Hello-Agents : Tutoriel open-source de Datawhale pour construire des agents IA de zéro
datawhalechina/hello-agents est un tutoriel open-source de la communauté Datawhale dédié à la conception d'agents IA véritablement natifs, contrairement aux plateformes low-code orientées flux comme Dify ou n8n. Son objectif est de transformer les développeurs de simples utilisateurs de LLM en véritables constructeurs de systèmes agentiques. Le projet cumule 24 074 étoiles avec +147 par jour.
Les 16 chapitres couvrent la théorie des agents (paradigmes ReAct/Plan-and-Solve/Reflection), la pratique des frameworks (AutoGen, AgentScope, LangGraph), l'ingénierie de contexte, les systèmes de mémoire, les protocoles MCP/A2A/ANP, Agentic RL (SFT à GRPO), l'évaluation et des projets complets. Le framework HelloAgents inclus permet de construire son propre agent depuis zéro.
Parfait pour les développeurs Python souhaitant maîtriser les fondements des agents — gratuitement et en open source.
《从零开始构建智能体》：Datawhale 最重磅的 Agent 系列教程
项目背景
如果说 2024 年是"百模大战"的元年，那 2025 年无疑开启了"Agent 元年"。技术焦点正从训练更大的基础模型，转向构建更聪明的智能体应用。然而，市面上系统性、重实践的 Agent 教程却极度匮乏。为此，Datawhale 社区发起了 hello-agents 项目——一本从零开始、理论与实战并重的智能体系统构建指南。
目前 GitHub Stars 已达 24,074（日均增长 147 颗），在中文 AI 开源社区中持续保持高热。
核心内容与架构
hello-agents
Analyse approfondie et perspectives industrielles
Dans une perspective plus large, cette evolution illustre la tendance acceleree de la transition de la technologie IA des laboratoires vers les applications industrielles. Les analystes du secteur s accordent a dire que 2026 sera une annee charniere pour la commercialisation de l IA. Sur le plan technique, l efficacite d inference des grands modeles continue de s ameliorer tandis que les couts de deploiement diminuent, permettant a davantage de PME d acceder aux capacites avancees de l IA.
Cependant, la proliferation rapide de l IA apporte egalement de nouveaux defis: complexite croissante de la protection des donnees personnelles, demandes accrues de transparence des decisions de l IA et difficultes de coordination de la gouvernance transfrontaliere de l IA. Les autorites reglementaires de plusieurs pays surveillent de pres ces evolutions, tentant d equilibrer promotion de l innovation et prevention des risques.
Du point de vue de la chaine industrielle, la couche d infrastructure en amont connait une consolidation, les entreprises leaders elargissant leurs barrieres concurrentielles par l integration verticale. La couche de plateforme intermediaire voit son ecosysteme open-source prosperer, abaissant les barrieres d entree au developpement IA. La couche d application en aval montre une acceleration de la penetration de l IA dans les industries traditionnelles.
De plus, la competition pour les talents est devenue un goulot d etranglement critique. La guerre pour les meilleurs chercheurs en IA s intensifie a l echelle mondiale, les gouvernements introduisant des politiques attractives. Les modeles d innovation industrie-universite sont promus globalement pour accelerer l industrialisation de l IA.