正版
动手打造AI AGENT:零基础开发智能体指南
- 书名
- 动手打造AI AGENT:零基础开发智能体指南
- 作者
- 刘冰 著
- 出版社
- 北京大学出版社
- 出版时间
- 2026-05-01
- ISBN
- 9787301371077
- 货号
- 1204368556
- 品相
- 全新
- 分类
- 涉及近代·工业
- 书名
- 动手打造AI AGENT:零基础开发智能体指南
- 作者
- 刘冰 著
- 出版社
- 北京大学出版社
- 出版时间
- 2026-05-01
- ISBN
- 9787301371077
- 货号
- 1204368556
- 品相
- 全新
- 分类
- 涉及近代·工业
编辑推荐▼
从零搞定生产级智能Agent开发,告别“调API”幻觉,拒绝烂尾!把Agent当软件造:从拆解、规划到多Agent协同,真实项目全流程拆解,带你做出能落地、会进化的智能体。
作者简介▼
刘冰
重庆邮电大学信息与计算机科学专业,长期致力于将人工智能、机器视觉与工业软件深度融合于真实产线,具备从底层算法研发到系统架构设计的完整工程能力。
曾主导多项第三代半导体及先进制造领域大型智能制造项目,相关产品已在多条量产产线稳定运行。
在工业智能检测、视觉算法、控制系统协同及工业数据分析等方向拥有丰富工程实践经验,目前聚焦于高精度智能装备、工业专家系统与工业级AI软件架构的研发与落地。
目录▼
第1章 Agent发展背景
1.1 从AI萌芽到语言智能
1.2 大语言模型的崛起
1.3 从检索到知识增强——RAG
1.4 Agent:让AI从“会说”到“会做”
1.5 为什么要学Agent
第2章 自然语言处理基础
2.1 词(LLM如何拆词、读词义)
2.1.1 分词
2.1.2 词义理解
2.1.3 分词的局限性与优化方向
2.2 句子(LLM如何获取语句的含义)
2.2.1 句法结构解析:从线性序列到层次化关系
2.2.2 语义编码:从局部组合到全局推理
2.2.3 预训练任务
2.2.4 复杂句型的处理挑战
2.3 语义(LLM如何理解语言的潜在含义)
2.3.1 语义的层次:从表层到深层
2.3.2 语义表示的核心技术
2.4 上下文记忆(LLM的记忆)
第3章 搭建开发环境
3.1 代码开发环境
3.1.1 开发语言与版本
3.1.2 集成开发工具推荐
3.1.3 包管理与虚拟环境配置
3.2 LLM运行环境
3.2.1 硬件环境要求
3.2.2 深度学习框架与依赖库安装
3.2.3 模型权重文件下载与部署
3.3 数据库运行环境
3.3.1 常用数据库类型
3.3.2 向量数据库安装、配置与交互
第4章 知识库
4.1 常见数据结构及选择策略
4.1.1 基础数据结构特性分析
4.1.2 高级数据结构应用
4.1.3 结构选择
4.2 数据清洗与处理
4.2.1 数据质量问题
4.2.2 清洗技术
4.2.3 清洗流水线设计
4.3 存储方案选型
4.3.1 存储类型对比
4.3.2 选型决策模型
4.3.3 混合存储实践
4.4 向量检索技术
4.4.1 核心算法解析
4.4.2 工程实现方案
4.4.3 性能优化策略
4.5 关键词检索技术
4.5.1 传统检索模型
4.5.2 现代改进方案
4.5.3 结果排序优化
4.6 混合检索技术
4.6.1 融合策略设计
4.6.2 权重分配机制
4.7 知识库设计案例解析
4.7.1 背景
4.7.2 知识库构建
第5章 任务拆解
5.1 什么是任务拆解
5.1.1 为什么需要任务拆解
5.1.2 任务拆解在Agent中的作用
5.1.3 任务拆解的实现逻辑
5.1.4 拆解粒度与并行性设计
5.2 任务拆解原则
5.2.1 意图驱动优先
5.2.2 原子性优先
5.2.3 依赖清晰优先
5.2.4 复用优先
5.2.5 执行效率优先
5.3 案例解析
5.3.1 背景与目标
5.3.2 需求梳理与初步拆解思路
5.3.3 拆解任务的实现细节
5.3.4 任务拆解方法总结
第6章 任务规划
6.1 系统依托的资源测算
6.1.1 Agent的资源依托有哪些
6.1.2 常见资源测算指标
6.2 任务规划的方法
6.2.1 什么是Agent任务规划
6.2.2 常见的任务规划方式
6.2.3 思维链推理
6.2.4 任务规划与任务拆解的区别
6.3 案例解析
6.3.1 背景与目标
6.3.2 业务流程概览
6.3.3 Agent设计与实现
第7章 执行任务
7.1 执行阶段的角色与目标
7.1.1 从“想”到“做”的跃迁机制
7.1.2 执行阶段在整体系统中的定位
7.1.3 LLM在执行任务过程中的“工具性”角色
7.2 工程化执行架构设计
7.2.1 调度机制:串行、并行和异步
7.2.2 状态管理与上下文追踪
7.2.3 模块解耦
7.2.4 插件式执行框架设计思路:引入LangChain
7.2.5 完整执行任务的示例解读
第8章 生成任务规划
8.1 指令式提示生成
8.1.1 指令模板整体结构
8.1.2 JSON输出校验
8.1.3 LangChain集成
8.2 示例提示生成
8.2.1 示例模板整体结构
8.2.2 LangChain集成
8.3 上下文记忆提示生成
8.3.1 适用场景
8.3.2 上下文模板结构
8.3.3 LangChain集成
8.4 链式提示生成
8.4.1 适用场景
8.4.2 LangChain集成
8.4.3 注意内容
第9章 多Agent协同处理复杂任务
9.1 多Agent系统协作范式设计
9.1.1 任务流水线
9.1.2 专家并行
9.1.3 指挥官与执行者
9.2 调度与流转逻辑设计
9.2.1 调度器设计
9.2.2 Agent注册机制
9.2.3 DAG解析
9.3 LangGraph集成
第10章 Agent的迭代优化
10.1 执行反馈的数据采集
10.2 LLM+规则混合的行为调优
10.2.1 常见的混合模式
10.2.2 常见的反思机制
10.3 调整效果评估
10.3.1 从工程角度理解Agent运行的机制
10.3.2 参数层面的效果评估
10.4 工程实践中的常见误区
第11章 工程设计步骤
11.1 常见功能模块汇总
11.2 逐步明确要做什么
11.2.1 区分清楚何时需要调用LLM
11.2.2 设计可用的Prompt注意事项
11.2.3 汇总Agent需要采集的数据
11.2.4 明确输入输出的数据结构和字段类型
11.2.5 设计DAG
11.2.6 设计Agent注册表及Agent下游工具注册表
11.2.7 向量数据库设计
11.3 开发Agent的步骤
文摘▼
本书以项目开发为切入点,从工程应用的角度系统梳理智能Agent的构建方法。内容覆盖环境准备、组件选型、插件策略、知识库策略、任务拆解与规划方法等,直至Agent具备“思维闭环”与“自我反思”能力。通过循序渐进的技术展开,全面展现Agent系统在复杂业务环境中的演化路径与工程化落地实践。
全书共分为11章。第1~4章介绍构建Agent系统的基础准备,包括开发环境、常用框架、关键技术与必要理论,为系统顺利运行奠定基础;第5~6章聚焦于Agent设计中不可或缺的理论知识,明确系统设计的方向与边界,避免在架构与实现阶段出现根本性障碍;第7~9章深入技术实现层面,重点涵盖执行任务、生成任务规划和多Agent协同处理复杂任务等内容,并决定Agent是否具备可落地的智能能力;第10~11章探讨通过闭环反馈实现自我调节与持续优化,并从工程视角串联前文“技术积木”,系统化梳理从零搭建Agent系统的全链路设计流程与关键步骤。从第7章起,书中提供了丰富的基于真实项目简化而来的工程代码与案例,便于读者快速实践与迁移应用。
本书内容体系贴近实际项目开发,兼顾基础与进阶,既适合作为智能Agent研究与开发的系统参考,也可作为工程师转向AI应用领域的实用指南,同时适用于企业研发团队培训及高校相关课程教学参考。





