来源：抖音 @六耳玩AI
引言：AI Agent 学习的路径规划
AI Agent（智能体）是当前技术领域的热点，但学习资源分散，初学者容易陷入碎片化。awesome-agentic-ai-zh 项目整理了 AI Agent 学习地图，按阶段和方向组织内容，帮助学习者系统掌握所需技能。
项目概览：结构化与个性化的学习指南
项目将学习内容分为三个部分：基础知识、两条核心学习路径、扩展资源。学习者可根据自身背景和目标选择对应路线。
第一阶段：夯实基础
基础阶段覆盖 Python 编程、命令行界面（CLI）、Git 版本控制、API 调用、JSON 数据格式。还包括大模型（LLM）的 token 机制、API 接口、模型比较和本地部署方法，以及提示词（Prompt）设计。这些内容决定了后续学习路线能否顺利进行。
第二阶段：分岔路口——两条学习路径
完成基础学习后，可选择以下两个方向之一：
路径 A：CLI 赋能用户（Track A - CLI Power User）
面向非技术背景或希望提升工作效率的专业人士。核心是熟练使用 Claude Code、Codex、OpenCode 等现有 CLI Agent 工具，通过掌握高级用法自动化日常任务。该路径强调工具使用而非工具开发。
路径 B：智能体构建者（Track B - Agent Builder）
面向有编程基础并希望深入 AI 领域的技术人员。内容涵盖函数调用、ReAct 循环、LangGraph、AutoGen 等框架、记忆与检索增强生成（RAG）、多智能体协作。目标是将学习者培养为能设计复杂 AI 系统的工程师。
延伸：从学习到应用的多重角色
项目在主干线路之外，按职业角色或使用场景提供扩展方向：
- 研究人员：关注前沿技术和论文写作。
- 开发者：用 AI 辅助代码编写和审查。
- 教师：将 AI 融入教学实践。
- 知识工作者：提升信息处理和知识生产效率。
- 日常用户：将 AI 用于生活便利和个人创作。
评估与自我定位
项目提供“AI 能力画像”自评表，对各项关键技能熟练度打分。学习者可据此识别优劣，调整学习计划。例如，已熟悉 Claude Code 和 Codex 的非技术用户，可继续深化对 MCP Server 的理解，以便整合不同工具。
结语
awesome-agentic-ai-zh 项目为 AI Agent 学习者提供了清晰的学习路线图，回答了学什么、怎么学、为何学的问题。非技术人员可以快速上手，开发者可以深入技术细节。