现在学 AI Agent，最难的往往不是找不到资料，而是资料太多。
Claude Code、Codex、MCP、Skills、RAG、Memory、Multi-Agent、Computer Use……名词按周更新，收藏夹越来越满， entourage 却不知道下周到底该打开哪一个链接。
台湾开发者 WenyuChiou 维护的开源项目 awesome-agentic-ai-zh，想解决的正是这个问题：不是又堆一份 GitHub 清单，而是把 Agentic AI 学成一条能往下走的路。
项目地址：https://github.com/WenyuChiou/awesome-agentic-ai-zh
（MIT，繁中 / 简中 / English 三版，星标约 5K+ 量级，以页面为准）
它整理了什么？
公开介绍里大致包括：
- 240+ 精选 AI 相关项目与资源
- 70+ MCP / Skills 目录向整理
- 20+ 动手练习
- 8 个学习阶段
- 2 条核心学习路线
定位是：学习路线图 + 资源策展 + 简单示例，帮人从「不知道从哪开始」走到「能设计、能使用多 Agent 工作流」。
先选身份：两条路不要混着跑
路线 A：CLI Power User
不一定要自研框架，但希望把 Claude Code、Codex、OpenCode、Gemini CLI 等真正用进日常：工作流、MCP、Skills、Subagent，以及怎么把 CLI Agent 嵌进自己的打字与交付习惯。
路线 B：Agent Builder
想搞懂原理甚至自己造 Agent：从 Tool Use 到 Agent Framework、Memory、RAG、Multi-Agent，再到 Computer Use、Browser Use、Code Sandbox。
很多人之所以累，是 A 和 B 同时追——工具还没熟练，又去啃三套框架源码。地图的价值，首先是允许你只走一条。
整体阶段（示意）
一条常见的递进是：
Python / Git / API
→ LLM 基础
→ Prompt Engineering
→ Tool Use
→ Agent Framework
→ Claude Code + MCP + Skills
→ Memory / RAG
→ Multi-Agent
→ Computer Use / Browser Use / Sandbox
已会基础的人可以从更后阶段插队；完全新手则不必一上来就 Multi-Agent。
为什么比「再收藏 100 个 repo」有用？
- 回答「下一步学什么」，而不只是「还有什么可以学」
- 中英繁资源与中文生态（如国产模型、MCP/Skill）被放进同一张图里
- 阶段 + 练习 降低「只看不练」的概率
当然，任何 awesome 列表都有时效性：框架换代快，以仓库当前 stage 文档为准，并自己做一小周复盘。
建议的用法
- 用一句话选路：我是更想用好现成 Agent，还是造 Agent？
- 只打开当前 stage 的阅读清单，完成 1 个示例再进入下一 stage
- 把 MCP/Skills 当成「插件能力」，绑定到一个真实工作场景（改代码、写周报、抓资料）
- 每周固定回顾：我能否不看笔记复述本周概念，并演示一次工具调用？
小结
Agent 时代不缺名词，缺的是顺序。
awesome-agentic-ai-zh 把「从 LLM 基础到多 Agent 与计算机使用」收成可执行的地图，并用两条路线区分用家与造家。若你正被 Claude Code、MCP、Skills 的信息流冲刷，与其继续无脑收藏，不如先 clone 下来，选定 A 或 B，从当前 stage 往下走一格。
No comments yet