用 Go 从零渐进构建一个 AutoGPT-classic 风格的 autonomous agent，每节末尾对照上游 Python 源码。 Build an AutoGPT-classic-style autonomous agent from scratch in Go, session by session — each chapter ends with the upstream Python source.
English version below / 英文版见下方
Significant-Gravitas/AutoGPT 是 2023 年最具里程碑意义的 autonomous agent 仓库——它把 GPT-4 包进一个 think → act → observe 循环，让模型自己规划、调工具、读写文件、循环至完成。代码量 ≈ 21M LOC，跨 Python 后端 + TypeScript 前端 + 多个子项目，一次性读完不现实。
learn-AutoGPT 把上游 classic/ 子目录（原始 Python agent，MIT 许可）拆成 10 节渐进的 Go 教学实现：每节加一个机制，每节都是独立可运行的 package main，每节末尾把 Go mini 版与 AutoGPT 上游源码对照阅读。
不动 autogpt_platform/（那部分用 Polyform Shield 许可，不在我们的 derivative 范围内）。
# Go ≥ 1.22 + 任一 LLM API key
git clone https://github.com/Ding-Ye/learn-AutoGPT.git
cd learn-AutoGPT/agents/s01-minimal-loop
# 1) Anthropic 默认
export ANTHROPIC_API_KEY=sk-ant-...
go run . -v "say hi via the echo tool"
# 2) OpenAI / DeepSeek / Qwen / Moonshot / Groq / OpenRouter / 本地 vLLM
export DEEPSEEK_API_KEY=sk-...
go run . -provider deepseek -v "say hi via the echo tool"
# 3) 跑测试 / run tests
go test -v ./...cd web
npm install
npm run dev # http://localhost:3000中文 / 英文双语并排，章节侧边栏，每节末尾自动嵌入上游 Python 源码片段。
仿照 shareAI-lab/learn-claude-code 的六段式：
- Problem — 这一节要解决的痛点
- Solution — 心智模型（先于代码）
- How It Works — ASCII 图 + 30-60 行核心代码 + 非显然之处
- What Changed — 与上一节的 diff
- Try It — 可复制的命令 + 期望输出形态
- Upstream Source Reading — 真实上游片段对照
每节都是独立的 Go module，没有跨节 import——你可以把 s01 当作 250 行的「最小可运行 agent」单独读，再 diff 到 s02 看「加了什么」。
- 上游：Significant-Gravitas/AutoGPT（classic/ 子目录，MIT）
- 教学法：shareAI-lab/learn-claude-code
- 生成器：本仓库由 learn-repo-generator skill 渐进式生成
MIT — see LICENSE.
本学习仓库为 Go 重写实现，未拷贝上游代码；upstream-readings/ 中的短片段为 MIT 许可下的教学引用。
Significant-Gravitas/AutoGPT is the 2023 milestone autonomous-agent repo — wrapping GPT-4 in a think → act → observe loop where the model itself plans, calls tools, reads/writes files, and iterates to completion. At ≈21M LOC across a Python backend, a TypeScript frontend, and several sub-projects, reading the whole thing in one sitting is not realistic.
learn-AutoGPT decomposes the upstream classic/ subtree (the original Python agent, MIT-licensed) into 10 progressively-built Go teaching sessions. Each session adds one mechanism, each is a self-contained runnable package main, and each ends with a Go-vs-upstream side-by-side reading of the AutoGPT source.
We deliberately leave autogpt_platform/ alone (Polyform Shield license, outside our derivative scope).
See the Curriculum table above, Quickstart, and Pedagogy.
The English documentation lives at docs/en/; Chinese at docs/zh/.