Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
A trilingual (繁中 / English / 简中) learning roadmap for agentic AI: from LLM basics to multi-agent systems, with 240+ curated resources and hands-on examples. 中文 AI agent 學習地圖。
| Date | Stars |
|---|---|
| 2026-07-24 | 4822 |
| 2026-07-25 | 4837 |
| 2026-07-28 | 4837 |
| 2026-07-30 | 4837 |
| 2026-07-31 | 4968 |
| 2026-08-07 | 5092 |
| 2026-08-15 | 5226 |
| 2026-08-18 | 5365 |
| 2026-08-19 | 5775 |
| 2026-08-20 | 6064 |
| 2026-08-21 | 6181 |
| 2026-08-22 | 6213 |
| 2026-08-23 | 6253 |
| 2026-08-24 | 6304 |
| 2026-08-25 | 6384 |
| 2026-08-26 | 6409 |
| 2026-08-27 | 6430 |
| 2026-08-28 | 6466 |
| 2026-08-29 | 6483 |
| 2026-08-30 | 6512 |
| 2026-08-31 | 6552 |
| 2026-09-01 | 6582 |
| 2026-09-02 | 6599 |
| 2026-09-03 | 6631 |
| 2026-09-04 | 6649 |
| 2026-09-05 | 6665 |
| 2026-09-06 | 6682 |
| 2026-09-07 | 6699 |
| 2026-09-08 | 6718 |
| 2026-09-09 | 6733 |
| 2026-09-10 | 6752 |
| 2026-09-11 | 6769 |
| 2026-09-12 | 6809 |
| 2026-09-13 | 6920 |
| 2026-09-14 | 6990 |
| 2026-09-15 | 7010 |
| 2026-09-16 | 7032 |
| 2026-09-17 | 7059 |
| 2026-09-18 | 7076 |
| 2026-09-19 | 7093 |
| 2026-09-20 | 7105 |
Today
+12 stars today
This week
+185 stars this week
This month
+924 stars this month
Momentum
293.0
growth rate 2.67%/day
<div align="right"> <strong>繁體中文</strong> | <a href="./README.zh-Hans.md">简体中文</a> | <a href="./README.en.md">English</a> </div> <div align="center" markdown="1">  # awesome-agentic-ai-zh **🤖 一張從「AI Agent 是什麼」走到「能做出可靠系統」的學習地圖** **先選一條路，再一步一步走。重要概念、動手練習與精選資源都幫你排好順序。** [](LICENSE) [](README.md) [](README.zh-Hans.md) [](README.en.md)  [](https://wenyuchiou.github.io/awesome-agentic-ai-zh/) </div> > 📱 手機閱讀請使用[線上文件站](https://wenyuchiou.github.io/awesome-agentic-ai-zh/)。 ## 🎯 這份地圖幫你做什麼？ **AI Agent**（AI 代理人）是「能為了人的目標，自己判斷下一步並採取行動的 AI 系統」。人給它目標後，它會看目前情況、選擇下一步，必要時使用工具，再依結果繼續、修正、停止，或把控制權交還給人。它可以自動替人完成工作，但只能在人給的規則與權限內行動。只回答一次的聊天機器人，或每一步都固定寫好的腳本，不一定是 Agent。這個 repo 不要求你一開始就懂所有名詞，而是帶你依序完成三件事： 1. **先懂基礎**：LLM、Prompt、API 與 Token 是什麼。 2. **再做出東西**：讓模型呼叫工具、跑 Agent Loop、讀文件與記住事情。 3. **最後做得可靠**：加入權限、Eval、人工批准、觀測與失敗復原。 這裡的角色是**學習路線圖 + 精選資源 + 可直接執行的小練習**。需要完整章節時，我們會帶你去官方文件、[Datawhale Hello-Agents](https://github.com/datawhalechina/hello-agents) 或對應的 Cookbook，不重寫另一套百科全書。需要連模型時，每個練習會再說明雲端或本機路徑。 重要技術詞第一次出現時會先用白話說明，再保留正式英文。忘記某個詞時，直接查[名詞表](resources/glossary.md)。 ## 🚀 現在就開始 1. **完全沒寫過程式**：從 [Stage 0：基礎準備](stages/00-foundations.md)開始；API 或 CLI Agent 不熟時，搭配[零基礎設定指南](resources/setup-guide.md)。 2. **已經會 Python、Git 與 API**：從 [Stage 1：LLM 基礎](stages/01-llm-basics.md)開始。 3. **還不確定要走哪條路**：先看下面的 Track A／Track B 選擇表。 走 Track A 或 Track B 前，先確認 Stage 0–2；只走日常使用者路線的人可以直接打開角色指南。 | 你現在想做什麼？ | 建議路線 | 路線入口 | |---|---|---| | 用 Claude Code、Codex、OpenCode 等 CLI Agent 完成工作 | **Track A — CLI Power User** | [A1：選一個 CLI Agent](tracks/cli/A1-cli-intro.md) | | 自己寫 Agent、工具迴圈、Workflow 與服務 | **Track B — Agent Builder** | [Stage 3：第一個 Agent Loop](stages/03-tool-use-and-hello-agent.md) | | 只想在日常生活安全使用 AI，暫時不寫程式 | **日常使用者路線** | [日常使用者指南](branches/for-everyday-users.md) | <details markdown="1"> <summary>💻 展開：下載到本機</summary> ```powershell git clone https://github.com/WenyuChiou/awesome-agentic-ai-zh.git cd awesome-agentic-ai-zh ``` 下載後先開啟 `stages/00-foundations.md`，或依上表直接前往適合你的第一站。 </details> ## 從 Stage 0 到 Stage 8，另有 Stage 7.5 閱讀站  這張地圖共有 **8 個主題 Stage + Stage 0 準備關 + Stage 7.5 進階閱讀站**，也就是 **10 個學習站**。Track A／B 讀者先確認 **Stage 0–2 共用基礎**；已經會 Python、Git 與 API 的人可以跳過 Stage 0。日常使用者可以直接走角色指南。 ### 共用基礎：Stage 0–2 | Stage | 這一步解決什麼？ | 完成後你能做什麼？ | |---|---|---| | **0** · [基礎準備](stages/00-foundations.md) | 電腦與基本工具準備好了嗎？ | 用 Python 呼叫公開 API、讀 JSON，並用 Git 保存成果 | | **1** · [LLM 基礎](stages/01-llm-basics.md) | LLM、Token、Context 與模型差在哪裡？ | 呼叫一個 LLM，並依需求選雲端或本機模型 | | **2** · [Prompt 設計](stages/02-prompt-engineering.md) | 怎麼把目標、資料、規則與輸出說清楚？ | 用固定案例比較 Zero-Shot、One-Shot、Few-Shot 與 CoT 的邊界 | ### Track A：使用 CLI Agent 把工作做完 正式順序是 `A1 → A2 → Stage 5 → A3 → Stage 8`。 | 順序 | 這一步解決什麼？ | 完成後你能做什麼？ | |---|---|---| | **A1** · [選一個 CLI Agent](tracks/cli/A1-cli-intro.md) | OpenRouter、OpenCode、Pi、Ollama 分別是什麼？ | 選對工具並完成第一個小任務 | | **A2** · [建立可重複流程](tracks/cli/A2-cli-workflow.md) | 怎麼把規則與步驟留給下一次使用？ | 寫 Project Instructions、Skill 與可重用工作流程 | | **5** · [Claude Code 生態](stages/05-claude-code-ecosystem.md) | MCP、Skills、Plugins、Hooks 與 Subagents 怎麼分？ | 先讀核心 5.1–5.4；5.5–5.8 依工作需要選讀 | | **A3** · [接進真實工作](tracks/cli/A3-cli-production.md) | 怎麼安全連接外部工具、CI 與團隊流程？ | 用最小權限、人工檢查與紀錄完成整合 | | **8** · [Agent 操作介面](stages/08-agent-interfaces.md) | Agent 怎麼操作瀏覽器、畫面與 Sandbox？ | 判斷任務該用 CLI、Browser、Computer Use 還是 API | ### Track B：從零打造 Agent | 順序 | 這一步解決什麼？ | 完成後你能做什麼？ | |---|---|---| | **3** · [工具使用與第一個 Agent Loop](stages/03-tool-use-and-hello-a
Excerpt of 9,388 characters
Read on GitHub
Wenyu Chiou · LEHIGH UNIVERSITY
470
12
Scott Lin
3
1
KazooTTT
1
1
1
Marcus Chang · United States
1
Anton Petnitsky · Belarus
1
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:667cebaa9744067b, topic:ai-agent, topic:ai-agents, topic:multi-agent-systems