手搓 ReAct”到”RL 训 Agent 的全覆盖 Agent 教学项目：Hello-Agents。项目主张”穿透框架表象，从核心原理出发，亲手构建属于自己的多智能体应用”。第一部分基础：第一章初识智能体：定义 / 类型 / 范式 / 应用第二章智能体发展史：符号主义 → LLM 驱动第三章大语言模型基础：Transformer / 提示 / 主流 LLM / 局限第二部分构建你的 LLM 智能体：第四章经典…

一句话看懂：Datawhale 社区推出开源教程项目 Hello-Agents，主张“穿透框架表象”，带开发者从手搓 ReAct 一路走到用 GRPO 做 Agentic-RL 训练，覆盖原理、框架、协议与真实案例。它的差异点是：不只教“怎么搭”，还系统讲“搭错了怎么调”。

事件核心：发生了什么

用户 @snwiki238337 在 X 上介绍了开源项目 Hello-Agents（仓库位于 GitHub 的 datawhalechina 组织下）。这是一套中文智能体教学课程，共四个部分、十五章。基础部分讲智能体定义、范式与发展史，以及 Transformer、提示工程和主流大模型的局限；构建部分要求手写 ReAct、Plan-and-Solve、Reflection 等经典范式，并对 AutoGen、AgentScope、LangGraph 做框架实践，最终从零搭一个 Agent 框架；高级部分覆盖记忆与 RAG、上下文工程、MCP/A2A/ANP 三类通信协议、从 SFT 到 GRPO 的 Agentic-RL 实战训练，以及评测指标与基准；案例部分包含 MCP 加多智能体协作的旅行助手、DeepResearch 复现和“赛博小镇”社会模拟。项目对 Coze、Dify、n8n 这类低代码平台只做对照，明确不以此为主线。

为什么重要

目前主流 Agent 教程多停留在调用现成框架和 API 的层面，开发者容易“会拼装、不懂原理”，一旦行为不符预期就无从下手。Hello-Agents 把通信协议、上下文工程和强化学习训练放进同一课程体系，等于把 Agent 从“提示词工程”拉回到系统工程与模型训练两个层面。用 GRPO 训练 LLM 做 Agent 任务，也是当前开源社区较少被系统整理的方向。对中文开发者生态来说，这类全链路、开源的课程有助于降低从使用框架到理解框架的门槛。

对用户/开发者/创作者的影响

开发者可以按章节自测：如果只会调 LangGraph 或 AutoGen 的接口，第四、七章的手写范式和自建框架是补齐原理的入口；做 RAG 或长期记忆产品的团队，第八、九章可直接作为设计参考；关注 MCP、A2A、ANP 协议选型的人，第十章提供了横向解析。创作者和产品经理可借第十三至十五章的真实案例，理解多智能体协作与模拟类应用的可行边界。需要提醒的是，Agentic-RL 训练涉及算力与数据准备，个人开发者上手成本不低。