Englisches Original: https://argusic.com/subject/awesome-agentic-ai-zh
awesome-agentic-ai-zh
Eine dreisprachige (繁中 / Englisch / 简中) Lern-Roadmap für agentenbasierte KI: von den LLM-Grundlagen bis zu Multi-Agenten-Systemen, mit über 240 kuratierten Ressourcen und praktischen Beispielen. 中文 AI agent 學習地圖.
Läuft mit MocksQuelle: GitHubHomepagePythonMITCommit dce3048e1f9f
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agentic ai, agentic workflows, ai agent, ai agents, awesome list, chinese llm, claude code und claude skills.
awesome-agentic-ai-zh läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 14 Minuten installiert und ist auf 8 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The mkdocs site builds to _build/site/, the mdBook builds to book/dist/, and all 25 example test suites (stages 1-7) pass with mock/offline mocks, no real API keys required.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- missing langchain-core, langchain-openai, crewai, smolagents, pydantic-ai for stage-4 tests3 Minuten
- missing numpy, chromadb for stage-6 tests2 Minuten
- python3 pip not installed initially1 Minute
- pytest not installed (6 test scripts failing)1 Minute
- missing openai, anthropic packages for stage-1/2/3 tests1 Minute
- missing fastapi, uvicorn, httpx for stage-7/05-deploy test1 Minute
- Installationszeit
- 14 Minuten
- Von der kalten Maschine bis zum Ende
- 21 Minuten
- Aufgetretene und behobene Fehler
- 8 aufgetreten, 8 ohne menschliche Hilfe behoben
- Verbrauchte Modell-Tokens
- 188.159
- Genau getesteter Commit
- dce3048e1f9f
- Container-Image
- sha256:4c3d41857be3
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Wie das Ergebnis belegt wurde
- Läufe vor dem 2026-09-07 haben den Befehl zur Prüfung des Ergebnisses nicht aufgezeichnet
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
The warnings are all pre-existing content linking patterns in the docs — these are known existing i… Let me verify the final state: exec /bin/sh -lc 'cd /work/repo && echo "=== Site files ===" && ls -la _build/site/index.html 2>/dev/nul… succeeded in 35497ms: 25/25 example test suites passed All 25 example test suites pass, both builds (mkdocs and mdbook) succeed, and all content verificat… Here's the report: tokens used 188,159 All 25 example test suites pass, both builds (mkdocs and mdbook) succeed, and all content verificat… Here's the report:
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat sich von allen 8 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Die Installation dauerte 14 Minuten, langsamer als der Median der 37 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 38 Projekten im Bereich agentic-ai, die Argusic installiert und zeitlich gemessen hat, belegte awesome-agentic-ai-zh Platz 27 bei der Zeit bis zum lauffähigen Zustand, und 27 von 38 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,09 |
Themen (von GitHub)
agentic-aiagentic-workflowsai-agentai-agentsawesome-listchinese-llmclaude-codeclaude-skillsclilearning-roadmapllmllm-agentsmcpmodel-context-protocolmulti-agent-systemsprompt-engineeringragtrilingualtutorial
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/awesome-agentic-ai-zh)Fragen
- Läuft awesome-agentic-ai-zh?
- awesome-agentic-ai-zh läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 14 Minuten installiert und gestartet, ist dabei auf 8 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic awesome-agentic-ai-zh getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit dce3048e1f9f. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von awesome-agentic-ai-zh gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,09 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von awesome-agentic-ai-zh?
- 14 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht awesome-agentic-ai-zh eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von awesome-agentic-ai-zh schief?
- Im aufgezeichneten Lauf gingen 8 Dinge kaputt, und 8 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet awesome-agentic-ai-zh im Vergleich zu Alternativen ab?
- Von den 38 Projekten im Bereich agentic-ai, die Argusic installiert und zeitlich gemessen hat, belegte awesome-agentic-ai-zh Platz 27 bei der Zeit bis zum lauffähigen Zustand, und 27 von 38 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für awesome-agentic-ai-zh?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.