002Ftool-calling-tutor\u002F) | 可裝進 Claude Code 的 skill、4-symptom diagnostic |\n| 動手練習怎麼正確使用（主動 vs 被動模式） | [`docs\u002FHOW_TO_USE.md`](docs\u002FHOW_TO_USE.md) | 5-10 分鐘讀完、配合每個 stage 用 |\n\n### 🔌 接日常工具 \u002F 找 MCP server\n\n| 你的狀況 | 去哪 | 規模 |\n|---|---|---|\n| 接 Notion \u002F Obsidian \u002F Excel \u002F GitHub 等工具 | [`RESOURCES.md` 接日常工具](RESOURCES.md#接日常工具常用-mcp-server--skill) | 7-8 個 highlight |\n| 完整 MCP server \u002F Skill 目錄（含星等、分類） | [`resources\u002Fmcp-skills-catalog.md`](resources\u002Fmcp-skills-catalog.md) | 62 條、6 大分類 |\n\n### 🔬 研究 \u002F production 級\n\n| 你的狀況 | 去哪 | 內容 |\n|---|---|---|\n| 研究 workflow + multi-LLM delegation skill | [`RESOURCES.md` 研究工作流](RESOURCES.md#研究工作流本-repo-維護者出品) | 本 repo 維護者出品的 Claude Code 研究 skill 對 |\n| CLI agent 7 家對照 + production 搭配 | [`resources\u002Fcli-agents-guide.md`](resources\u002Fcli-agents-guide.md) | Track A 的核心參考、148 行 |\n| Schema 設計規則（tool calling 必看） | [`resources\u002Fschema-design-cheatsheet.md`](resources\u002Fschema-design-cheatsheet.md) | 5 條黃金規則 + 5 個 anti-pattern |\n\n---\n\n## 🤝 如何貢獻\n\n這個 repo 是一個 AI 學習文件，如果你也有蒐集很好的資源，也歡迎貢獻：\n\n- 🐛 **回報 Bug** — 內容錯誤、連結失效、過時資訊 → 開 Issue\n- 💡 **提建議** — 缺什麼 stage、該加哪個 project → 開 Issue 討論\n- 📝 **完善內容** — 改進現有 stage 內容、修 typo → 直接 PR\n- ✍️ **新增 project** — 在某個 stage 加 1-3 個 project，並附上「為什麼這個 project 適合放這個 stage」的說明\n- 🌏 **翻譯** — 補英文 companion 沒翻到的段落，或翻成其他語言\n- 🌱 **擔任 Stage \u002F Branch maintainer** — 長期 review 特定領域，詳見 [CONTRIBUTORS.md](CONTRIBUTORS.md)\n\nPR 流程跟 style 規範請看 [CONTRIBUTING.md](CONTRIBUTING.md) 跟 [resources\u002Fstyle-guide.md](resources\u002Fstyle-guide.md)。\n\n> 📅 **想看最近 ship 了什麼** → [`CHANGELOG.md`](CHANGELOG.md)（最近 14 天）。\n> Maintainer 內部進度與 launch checklist 放在 [`.github\u002Flaunch-checklist.md`](.github\u002Flaunch-checklist.md)（內部文件）。\n\n---\n\n## 🙏 致謝\n\n### Inspiration\n\n- [**Datawhale Hello-Agents**](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents) — 中文圈最完整的 chapter-length agent 教材，本 repo 的「章節 + 進度」結構受這份啟發；每個 stage \u002F 練習 folder 都有 📚 callout 點過去深度章節。特別感謝。\n- [**Datawhale 社群**](https:\u002F\u002Fgithub.com\u002Fdatawhalechina) — 中文 ML 共學社群的標竿，本 repo 多個 anchor project 來自這裡\n- [**liyupi\u002Fai-guide**](https:\u002F\u002Fgithub.com\u002Fliyupi\u002Fai-guide) — 中文圈最大「AI 資源大全」，跟 Vibe Coding 教學齊全（涵蓋 Agent Skills \u002F RAG \u002F MCP \u002F A2A \u002F Harness Engineering）。本 repo 是「結構化路線」、ai-guide 是「廣度資源庫」，互為補充\n\n### 其他相關專案\n\n同主題、不同切入角度的清單，搜資源時可以一起用：\n\n- [`wong2\u002Fawesome-mcp-servers`](https:\u002F\u002Fgithub.com\u002Fwong2\u002Fawesome-mcp-servers) — MCP server 清單，按分類整理\n- [`punkpeye\u002Fawesome-mcp-servers`](https:\u002F\u002Fgithub.com\u002Fpunkpeye\u002Fawesome-mcp-servers) — 另一份 MCP server 清單\n- [`hesreallyhim\u002Fawesome-claude-code`](https:\u002F\u002Fgithub.com\u002Fhesreallyhim\u002Fawesome-claude-code) — Claude Code 相關工具與 plugin 清單\n\n這些是純清單形式（看到再挑），本 repo 的不同點是有「**從 Stage 0 一路走到 production 的學習順序**」。\n\n### 貢獻者\n\n[![Contributors](https:\u002F\u002Fcontrib.rocks\u002Fimage?repo=WenyuChiou\u002Fawesome-agentic-ai-zh)](https:\u002F\u002Fgithub.com\u002FWenyuChiou\u002Fawesome-agentic-ai-zh\u002Fgraphs\u002Fcontributors)\n\n新貢獻者會自動出現在上方。完整列表 → [GitHub Contributors](https:\u002F\u002Fgithub.com\u002FWenyuChiou\u002Fawesome-agentic-ai-zh\u002Fgraphs\u002Fcontributors)。\n\n### 個人\n\n- [@WenyuChiou](https:\u002F\u002Fgithub.com\u002FWenyuChiou) — Maintainer\n\n---\n\n## 🎓 引用\n\n如果這個學習地圖對你的學習或工作有幫助，歡迎引用：\n\n```bibtex\n@misc{awesome_agentic_ai_zh_2026,\n  title = {awesome-agentic-ai-zh: A Structured Learning Roadmap for Agentic AI},\n  author = {Chiou, Wenyu},\n  year = {2026},\n  url = {https:\u002F\u002Fgithub.com\u002FWenyuChiou\u002Fawesome-agentic-ai-zh},\n  note = {8-stage learning path from prerequisites to Agent Interfaces (Computer Use \u002F Browser Use \u002F Sandbox), with curated projects + hello-X demos. Bilingual (zh-TW \u002F English).}\n}\n```\n\n---\n\n## 📈 Star History\n\n[![Star History Chart](https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=WenyuChiou\u002Fawesome-agentic-ai-zh&type=Date)](https:\u002F\u002Fstar-history.com\u002F#WenyuChiou\u002Fawesome-agentic-ai-zh&Date)\n\n---\n\n## License\n\nMIT。Maintained by [@WenyuChiou](https:\u002F\u002Fgithub.com\u002FWenyuChiou)。\n\n\u003Cdiv align=\"center\">\n  \u003Cp>⭐ 如果這個 repo 對你有幫助，歡迎給個 Star — 這對作者繼續更新是很大的鼓勵\u003C\u002Fp>\n\u003C\u002Fdiv>\n","awesome-agentic-ai-zh 是一个面向中文用户的 AI Agent 学习地图，旨在提供从零开始的结构化学习路径。该项目通过三个核心功能帮助学习者逐步掌握 AI Agent 的知识：一是详细的学习路线图，将网络上的高质量资源按照八个阶段和两条学习路径进行整理；二是精选了145多个项目，并附有详细的中文说明；三是每阶段提供了基础练习案例，便于实践操作。这些内容适合希望系统性地了解和构建 AI Agent 系统的开发者或爱好者使用，无论你是初学者还是有一定基础的人都能找到合适的起点。此外，项目支持繁体中文、简体中文及英文三种语言对照，方便不同背景的学习者参考。",2,"2026-06-11 03:31:18","CREATED_QUERY"]