zero2Agent：从零到生产的 Agent 工程教程
面向程序员的 Agent 工程系统性教程，覆盖核心机制、框架拆解、实战项目与大厂面试题深度解析。
本仓库本质是文档教程站，无可执行 Agent 运行时，攻击面小：仅两个 GitHub Actions（Pages 部署只读权限恰当；star-history 每日定时以 contents:write 运行本人 fork 的 action 且用可变 tag @v2 引用而非 SHA，存在供应链风险，故 least_privilege/dependency_security 扣分）。敏感数据处理在技能脚本测试中有正面证据（safe_summary 排除 token）；来源归属是亮点：THIRD_PARTY_NOTICES、钉 commit 基线、逐项致谢，给满分。rollback 无任何恢复机制或说明，计 0。user_confirmation 在纯文档场景无对应物，仅按既有证据计 1。
README 内部数字与模块状态自洽（131 篇、12 完成 + 1 进行中标注清晰），但自洽仅达普通水平：脚本未见统一入口和文档。依赖可用性弱：仅给 bundle install 指令，未见 Gemfile.lock 证据；skill 脚本依赖 LLM API 配置但用户侧文档未在样本中呈现。failure_messages 仅有测试断言可佐证脚本行为，缺面向用户的错误说明，计 1。
受众界定是全仓库最强项：明确的'适合谁/不适合谁'清单、场景（求职、转行、部署实战）覆盖充分，给 3。能力边界部分交代（进行中模块、社区资料不作为 API 规范），但整体教程对自身内容的时效风险未系统声明，计 2。trigger_precision 依据 skill 脚本测试中 out_of_scope/review 门控逻辑计 2；环境适配给出本地 Jekyll 与 Pages 两条路径，计 2。
信息架构优秀：13 个模块、目录树、导航、表格化概览一致清晰。示例与 FAQ（新手答 vs 高手答、频次排序）给 3。license 计 1：README 与 LICENSE 为 MIT，但绿皮书 PDF 却声明 CC BY-NC-SA 4.0，双重许可关系未在 LICENSE 层面澄清，且版权年份写 2026 存疑。versioning_changelog 计 1：仅有 PDF v1.2.0 字样，无 CHANGELOG。known_limits 以'进行中'标注部分覆盖，计 2。安装说明完整但缺依赖锁与故障排查，计 2。
作为教程产品，产出（在线站 + PDF + 配套仓库）结构可直接使用，计 2。边际价值高：131 篇文章、13 个框架横向对比、真实面经频次分析在同类中差异明显，计 3。成本收益计 2：对读者低成本，但内容准确性依赖后续人工核验，无自动化验证证据。
关键事实基线钉到具体 commit（pi-mono a470b121、deepseek-harness rc.8、ai-agent-book 具体 SHA），可追溯性良好计 2。跨源印证：多处引用独立仓库与官方文档计 2，但'630 道题''大厂真题'等量化宣称静态不可核验，抑制评分。事实与推断区分有局部证据（明确区分官方 API 规范 vs 社区资料），计 2 而非 3，因未见全文层面的系统性标注。
- star-history.yml 以可变 tag 引用本人 fork 的 action 且授予 contents:write，建议钉到 commit SHA 并收窄权限。
- MIT 与绿皮书 CC BY-NC-SA 4.0 双许可边界未澄清，转载/商用前应确认各部分适用条款。
- '630 道大厂真题'等量化宣称无法在静态审查中核验，使用前请自行抽查。
- 无回滚或版本化机制，教程内容时效性依赖作者维护；结合 pi 等钉定 commit 基线阅读。
这个 Agent 能做什么，适合哪些场景？
zero2Agent（GitHub：ranxi2001/zero2Agent）是一个面向程序员的 Agent 工程教程网站，基于 Jekyll 构建，通过 GitHub Pages 在线发布。内容定位是帮助会写代码但没做过 Agent 工程的开发者，以及备战 AI Agent 岗位面试的应届生和转行者。全站共 131 篇文章，分为 13 个模块：Agent 基础（Tool Calling、Memory、Context、Loop）、LangGraph、三大原厂 SDK、13 个主流框架调研、OpenClaw、Claude Code、DeepSeek Harness、Pi Coding Agent、Codex CLI、Agent 训练与应用实战、面试通关，以及一个手写 10 层 Harness 的 Final Project（OfferPilot）。配套发布《Agent 面试 500 问》绿皮书 PDF（v1.2.0），收录 630 道来自蚂蚁、阿里、字节、腾讯等大厂的高频面试题。代码仓库采用 MIT 许可，教程 PDF 采用 CC BY-NC-SA 4.0。它不是可运行的 Agent 产品，而是一套学习与面试备战资源。
zero2Agent 以静态教程网站形式交付。仓库内的 Markdown 文章按模块组织于 learn-agent-basic、learn-langgraph、learn-sdk-frameworks、learn-agent-survey、learn-openclaw、learn-claude-code、learn-deepseek-harness、learn-agent-training、learn-agent-practice、learn-pi、learn-codex、learn-agent-interview、final-project 等目录，经 Jekyll（_layouts、_data/nav.yml、assets 下的 docs.css 与 app.js）构建为带三栏布局、侧边栏、TOC 和 Mermaid 图表的站点。内容层面：Agent Basic 讲模型 API、Tool Calling、Memory 与上下文压缩；LangGraph 模块演示 StateGraph、add_conditional_edges、Fan-out/Fan-in 与 Prompt Chaining；SDK 模块对比 OpenAI Agents SDK、Google genai SDK 与 Claude Anthropic SDK；框架调研覆盖 AgentScope、Mastra、Semantic Kernel、Eino、DeerFlow、LangChain、Google ADK、AutoGen、Vercel AI SDK 等 13 个框架；Claude Code 模块用 12 节课从 30 行循环手写 Coding Agent（Loop、Tool Dispatch、Subagent、Agent Teams、Worktree Isolation）；Final Project 拆解 OfferPilot（配套仓库 ranxi2001/OfferPilot）的手写 Harness 10 层架构，含 Query Engine、FTS5/embedding 双通道知识库、Sub-agent 并发池与 Whisper/FunASR 语音诊断。examples/agent-api-lab 提供无密钥 API 协议、上下文消融与故障注入实验。面试模块按 17 个维度（架构选型、工具管理、记忆与上下文、多智能体协作、Agent Infra 等）对比新手答与高手答。
- 会 Python 但没做过 LLM 应用的开发者，想系统学习 Agent 核心机制（Tool Calling、Memory、Context、Loop）而非只跑 Demo
- 准备蚂蚁、阿里、字节、腾讯、携程等大厂 AI Agent 岗位面试的求职者，用面试通关模块和《Agent 面试 500 问》绿皮书按 17 个维度速查速记
- 用过 Claude Code / Cursor 但想理解其内部实现的工程师，跟随 12 节课手写 Coding Agent，覆盖 Subagent、Agent Teams 与 Worktree 隔离
- 需要在 LangGraph、OpenAI Agents SDK、Google genai SDK、Claude Anthropic SDK 之间选型的团队，参考三大 SDK 横向对比与 13 个框架调研
- 想把 Agent 真正部署上线的开发者，参考 Final Project 中 OfferPilot 从 PRD、10 层架构到三种部署方案的完整实战路径
- 想了解 Agent 训练方向（SFT、RL、GRPO/PPO、数据配比、评估回流）的工程师，使用训练实战模块入门
这个 Agent 有哪些优点和局限？
- 内容体系完整：131 篇文章、13 个模块，从基础概念、框架源码拆解到生产部署与面试准备形成闭环，且明确标注各模块完成状态
- 面试资料具有稀缺性：630 道题覆盖 17 个考察维度，来自蚂蚁、阿里、字节、腾讯、携程、百度等大厂真实面经，并保留新手答 vs 高手答的层次对比
- 不止于概念：Claude Code 模块 12 节课手写 Coding Agent，Final Project 手写 10 层 Harness 且不依赖 LangChain/LangGraph，并附可复现步骤、失败实验和验收证据
- 事实基线透明：Pi 模块锚定官方 commit a470b121，DeepSeek Harness 模块固定 dsh-v0.1.0-rc.8 API，并维护 THIRD_PARTY_NOTICES.md 声明引用来源
- Agent 应用实战模块（5 篇）仍在进行中，该方向内容不完整
- 仓库核心交付物是教程而非可运行的 Agent 产品，无法直接部署为服务，能力需要读者自行实现
- 引用了大量第三方项目（Claude Code 课程、pi-mono、DeepSeek Harness 等），第三方资料基于较早版本时可能与当前 API 存在偏差，需自行核对 THIRD_PARTY_NOTICES.md
- 绿皮书 PDF 采用 CC BY-NC-SA 4.0，禁止商用，转载需注明出处；本地构建依赖 Ruby/Jekyll 环境，未给出明确版本要求
如何安装或部署这个 Agent？
本地运行需要 Ruby 环境和 Jekyll：
bash
git clone https://github.com/ranxi2001/zero2Agent
cd zero2Agent# 安装 Jekyll（需要 Ruby）
gem install bundler jekyll
bundle install# 本地预览
bundle exec jekyll serve# 访问 http://localhost:4000/zero2Agent
无需 API 密钥即可阅读教程；examples/agent-api-lab 专门提供无密钥的 API 协议、上下文消融和故障注入实验。线上阅读可直接访问 https://onefly.top/zero2Agent，无需安装。
缺失信息：未提供锁定的 Gemfile 版本清单或最低 Ruby 版本要求。
如何使用这个 Agent？
两种主要使用方式：
- 在线阅读：访问 https://onefly.top/zero2Agent，按学习路径依次阅读 Agent Basic → LangGraph → SDK 框架 → 框架调研 → OpenClaw / Claude Code / DeepSeek Harness / Pi / Codex CLI → 训练与应用实战 → 面试通关 → Final Project；面试前下载 publish-pdf/output/zero2Agent-绿皮书-Agent面试500问.pdf 速查（630 题、17 大维度，同主题按真实面经频次排序）。
- 本地构建：clone 仓库后运行 bundle exec jekyll serve，在 http://localhost:4000/zero2Agent 本地浏览；代码示例可对照参考仓库（如 learn-claude-code、Learn-OpenClaw、pi-mono、OfferPilot）动手实践。
这个 Agent 与同类方案有什么区别？
面试通关模块中的框架调研直接对比了 13 个主流 Agent 框架，包括 LangChain（LCEL、RAG 及何时不该用它）、LangGraph（StateGraph 图结构）、AutoGen 与 AgentScope（多 Agent 对话与分布式协作）、Mastra（TypeScript 原生）、Semantic Kernel（微软 Plugin 体系）、Eino（字节跳动，Go 高并发）、DeerFlow（Deep Research）、Google ADK、Vercel AI SDK 等；Claude Code、Pi、Codex CLI 三个模块也对主流 Coding Agent 的架构做了横向对比。读者可将其当作选型前的中文调研综述使用。