推荐一本硬核的书，它在 GitHub 上开源了，名字叫《深入理解 AI Agent：设计原理与工程实践》，作者是李博杰。

现在讲 Agent 的资料很多，但大多要么停留在“调 API + 写 Prompt”的层面，要么就是纯论文堆砌。本书的价值在于，它用一套可验证、可复现、可动手的方式，把“Agent 到底怎么造出来”讲明白了。

全书围绕一个核心公式展开：Agent = LLM + 上下文 + 工具。难点是如何让这三块协同工作。

作者用 10 章正文 + 88 个配套项目（其中 70 多个可独立运行）来层层拆解：

1. 打地基（第1章）：不急着写代码，先让你理解“模型即 Agent”这个新范式，以及先验知识为什么比算法更关键。

2. 喂饱上下文（第2-3章）：这是 Agent 的“操作系统”。从 KV Cache 优化、上下文压缩，到用户记忆、混合检索、Agentic RAG，甚至包括 Contextual Retrieval 这种把检索失败率砍掉一半的技术，也都有对应实验。

3. 教会用工具（第4-5章）：从感知、执行到协作，构建完整的 MCP 工具链。第5章直接手搓一个生产级 Coding Agent，17 个工具纯 Python 实现，连 Grep 都自己写。

4. 度量与放大（第6-7章）：怎么知道 Agent 变强了？Terminal-Bench、SWE-bench、GAIA 这些基准全安排上。第7章直接带用户做模型后训练——SFT、RL、RLHF，连 DeepSeek-R1 蒸馏版都用 DAPO 算法训了一遍。

5. 自我进化（第8章）：Agent 不改权重，只靠“经验学习 + 工作流外化 + 提示蒸馏”就能越来越熟练。比如让浏览器自动化操作“固化”成工具，下次直接调用，速度提升 3-5 倍。

6. 走向真实世界（第9-10章）：从语音交互、GUI 自动化到多 Agent 协作（狼人杀游戏演示信息不对称）、电话+电脑双 Agent 并行……把 Agent 从“聊天框”里彻底解放出来。

配套做得也很良心：

- 多语言支持：中文、英文、泰米尔语、越南语……
- 电子书格式齐全：PDF、EPUB 都有，也可以自己用 Pandoc + LaTeX 编译；
- 上手门槛低：附了 API Key 申请指南和 20 个外部仓库的一键克隆脚本；
- 协议友好：全书 Apache-2.0 开源，欢迎 PR 贡献勘误和新实验。

🔗 github点com/bojieli/ai-agent-book