В открытом репозитории AI Agents: Zero to Hero автор Tanmay Sah собрал курс по созданию ИИ-агентов с нуля на чистом Python. Проект предлагает запустить примеры без API-ключа, сторонних библиотек и фреймворков — для первых упражнений достаточно Python 3.11 или новее.
Материал появился в Hacker News как Show HN. Это сигнал о запуске проекта, а не свидетельство его популярности или независимая оценка качества. Содержание и заявленные возможности ниже описаны по самому репозиторию.
Агент — не просто модель с промптом
Центральная мысль проекта: вызов языковой модели сам по себе ещё не образует полноценную агентную систему. В схеме автора она состоит из модели или политики принятия решений, управляющего цикла, состояния и памяти, а также инструментов для действий во внешней среде.
Такое разделение помогает точнее обсуждать, где хранится состояние между шагами, кто запускает инструмент и кто решает, что пора остановиться. Это полезнее, чем использовать слово «агент» как общее название для любой функции на базе LLM.
От понятия к исполняемому циклу
Репозиторий устроен как последовательный курс: сначала предлагается сравнить чат-бота, детерминированный workflow и агента, затем запустить цикл «наблюдение — решение — действие», а после — собрать многошагового агента. Примеры запускаются из командной строки, поэтому можно изучать управляющую логику непосредственно в коде.
Автор обещает разбирать не только устройство агента, но и отладку, оценку и рассуждения о системах, готовящихся к практическому применению. Однако из описания репозитория нельзя заключить, что курс уже охватывает все производственные сценарии или предлагает проверенные решения для них.
Кому пригодится и чего ожидать
Формат подойдёт тем, кто знает основы LLM и API, но хочет понять, что происходит между решением модели вызвать инструмент и выполнением этого действия. Упор на Python без обвязки делает базовые механизмы нагляднее: меньше времени уходит на освоение конкретного агентного фреймворка.
Есть и важная граница. Отсутствие API-ключа и зависимостей относится к приведённым учебным примерам; из этого не следует, что любой агент можно полноценно собрать без модели, внешних сервисов или дополнительных компонентов. Проект — образовательная отправная точка, а не готовая платформа для развёртывания агентов.
Автор приглашает задавать вопросы через файл QUESTIONS.md и GitHub Issues и пишет, что ответы сообщества будут влиять на следующие модули. Это заявленный способ развивать курс, но дальнейшее содержание пока зависит от обновлений репозитория.
Зачем открыть репозиторий
Для разработчика практическая ценность проекта — в возможности проследить агентный цикл от простого примера до многошаговой логики и самостоятельно исследовать код. Это способ разобраться в базовых компонентах до выбора конкретного фреймворка, не принимая учебный пример за готовую архитектуру для реального продукта.
Источники:
— Репозиторий AI Agents: Zero to Hero
— Обсуждение на Hacker News
