Foundation: Introduction to LangGraph - Python
从状态图、节点和边入手，搭出第一个可控的 Agent 工作流。适合有一点 Python 基础、想把流程从 Prompt 往前推进的人。
来源：LangChain Academy
学习与实践
把 Agent 做成
能用的东西。
不把这里做成知识货架。课程按真正做项目时会遇到的顺序整理：先理解，再编排，再把一个小服务交到真实的人手里。
01
从能完成的小事开始
先选一门能动手的课程，做出一个工作流，再决定要不要继续往复杂的 Agent 系统走。
先从这里开始
先搭一个
可控的工作流。
对已经会调用模型、但还没有完整做过 Agent 的人，先理解状态、节点和工具之间怎样协作，比先堆功能更重要。
查看原课
课程索引
按眼前的问题，
挑一门就够。
先收录来源明确、可直接访问的官方课程和实践资料。不把外部课程搬进站内，也不写未经核实的课时、价格或学习人数。
- 官方课程Agent 入门查看原课
Hugging Face Agents Course
从 Agent 的基本概念、工具使用到应用场景建立整体认识。适合作为刚进入 Agent 方向时的系统化起点。
来源：Hugging Face
- 官方课程工作流与提示词查看原课
AI Agents in LangGraph
围绕规划、记忆、人工接管等问题理解 Agent 的运行方式。适合在有过工具调用经验后，继续进入流程编排。
来源：DeepLearning.AI
- 官方课程多 Agent 协作查看原课
AI Agentic Design Patterns with AutoGen
看多 Agent 协作怎样拆成角色、会话与交接。适合先判断你的任务是不是真的需要多 Agent，再开始搭建。
来源：DeepLearning.AI
- 实践阅读业务实践阅读原文
Building Effective AI Agents
不是视频课程。它从工作流与 Agent 的边界开始，适合在做项目之前判断哪些环节值得自动化，哪些仍应保留人工控制。
来源：Anthropic
- 学习入口持续更新进入学习入口
OpenAI Academy
官方学习资源入口。适合结合自己正在解决的问题，按模型能力、应用实践和社区活动继续查找合适的学习材料。
来源：OpenAI Academy
建议顺序
别急着做一个
很大的 Agent。
课程不会替你完成项目。下面这条顺序只是帮助你把学习结果落到一个能展示、能得到反馈的小实践里。
- 01先理解 Agent
分清聊天、工作流、工具调用和 Agent 分别解决什么问题。
- 02搭一个工作流
把输入、判断、工具和输出串成一条可重复运行的过程。
- 03接入真实工具
尝试给流程接一个搜索、表格、知识库或业务系统入口。
- 04做一个可展示的小项目
找一位真实使用者试一试，记录它到底帮上了什么忙。
收录说明
本页只整理课程名称、来源和公开跳转入口，课程内容、视频、课件与版权仍归原发布方所有。课程可访问性会变化，点击后以来源页面为准。发现合适的公开课程，可先到 OPC 社区 留下线索，后续由运营核验后补充。