Curso gratuito e de código aberto, em chinês, sobre IA e habilidades práticas com Claude Code, Codex, OpenClaw, Hermes, engenharia de prompts e ferramentas de IA para imagem, voz e música.
aa1143/NamiAgent
Tutorial em chinês que ensina a criar um agente de IA mínimo do zero em 11 lições, com um agente local executável e uma interface no navegador.
- Estrelas
- 411
- Forks
- 42
- Issues abertas
- 0
- Último commit
- há 8 dias
O que é?
NamiAgent é um tutorial voltado a iniciantes sobre como criar agentes de IA do zero, acompanhado de um pequeno agente local que você pode executar. A ideia central é um loop `while`: chamar o modelo, executar ferramentas, registrar os resultados no contexto e chamar o modelo novamente. As lições começam com um loop mínimo de cerca de 100 linhas e adicionam uma capacidade por vez, incluindo ferramentas, permissões, gerenciamento de contexto, Skills, MCP, subagentes, planejamento e memória de longo prazo. Uma parte final explica como Claude Code, Codex e outros agentes populares são estruturados.
Cada diretório de lição contém uma versão completa e executável do código naquela etapa, e as lições posteriores incluem testes que usam um modelo simulado, sem exigir uma API key. O projeto depende apenas do pacote Python `openai` e funciona com qualquer endpoint compatível com a OpenAI, usando DeepSeek por padrão. Ao executar `python web/app.py`, você abre uma interface local no navegador que mostra cada chamada ao modelo, o texto de raciocínio, as invocações de ferramentas e todo o contexto enviado ao modelo, com solicitações de confirmação antes de gravar arquivos ou executar comandos.
O projeto é explicitamente um código didático, não um framework de produção, e suas próprias notas de segurança alertam que o modelo de permissões não protege contra ataques deliberados.
Recursos principais
- 01Ensina a criar um agente passo a passo em 11 lições, cada uma com uma versão executável do código
- 02Oferece ferramentas, confirmação de permissões, compactação de contexto e persistência de sessões
- 03Inclui suporte a cliente MCP via stdio e subagentes com contexto independente
- 04A interface no navegador mostra cada chamada ao modelo, chamada de ferramenta e o contexto completo de cada turno
- 05Usa qualquer API compatível com a OpenAI, com DeepSeek como padrão, e tem apenas o pacote `openai` como dependência
- 06A partir da lição 3, inclui testes que podem ser executados sem uma API key
Casos de uso
- Aprender desde o início como funcionam os loops de agentes, as ferramentas e o gerenciamento de contexto
- Acompanhar o código junto com as lições e comparar etapas consecutivas
- Executar um pequeno agente local em um workspace dedicado, com solicitações de confirmação
- Estudar a estrutura de agentes comerciais de programação por meio das análises incluídas
Início rápido
- 1
Clone o repositório
git clone https://github.com/aa1143/NamiAgent.git - 2
Acesse o projeto e instale as dependências
cd NamiAgent && pip install -r requirements.txt - 3
Configure a chave de API do modelo e crie o workspace
export API_KEY=你的模型密钥 && export NAMI_WORKSPACE=~/agent-workspace && mkdir -p $NAMI_WORKSPACE - 4
Execute o agente da lição 5
cd lessons/lesson-05 && python agent.py
Antes de usar
- É necessária uma chave de API do modelo; o padrão é DeepSeek.
- O agente pode executar comandos e ler ou gravar arquivos, por isso deve ser executado em um workspace dedicado.
- Este é um projeto educacional, não um framework de agentes pronto para produção.
- A documentação em docs/ está licenciada sob CC BY-NC 4.0, que não permite uso comercial.
Em coleções
Tópicos
Perguntas frequentes
- O que é NamiAgent?
- Tutorial em chinês que ensina a criar um agente de IA mínimo do zero em 11 lições, com um agente local executável e uma interface no navegador. NamiAgent é um tutorial voltado a iniciantes sobre como criar agentes de IA do zero, acompanhado de um pequeno agente local que você pode executar. A ideia central é um loop `while`: chamar o modelo, executar ferramentas, registrar os resultados no contexto e chamar o modelo novamente. As lições começam com um loop mínimo de cerca de 100 linhas e adicionam uma capacidade por vez, incluindo ferramentas, permissões, gerenciamento de contexto, Skills, MCP, subagentes, planejamento e memória de longo prazo. Uma parte final explica como Claude Code, Codex e outros agentes populares são estruturados.
- NamiAgent é gratuito? Qual é a licença?
- NamiAgent é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- NamiAgent ainda é mantido?
- Manutenção ativa. O último commit de NamiAgent foi em 30 de out. de 2026.
- Para que posso usar NamiAgent?
- Aprender desde o início como funcionam os loops de agentes, as ferramentas e o gerenciamento de contexto Acompanhar o código junto com as lições e comparar etapas consecutivas Executar um pequeno agente local em um workspace dedicado, com solicitações de confirmação Estudar a estrutura de agentes comerciais de programação por meio das análises incluídas
- Como instalar NamiAgent?
- Clone o repositório: git clone https://github.com/aa1143/NamiAgent.git Acesse o projeto e instale as dependências: cd NamiAgent && pip install -r requirements.txt Configure a chave de API do modelo e crie o workspace: export API_KEY=你的模型密钥 && export NAMI_WORKSPACE=~/agent-workspace && mkdir -p $NAMI_WORKSPACE Execute o agente da lição 5: cd lessons/lesson-05 && python agent.py
- Onde consigo NamiAgent?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/aa1143/NamiAgent
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Tutorial de Python com 17 lições que cria do zero um harness de agente semelhante ao Claude Code, começando com um único loop e bash.
Coleção de tutoriais em chinês sobre Claude Code, OpenClaw, Codex e WorkBuddy para programação com IA, agentes pessoais e tarefas de escritório, com materiais práticos.
Uma série de tutoriais em chinês para instalar, configurar e criar seu próprio assistente de IA com OpenClaw, do primeiro uso ao desenvolvimento de Skills personalizadas.
Tradução para o chinês e guia de estudos do curso Agent Skills with Anthropic, da DeepLearning.AI, com anotações das aulas e explicações do código.
Livro didático em chinês que ensina a criar, passo a passo, um agente de programação no estilo Pi em TypeScript, com 15 checkpoints executáveis do Git.