HelloAgents

这是一个按 Datawhale「Hello-Agents」教程主线实现的模块化智能体项目。项目不是只放章节脚本，而是把教程里的核心概念整理成一个可安装、可测试、可复用的 Python 包。

默认实现只依赖 Python 标准库，可以离线运行；如果需要接入真实大模型，可以使用 OpenAI-compatible API 客户端。

快速开始

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -e .[dev]
python -m pytest -q

运行示例：

helloagents react "What is (25 + 15) * 3 - 8?"
helloagents travel "Shanghai" "museums, coffee, river walk"
helloagents research "agent memory systems"
helloagents town
python examples/chapter16_capstone.py

文档

文档入口：docs/README.md
模块文档：docs/modules
章节指南：docs/chapters

模块总览

模块	说明	文档
`helloagents.schema`	消息、步骤、工具调用、Agent 结果等共享数据结构	核心模型
`helloagents.fundamentals`	ELIZA、N-gram、BPE、简单 embedding、attention 演示	基础算法
`helloagents.llms`	离线规则模型和 OpenAI-compatible LLM 客户端	模型接口
`helloagents.tools`	工具抽象、工具注册表、计算器、搜索、终端工具	工具系统
`helloagents.agents`	Simple、ReAct、Plan-and-Solve、Reflection Agent	智能体范式
`helloagents.memory`	工作记忆、会话记忆、向量检索、RAG	记忆与检索
`helloagents.context`	笔记、工作区快照、优先级上下文构建	上下文工程
`helloagents.protocols`	MCP-like 工具、A2A 通信、ANP 注册、任务分发	通信协议
`helloagents.evaluation`	任务评测、函数调用评测、成对评审	性能评估
`helloagents.training`	SFT/偏好数据、奖励函数、LoRA/GRPO 配置计划	训练与 Agentic RL
`helloagents.lowcode`	Dify、Coze、FastGPT、n8n 风格流程描述与导出	低代码平台
`helloagents.applications`	旅行助手、深度研究、赛博小镇等综合应用	综合应用

章节覆盖

examples/ 目录中提供了 16 个章节示例，对应教程完整主线：

章节	主题	示例
第 1 章	初识智能体	`examples/chapter01_first_agent.py`
第 2 章	智能体发展史与 ELIZA	`examples/chapter02_eliza.py`
第 3 章	大语言模型基础	`examples/chapter03_llm_fundamentals.py`
第 4 章	智能体经典范式	`examples/chapter04_classic_paradigms.py`
第 5 章	低代码平台搭建	`examples/chapter05_lowcode.py`
第 6 章	框架开发实践	`examples/chapter06_framework_practice.py`
第 7 章	构建自己的 Agent 框架	`examples/chapter07_build_framework.py`
第 8 章	记忆与检索	`examples/chapter08_memory_rag.py`
第 9 章	上下文工程	`examples/chapter09_context_engineering.py`
第 10 章	智能体通信协议	`examples/chapter10_protocols.py`
第 11 章	Agentic RL	`examples/chapter11_agentic_rl.py`
第 12 章	智能体性能评估	`examples/chapter12_evaluation.py`
第 13 章	智能旅行助手	`examples/chapter13_trip_planner.py`
第 14 章	自动化深度研究智能体	`examples/chapter14_deep_research.py`
第 15 章	构建赛博小镇	`examples/chapter15_cyber_town.py`
第 16 章	毕业设计	`examples/chapter16_capstone.py`

接入真实大模型

默认使用 RuleBasedLLM，方便测试和离线演示。接入 OpenAI-compatible 服务：

pip install -e .[openai]

然后在代码中使用：

from helloagents import OpenAICompatibleLLM, SimpleAgent

llm = OpenAICompatibleLLM()
agent = SimpleAgent("demo", llm=llm)
print(agent.run("解释 ReAct 智能体").answer)

项目结构

helloagents/          # Python 包源码
examples/             # 章节示例与基础示例
tests/                # 单元测试
docs/modules/      # 模块文档
docs/chapters/     # 章节指南

du-mozzie/hello-agent

README