中国語圏（繁体字・簡体字・英語)向けのAIエージェント学習ロードマップです。LLM基礎からmulti-agentシステム構築まで8段階に整理し、240件超の厳選プロジェクトと23個のハンズオン練習を提供します。単なるリンク集ではなく、実行可能なPythonコード例とテストコードまで含む点が特徴です。
中身はMarkdown教材とPythonサンプルの組み合わせです。stages/やtracks/配下に段階別の解説、examples/stage-N/配下にはREADME（3言語）・starter.py・test.py・requirements.txtが揃っています。Ollama用とAnthropic SDK用の二経路（starter.py / starter_anthropic.py）が用意され、比較しながら学べる構成です。品質維持にはCIが使われており、lint.ymlがリンク切れ・禁止語・スキーマを、anchor-validator.ymlが記事間のアンカーリンク切れを、freshness-2026.ymlが「Claude 3.5」など古いモデル表記を月次で検知します。公開はGitHub Actions経由でmkdocs-materialとmdBookをビルドし、GitHub Pagesに/ と/book/として同時デプロイする構成です。
- STEP 01
git cloneした後、stages/00-foundations.mdを開いて基礎から読み進める流れになります。
- STEP 02
README.mdの学習マップを見てTrackA（CLI活用)かTrackB（自作構築)かを選ぶ判断を最初に迫られます。
- STEP 03
examples/stage-3/03-react-from-scratch/のようなフォルダでstarter.pyを開き、requirements.txtにあるopenaiやanthropicパッケージをインストールする必要があります。
- STEP 04
starter_anthropic.pyとstarter.py（Ollama想定)の2経路を読み比べて、同じロジックをSDKごとにどう書くか確認する体験になります。
- STEP 05
test.pyを実行するとmockベースのテストが走り、自分の実装や理解が合っているかを確認できます。
- STEP 06
APIキーを持っていない場合はresources/setup-guide.mdの手順に沿って取得作業から始めることになります。
手に入るのは、体系立った学習の道筋と、各段階に対応する70〜150行程度の小規模な動作コード一式です。プロダクション品質のエージェントではなく、概念理解のための最小サンプルとテストが揃っている状態です。加えて240件超のプロジェクトカタログや用語集（glossary.md）など、周辺情報を探す手間を減らす資料群も得られます。
examples配下のコードはREADMEが「70〜150行のillustrative練習」と明記する通り、学習用の最小構成であり本格的なプロダクトコードではありません。
Anthropic・OpenAI・Google Gemini各社のAPIキーが必要な例が多く、無料で完結する構成ではありません。
このリポジトリ自体はツールやライブラリではなく学習教材とカリキュラムなので、「実行して機能を得る」ものではなく「読んで書き写しながら学ぶ」性質のものです。
CI構成（lint・anchor-validator・freshness）は充実していますが、これはコンテンツの整合性チェックであり、examples内コードの動作保証を意味するものではありません。
中国語（繁体字・簡体字)でAIエージェント開発を基礎から体系的に学びたい人に向いています。特にClaude Code周辺のMCP・Skills・Plugins生態系まで踏み込みたい学習者には有用な地図になります。README・ファイル構成・CIワークフローの記述が具体的で、段階数や練習数の数字（8段階・240件超・23個)も一貫しているため、内容の設計意図は十分に読み取れます。ただし実際のコード品質やAPI経由の挙動までは今回の資料だけでは検証できず、その点は導入前提として理解しておくべきです。