|
去年 8 月到 10 月，我在图灵主讲的 “AI Agent 实战训练营” 课程，历时数月的打磨与沉淀，终于汇集成书，并正式在 GitHub 全盘开源！ 📖 书名：《深入理解 AI Agent：设计原理与工程实践》 💡 获取方式： 欢迎前往 Repo 直接免费下载完整 PDF，喜欢的朋友点个 Star 支持一下！ 🎯 这本书讲了什么？
整本书紧扣 AI Agent 的黄金核心公式： $$\text{Agent} = \text{LLM} + \text{Context} + \text{Tools}$$
我们不谈空洞的概念，只专注工程落地、原理深度与前沿实践。全书共 10 章，完整构建你的 Agent 知识版图： 🧱 核心基石：单体 Agent 的深度修炼
第 1 章 · Agent 基础： 重新定义“模型即 Agent”，剖析 Harness 体系——模型之外的工程设计，才是构建护城河的关键。 第 2 章 · 上下文工程： 上下文决定 Agent 的上限。深入 KV Cache 友好设计、动态 Prompt、Agent Skills 及上下文压缩策略。 第 3 章 · 用户记忆与知识库： 攻克跨 Session 记忆难题。从基础 RAG 管道，到超越扁平文本的知识图谱与结构化索引。 第 4 章 · 工具链（Tools）： 工具是 Agent 的双手。详解 MCP（Model Context Protocol）协议、工具选择难题及异步事件驱动。 第 5 章 · Coding Agent 与代码生成： 代码是“创造工具的工具”。以生产级 Coding Agent 为例，拆解最强通用工具的完整实现。
⚙️ 进阶跃迁：评估、微调与自我进化
第 6 章 · Agent 评估（Evaluation）： 告别“玄学”调优。构建评测集、指标体系，解析生产级内部评估与模拟环境。 第 7 章 · 模型后训练（Post-Training）： 深度拆解 SFT 与 RL（强化学习）。探讨何时用 SFT、何时用 RL，以及如何训练模型学会精准 Tool Calling。 第 8 章 · Agent 自我进化： 不改权重也能变强。探索主动工具发现、“从工具使用者到工具创造者”的闭环学习。
🌐 拓宽边界：多模态交互与群体智能
💡 为什么写这本书？
在 Agent 爆火的今天，市面上不缺“快速上手 5 分钟写个玩具”的教程，但极度缺乏能够指导生产实践的硬核系统性图书。 本书的核心目的，就是帮助开发者和研究者跨越从“Toy Demo”到“Production-Ready”的鸿沟。无论你是想优化企业内部的 RAG 知识库，还是在研发能自动写代码的 AI 程序员，亦或是探索多智能体协同的复杂场景，这本书都能为你提供理论支撑与工程落地的解题思路。 👋 欢迎共建与反馈！
开源只是第一步，真正的生命力来自社区。 再次感谢大家一路以来的支持，让我们在 AI Agent 的工程之路上并肩前行！ # |
关注公众号
发表于 
