Бесплатный курс по ИИ на китайском языке с открытым исходным кодом и набор практических навыков: Claude Code, Codex, OpenClaw, Hermes, промпт-инжиниринг, а также инструменты для работы с изображениями, голосом и музыкой.
aa1143/NamiAgent
Учебник на китайском языке, в 11 уроках с нуля создающий минимального AI-агента с локальным запуском и браузерным интерфейсом.
- Звёзды
- 411
- Форки
- 42
- Открытые issues
- 0
- Последний коммит
- 8 дней назад
Что это?
NamiAgent — учебник для начинающих по созданию AI-агентов с нуля, дополненный небольшим локальным агентом, который можно запустить самостоятельно. В основе — цикл while: вызвать модель, выполнить инструменты, записать результаты в контекст и снова вызвать модель. Уроки начинаются с минимального цикла примерно на 100 строк, а затем по одному добавляют возможности: инструменты, разрешения, управление контекстом, Skills, MCP, субагенты, планирование и долгосрочную память. В заключительной части разбирается устройство Claude Code, Codex и других распространённых агентов.
Каждая папка урока содержит полностью запускаемый вариант кода на соответствующем этапе, а в поздних уроках есть тесты, которые работают с имитацией модели и не требуют API-ключа. Проект зависит только от Python-пакета openai и поддерживает любые совместимые с OpenAI конечные точки; по умолчанию используется DeepSeek. Команда `python web/app.py` запускает локальный браузерный интерфейс, где отображаются каждый вызов модели, текст рассуждений, вызовы инструментов и полный контекст, передаваемый модели. Перед записью файлов и выполнением команд интерфейс запрашивает подтверждение.
Проект позиционируется именно как учебный код, а не как production-фреймворк. В примечаниях о безопасности авторы предупреждают, что модель разрешений не защищает от целенаправленных атак.
Ключевые возможности
- 01Пошаговое создание агента в 11 уроках, каждый из которых содержит запускаемый вариант кода
- 02Поддержка инструментов, подтверждения разрешений, сжатия контекста и сохранения сессий
- 03Поддержка MCP-клиента через stdio и субагентов с независимым контекстом
- 04Браузерный интерфейс показывает каждый вызов модели и инструмента, а также полный контекст каждого хода
- 05Поддержка любых совместимых с OpenAI API; по умолчанию используется DeepSeek, а единственная зависимость — пакет openai
- 06Начиная с урока 3, в проект входят тесты, которые запускаются без API-ключа
Сценарии использования
- Изучение принципов работы циклов агента, инструментов и управления контекстом с нуля
- Изучение кода вместе с уроками и сравнение последовательных этапов разработки
- Запуск небольшого локального агента в отдельном рабочем пространстве с запросами на подтверждение
- Изучение устройства коммерческих агентов для программирования по включённым разборам
Быстрый старт
- 1
Клонируйте репозиторий
git clone https://github.com/aa1143/NamiAgent.git - 2
Перейдите в проект и установите зависимости
cd NamiAgent && pip install -r requirements.txt - 3
Настройте API-ключ модели и создайте рабочую область
export API_KEY=你的模型密钥 && export NAMI_WORKSPACE=~/agent-workspace && mkdir -p $NAMI_WORKSPACE - 4
Запустите агента урока 5
cd lessons/lesson-05 && python agent.py
Что важно знать
- Требуется API-ключ модели; по умолчанию используется DeepSeek.
- Агент может выполнять команды, а также читать и записывать файлы, поэтому его следует запускать в отдельной рабочей области.
- Это учебный проект, а не готовый к промышленному использованию фреймворк для агентов.
- Документация в каталоге docs/ распространяется по лицензии CC BY-NC 4.0, запрещающей коммерческое использование.
В подборках
Темы
Частые вопросы
- Что такое NamiAgent?
- Учебник на китайском языке, в 11 уроках с нуля создающий минимального AI-агента с локальным запуском и браузерным интерфейсом. NamiAgent — учебник для начинающих по созданию AI-агентов с нуля, дополненный небольшим локальным агентом, который можно запустить самостоятельно. В основе — цикл while: вызвать модель, выполнить инструменты, записать результаты в контекст и снова вызвать модель. Уроки начинаются с минимального цикла примерно на 100 строк, а затем по одному добавляют возможности: инструменты, разрешения, управление контекстом, Skills, MCP, субагенты, планирование и долгосрочную память. В заключительной части разбирается устройство Claude Code, Codex и других распространённых агентов.
- NamiAgent можно использовать бесплатно? Какая у него лицензия?
- NamiAgent распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- NamiAgent всё ещё поддерживается?
- Активно поддерживается. Последний коммит в NamiAgent — 30 окт. 2026 г..
- Для чего можно использовать NamiAgent?
- Изучение принципов работы циклов агента, инструментов и управления контекстом с нуля Изучение кода вместе с уроками и сравнение последовательных этапов разработки Запуск небольшого локального агента в отдельном рабочем пространстве с запросами на подтверждение Изучение устройства коммерческих агентов для программирования по включённым разборам
- Как установить NamiAgent?
- Клонируйте репозиторий: git clone https://github.com/aa1143/NamiAgent.git Перейдите в проект и установите зависимости: cd NamiAgent && pip install -r requirements.txt Настройте API-ключ модели и создайте рабочую область: export API_KEY=你的模型密钥 && export NAMI_WORKSPACE=~/agent-workspace && mkdir -p $NAMI_WORKSPACE Запустите агента урока 5: cd lessons/lesson-05 && python agent.py
- Где скачать NamiAgent?
- Исходный код и инструкции по установке — на GitHub: https://github.com/aa1143/NamiAgent
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Курс из 17 уроков по Python: с нуля создайте каркас агента наподобие Claude Code, начав с одного цикла и bash.
Подборка обучающих материалов на китайском языке по Claude Code, OpenClaw, Codex и WorkBuddy для разработки с ИИ, персональных агентов и офисных задач, с практическими упражнениями.
Курс на китайском языке о настройке и создании собственного AI-ассистента OpenClaw — от начальной установки до разработки пользовательских Skills.
Китайский перевод и учебное пособие по курсу DeepLearning.AI Agent Skills with Anthropic с конспектами занятий и разбором кода.
Учебник на китайском языке, который шаг за шагом учит создавать coding-агента в стиле Pi на TypeScript по 15 запускаемым Git-чекпоинтам.