Hello Agents 是由 Datawhale 推出的開源 AI Agent 教學專案，核心定位是一套面向初學者與開發者的「Agent 入門學習路徑」。它並不是單一 AI 工具或框架，而是一份系統化整理的學習資源，目標是幫助使用者理解 AI Agent 的基本概念、工作方式與實作流程。
隨著 AI agent 成為近年生成式 AI 發展的重要方向，越來越多開發者開始接觸 LangChain、AutoGen、CrewAI、OpenAI Agents 等框架。然而，許多教學內容往往偏向碎片化，初學者容易停留在「會跑 demo」但不了解 agent 真正運作邏輯的階段。Hello Agents 的價值，就在於它試圖用較完整且循序漸進的方式，建立 AI Agent 的基礎認知。
從專案內容來看，Hello Agents 更像是一套「Agent 教材 + 實作指南」。內容不只是介紹理論，也包含實際案例與開發流程，讓使用者可以一步步理解 agent 如何思考、規劃任務與調用工具。
其核心內容可以整理如下：
- AI Agent 基礎概念：介紹 agent 與傳統 chatbot 的差異
- 工具調用（Tool Use）：理解 agent 如何使用外部工具與 API
- 任務規劃（Planning）：學習 agent 如何拆解與執行任務
- 多 Agent 協作：了解不同 agent 如何分工合作
- 實作案例：透過範例建立完整 workflow 概念
- 開源學習資源：適合自學與教學使用
這些內容的重點，在於幫助使用者理解 AI Agent 的「工作模式」，而不只是單純調 API。實際上，Agent 的核心價值通常來自：
- 是否能自主規劃
- 是否能調用工具
- 是否能持續執行任務
- 是否能在多步驟流程中維持上下文
Hello Agents 透過教學案例，把這些概念拆解得更容易理解，因此特別適合作為 AI Agent 的入門教材。
從使用情境來看，這個專案適合：
- 想學習 AI Agent 的初學者
- 已經會使用 LLM，但想進一步理解 agent workflow 的開發者
- 教學與社群分享用途
- 想建立 AI agent prototype 的團隊
與直接提供功能的 agent 框架相比，Hello Agents 的定位偏向「教育層」。它不強調提供完整產品，而是建立知識基礎。這種差異，使它更接近 AI 時代的開源教材。
此外，Datawhale 本身長期以 AI 與資料科學教育社群聞名，因此 Hello Agents 也延續了其一貫風格：重視社群協作、中文教學與實作導向。對中文使用者而言，這類系統化資源的價值尤其高，因為目前許多 agent 教學仍以英文內容為主。
整體而言，Hello Agents 的價值不在於功能複雜度，而在於降低 AI Agent 的學習門檻。它幫助開發者從「知道 AI 很強」進一步走向「理解 AI agent 如何運作」，對於剛進入 agent 開發領域的使用者來說，是一個相當適合的起點。
