开发 AI Agent 应用时，直接使用 LangChain 或 LangGraph 等框架虽然

开发 AI Agent 应用时，直接使用 LangChain 或 LangGraph 等框架虽然方便，但复杂的抽象往往像个“黑盒”，让开发者难以理解底层的调用逻辑和决策机制。

ai-agents-from-scratch 是一个专注于教学的开源项目，主张从零开始构建 AI Agent。

它不依赖现有的成品框架，而是通过 Node.js 和本地大模型，带你一步步拆解 Agent 的核心原理。

项目不仅涵盖了基础的模型调用，还深入讲解了函数调用、长期记忆、ReAct 推理模式等关键技术，帮助开发者在掌握底层逻辑后再去更明智地选择和使用框架。

主要功能： - 基于 node-llama-cpp 实现本地大模型运行，无需依赖云端 API； - 循序渐进的学习路径，从基础交互到复杂的系统提示词与角色设定； - 深入解析函数调用原理，展示 LLM 如何决定调用工具并处理返回结果； - 实现持久化存储与记忆管理，让 Agent 具备跨会话的信息记忆能力； - 详解 ReAct 推理模式，演示“思考-行动-观察”的循环逻辑； - 提供进阶教程，手写实现类似 LangChain 的 Runnable 接口和状态机图结构。

该项目要求 Node.js 18 以上环境，建议配置 16GB 内存以流畅运行本地 GGUF 模型。

它非常适合希望深入理解 Agent 架构、提升 AI 应用底层开发能力的工程师参考学习。