Yonnia English

Agent 框架学习路线全景图（附全网搜索结果）

发表于 4 分钟阅读

这份路线以一张 Agent 学习路线图为起点，再把全网的课程与博主搜了一圈，按「入门 → 精通」整理成一条可执行的主线。主线选择 LangGraph，与路线图的规划一致：先掌握组件与规划，再补齐持久化、人工介入与可观测性，最后横向扩展到多 Agent 拓扑。

主线：LangGraph#

官方免费课程（最推荐，权威且免费）#

  • DeepLearning.AI《AI Agents in LangGraph》——由 LangChain 创始人 Harrison Chase 与 Tavily 创始人 Rotem Weiss 亲自授课，带你从零手写一个 agent，再用 LangGraph 重写一遍，掌握组件、agentic search、持久化与 human-in-the-loop，约一小时，正是路线图中「计划」到「Checkpoint」这条线的原型课。
  • DeepLearning.AI《Agent Skills with Anthropic》——讲 Skill 如何把通用 agent 变成专家，涵盖 SKILL.md 结构与渐进式披露，并结合 MCP 与子代理构建复杂工作流，最后用 Claude Agent SDK 做一个研究型 agent。
  • 以上两门课在 B 站都有中文精讲版，搜「吴恩达 LangGraph」「吴恩达 Agent Skills」即可找到，含课件与代码。

付费深化（可选）#

  • Udemy 上评价最高的是《LangChain — Develop LLM Powered Applications》，被称为最全面、最实战的 LangChain 课，从基础一路讲到生产部署；之后接《LangGraph — Develop LLM Powered AI Agents》进阶。

厂商 SDK：三选一深入#

三个 SDK 当前定位差异明显：OpenAI Agents SDK 适合想要轻量框架、强语音支持、模型可自由切换的场景；Claude Agent SDK 适合需要深度操作系统访问的「给 agent 一台电脑」范式；Google ADK 适合企业级、多语言（Python / Java / Go）系统。

  • Claude Agent SDK：官方中文文档 https://docs.claude.com/zh-CN 是最权威的起点；DeepLearning.AI《Claude Code: A Highly Agentic Coding Assistant》讲最佳实践；KodeKloud 有专门的动手实验课，覆盖 agent loop、Skills、Subagents 与 MCP。
  • OpenAI Agents SDK 与 Google ADK：近期主要更新分别是 Claude Agent SDK 的 query() 原语与生命周期钩子、OpenAI SDK 的原生沙箱执行与 MCP 支持，以及 Google ADK 的图式工作流与 A2A 跨框架协议。建议先看 Composio 与 Requesty 的横向对比文章，再决定深入哪一个。

多 Agent 模式对比（对应三种拓扑）#

  • DeepLearning.AI《Multi AI Agent Systems with crewAI》——由 CrewAI 创始人 João Moura 授课，教你定义角色、目标与背景故事，把复杂任务拆解并分配给多个 agent 团队，实战六个业务流程。
  • IBM《Agentic AI with LangGraph, CrewAI, AutoGen and BeeAI》（Coursera）——一门课横向覆盖四个框架：先学 LangGraph 的顺序流、路由、并行等设计模式，再学 CrewAI 的任务编排，最后学 BeeAI 与 AG2（AutoGen）的多智能体对话，是目前「一次学完全部拓扑」性价比最高的课。

YouTube 博主推荐#

  • 官方 LangChain 频道——按维护者的思路教学，避免踩过时旧版本的坑，是学 LangGraph 最正统的资料。
  • AI Jason——经常回头验证自己此前的最佳实践是否仍然成立，敢于在镜头前承认「我之前做错了」，适合想学生产级架构的人。
  • Cole Medin——专注 n8n 工作流以及 Python + LangGraph 的端到端实战搭建。
  • Sam Witteveen——LangChain 最全面的实战型讲师之一，Python 代码走查很细。
  • AssemblyAI 官方频道——语音 agent、实时转写、function calling 与评估方法论都讲得比一般厂商频道更深。
  • 想看框架横向对比与选型，可以看 Mervin Praison；想看低代码、业务向 agent，可以看 David Ondrej。

中文资源（B 站）#

  • 李宏毅《AI Agent》系列课——目前被广泛认为是中文世界体验最好的入门课，从 Context Engineering 讲起，全套带课件。
  • 码士集团《LangChain + LangGraph + MCP + Agent 企业级开发实战》——零基础到项目实战，附学习笔记。
  • 黑马程序员《LangChain + LangGraph 开发实战》——覆盖 LangSmith 的监控、调试与评估，路线图里没细讲的「可观测性」部分可以补在这里。

验收项目#

用 LangGraph 做一个带持久化记忆、支持人工介入恢复的工作流——这正是上面 Harrison Chase 那门课的最后一个项目（essay writer + human-in-the-loop + checkpoint）。做完它就算摸到了 LangGraph 的核心，之后再横向扩展到 CrewAI、AutoGen 做拓扑对比会容易很多。

参考来源#