本站的課程不是憑空寫的 —— 三個軌道的大綱參考了下列開源課程與學習地圖。 這一頁把我們讀過的東西攤開來講：每個資源適合誰、能學到什麼、 以及它的限制在哪。挑資源時，「要注意什麼」往往比「有什麼」更有用。
CC BY 4.0 等授權允許改寫。我們會用繁體中文重新表述、換成中文語境的例子，並加入本站的實測數據；文末一律標明原始課程、連結與授權。
DeepLearning.AI、LangChain Academy 等課程版權保留。這類資源我們只寫自己的導讀與連結，不複製也不改寫其正文。
外部課程的結論若与本站實測衝突，以本站數據為準並註明差異。我們不會把沒跑過的數字寫進文章。
授權資訊一律以各倉庫自身的 LICENSE 檔為準；本頁標示僅供讀者快速篩選。 若你發現本站任何內容的署名或授權標示有誤，請告知我們修正。
本站導讀：目前最完整的免費 Agent 入門課，從「什麼是 Agent」一路涵蓋到工具使用、RAG、多 Agent 與生產部署。每課都有影片、講義與可執行的程式碼。
範例以 Azure OpenAI 與 Microsoft Foundry 為主，若你用其他供應商需要自行替換 SDK 呼叫；部分課程版本更新較快，程式碼可能與最新 SDK 有落差。
本站導讀：生成式 AI 的基礎課，涵蓋提示工程、嵌入模型、RAG、評估與負責任 AI。比 Agent 課更底層，適合先把 LLM 本身的行為搞清楚。
內容偏廣而不深，Agent 相關章節較少；若目標是做多 Agent 系統，讀完這門後仍需接 AI Agents for Beginners。
本站導讀：唯一有「結業證書」的免費 Agent 課程，且框架中立 —— 同時教 smolagents、LangGraph 與 LlamaIndex 三種實作，讓你看清不同框架的抽象差異。
單元之間難度跳躍較大，S1 基礎不穩的人容易在 multi-agent 單元卡住；證書需完成作業並提交。
本站導讀：中文世界裡結構最完整的 Agent 開發教程，覆蓋 LLM 基礎、RAG、記憶、工具調用、Function Calling、多 Agent、LangChain / LangGraph、MCP 與 Agentic RL，且每天自動追蹤 arXiv 新論文。
內容量大且更新頻繁，部分章節偏論文整理而非可執行教程；實作時需自己補環境與依賴。
本站導讀：LangGraph 與 Agent 的官方短課，把「狀態機式 Agent 編排」講得最清楚。適合已懂基本 Agent、要進入可控編排的人。
綁定 LangChain / LangGraph 生態，抽象較厚；若你偏好輕量自建，學完概念即可，不必照搬框架。版權保留，本站只做導讀與連結，不改寫其正文。
本站導讀：由各家框架作者親自授課的短課集合（LangChain、CrewAI、LlamaIndex、OpenAI、Google、Anthropic 等），每門一兩小時講一個具體主題。想快速了解某個框架的設計意圖，這是最短路徑。
每門課都是特定供應商的視角，帶有一定推銷性質；跨框架對比需要自己補。版權保留，本站只做導讀與連結，不改寫其正文。
本站導讀：少見地把 Agentic RAG（含知識圖譜與快取）與多 Agent 協同（sub-agent、編排、MCP、A2A）放在同一門課裡，適合已會單體 Agent、要進協同設計的人。
假設你已熟悉 Python 與基本的 Agent 概念，前期沒有鋪墊；A2A 協定仍在演進，實作可能與最新規格有落差。
本站導讀：經典 AI 基礎課（非生成式）：搜尋、符號推理、神經網路、NLP、電腦視覺。想理解「Agent 之前的 AI」與符號方法的人適合讀。
與生成式 AI / LLM 關係不大，若你的目標是盡快做出能用的 Agent，這門課的性價比偏低，建議選讀而非全讀。
本站導讀：繁中／簡中／英三語對照的 Agentic AI 學習地圖，240+ 資源按階段排列，每階段附必做練習與必讀材料。本站的三軌四階段劃分方式大量參考了它的分層思路。
它是索引而非教程，不含完整正文；資源品質參差，需自行判斷。
本站導讀：Datawhale 整理的中文 Agent 學習路線與資料庫，附主流開源 Agent 項目清單（SWE-agent、OpenHands、UI-TARS 等），適合用它快速定位「該看哪個開源項目」。
以連結聚合為主，深度內容需跳轉到各項目本身；更新頻率取決於社群維護。
本站導讀：把「教程、課程、書單」三類資源分開整理的學習索引，並標註各資源使用的框架（smolagents、LlamaIndex、LangGraph）。挑資源時比大型 awesome-list 更好用。
索引型資源，無正文；分類方式偏作者習慣，與本站的三軌四階段不完全對應。
本站導讀：把 Agent「工程化」這一面整理得最清楚：AgentBench、GAIA、MCPAgentBench 等評測基準、可觀測性、部署與失敗模式。S3–S4 必讀。
純索引，不含教程正文；論文與工具更新快，連結需自行確認可用性。
本站導讀：追蹤 300+ 免費 Agentic AI 資源，按 star 數與上升速度排序，更新到 2025–2026。想掌握「現在大家在用什麼」時最省力。
star 數不等於品質或可維護性；清單長，需自己設篩選標準，否則容易陷入「收集而不實作」。
本站導讀：以「Agent = LLM + 上下文 + 工具」一個公式貫穿全書，從基礎、上下文工程、工具、記憶一路到多 Agent 與工程實踐。28 個可運行項目是它最大的價值。
以特定框架與作者自家實踐為主，讀時注意區分「通用原理」與「作者選擇」；開源授權範圍需自行確認後再引用。