众力资讯网

【开源推荐】深入理解 AI Agent:设计原理与工程实践

这两年 Agent 教程这个赛道卷得厉害,大部分是prompt合集加几张架构图,读完手上还是空的,纯属白费时间。
直到看到这本书《深入理解 AI Agent:设计原理与工程实践》,作者 bojieli(李博杰,博客 01.me),Apache-2.0 协议全部开源,正文、配图、实验代码都在仓库里,PDF 和 EPUB 免费下载,15 种语言的社区翻译已经跟上,GitHub Trending 日榜也上过。到今天,4.7 万星。


所以看到这本的时候我多花了一些时间来好好学习。
一句话说清它和常见教程的区别:别的教程给你讲道理,这本书给你出题。
Agent = LLM + 上下文 + 工具
——本书围绕这个核心公式,用 10 章把 AI Agent 从原理讲到工程实战。全书正文、配图、
109 各配套实验,全部开源,欢迎亲手把实验跑一遍。
https://github.com/bojieli/ai-agent-book


十章都围着这三个词打转。第 2 章上下文工程,铺开的是 KV Cache、提示工程、Agent Skills、上下文压缩;第 3 章记忆和知识库,覆盖用户记忆、RAG、结构化索引、知识图谱;第 4 章工具,落点是 MCP 协议、感知/执行/协作三类工具、主动工具发现。第 5 章专攻 Coding Agent,书里的原话是"代码是能创造新工具的工具"。


后五章门槛明显抬高:第 6 章从模态与时序两个维度扩观察和动作空间,异步与事件驱动、语音交互、Computer Use、机器人操作都在内;第 7 章讲评估,把表现变成可比较的信号,SWE-bench、GAIA、OSWorld、tau2-bench、terminal-bench、AndroidWorld 这批基准全进了实验;再往后是模型后训练(预训练/SFT/RL 三个阶段,什么时候该 SFT、什么时候该 RL)、持续进化、多 Agent 协作。
实验分布是这样的:第 1 章 4 个,第 2 章 10 个,第 3 章 12 个,第 4 章 5 个,第 5 章 16 个,第 6 章 14 个,第 7 章 14 个,第 8 章 19 个,第 9 章 9 个,第 10 章 6 个。
加起来 109。
最重的是第 8 章,19 个实验,牵扯训练框架、代码沙箱、GPU,环境成本最高。这一章是分水岭……动手之前先确认自己手上有没有卡,不然就是白搭。
适合的人很具体:会调 API,但没自己搭过完整 Agent 环路。这本书能给你 109 个可复现的坑,上下文怎么压缩、工具描述怎么写才会被模型正确调用、评估怎么做统计显著性,全是手上活儿,看不会,只有自己踩坑才会。
在线阅读站支持多语言切换、章节折叠、高亮和笔记,每次推送自动重建;离线 PDF 和 EPUB 在 Releases 里,链接永远指向最新构建。作者还有一本姊妹篇《深入理解 AI Infra》,讲参数和上下文状态存在哪里、计算怎么执行、多个加速器怎么协作,两本一起看,从模型到应用那段路能接上。