图书详情

配套资源图书内容样章/电子教材图书评价

配套资源
本书资源
资源预约
会员上传本书资源
为本书上传资源

图书内容

内容简介

本书系统梳理 AI Agent 的核心原理与落地实践，分为“原理篇、实战篇、前沿篇”三部分。原理篇阐释 AI Agent 的价值、本质、发展历程及关键技术，并介绍主流开发框架与 MCP 协议；实战篇通过 Coze、Dify、LangGraph 等平台，展示从单体到企业级 Multi-Agent 的构建路径，并结合 DeepSeek 在数据分析与智能客服的应用案例，总结可复用的工程经验；前沿篇探讨 AI Agent 在电信、多模态、具身智能和智能驾驶等领域的探索与挑战，并关注安全与伦理。本书兼具理论深度与实战指导，既适合初学者快速入门，也可为研发与管理人员提供架构设计和应用部署的参考。

图书详情

ISBN：9787121514944

开本：16(185*235)

页数：368

字数：554

本书目录

目　　录



技术原理篇
第1章　快速认识AI Agent	2
1.1　为什么需要AI Agent	2
1.1.1　AI Agent的应用价值	3
1.1.2　AI Agent的本质	5
1.1.3　AI Agent、RAG与Workflow的区别和联系	9
1.2　AI Agent的历史与发展	10
1.2.1　从传统智能体到生成式AI Agent	10
1.2.2　LLM-Agent的兴起	11
1.3　AI Agent的类别与特点	15
1.3.1　AI Agent主流分类	15
1.3.2　AI Agent的特点	17
第2章　AI Agent基础原理与关键技术	18
2.1　AI Agent基础原理	18
2.1.1　AI Agent的定义与三大能力	19
2.1.2　AI Agent的行为决策运行机制	22
2.2　LLM-Agent的主要模块	25
2.2.1　LLM模块	26
2.2.2　角色模块	26
2.2.3　记忆模块	27
2.2.4　规划模块	28
2.2.5　行动模块	29
2.3　LLM常见技术或应用范式	32
2.3.1　提示工程	32
2.3.2　函数调用	33
2.3.3　检索增强生成	36
2.3.4　微调	38
2.3.5　训练优化与推理优化	41
2.4　LLM-Agent能力评估	42
2.4.1　LLM-Agent评估概述	42
2.4.2　LLM-Agent评估体系与方法	43
第3章　AI Agent开发框架与一般步骤	47
3.1　AI Agent的主要开发框架	47
3.1.1　LangGraph	49
3.1.2　CrewAI	57
3.1.3　Swarm	65
3.1.4　AutoGen	72
3.1.5　OpenAI Agents SDK	74
3.1.6　Google Agent Development Kit（ADK）	79
3.2　从零开始构建通用AI Agent	81
3.2.1　选择合适的LLM	82
3.2.2　定义AI Agent的控制逻辑	82
3.2.3　定义AI Agent的核心指令	83
3.2.4　定义并优化AI Agent的核心工具	83
3.2.5　制定可靠的记忆处理策略	84
3.2.6　解析AI Agent的原始输出	84
3.2.7　安排AI Agent的下一步行动	84
3.2.8　多智能体的设计	86
第4章　AI Agent的MCP与通信协同	87
4.1　AI Agent的MCP	87
4.1.1　MCP与AI Agent	88
4.1.2　基于MCP的AI Agent问答知识库构建	93
4.2　AI Agent通信协同	103
4.2.1　什么是A2A	103
4.2.2　A2A与MCP之间的关系	104
4.2.3　A2A架构设计实现剖析	105
落地实战篇
第5章　AI Agent构建工程实战1——基于Coze、Dify平台构建AI Agent	110
5.1　ReAct框架核心原理深度剖析	110
5.1.1　ReAct框架的核心原理剖析	111
5.1.2　ReAct框架的核心代码实现	114
5.2　AI Agent三大能力深度剖析	123
5.2.1　AI Agent规划能力剖析与代码实现	124
5.2.2　AI Agent行动能力剖析与代码实现	129
5.2.3　AI Agent记忆能力剖析与代码实现	131
5.3　基于Coze平台构建AI Agent	132
5.4　基于Dify平台构建AI Agent	137
第6章　AI Agent构建工程实战2——基于LangGraph框架构建AI Agent	147
6.1　AI Agent落地架构选型	147
6.1.1　AI Agent落地架构选型的必要性	147
6.1.2　AI Agent落地的主流架构选型	148
6.1.3　AI Agent落地架构选型依据	149
6.2　LangGraph对AI Agent的支持	150
6.2.1　LangChain与LangGraph的本质区别	151
6.2.2  LangGraph中支持构建AI Agent的主要模块	153
6.2.3　LangGraph的State组件	156
6.3　提示工程应用	157
6.3.1  提示工程概述及提示词的典型构成	157
6.3.2  提示词在LangGraph中的作用	158
6.3.3  提示工程在基于LangGraph构建AI Agent过程中的应用	158
6.4　工具调用AI Agent	160
6.4.1  工具调用AI Agent的核心原理	161
6.4.2　使用工具调用构建AI Agent的过程	168
6.5　AI Agent长短期记忆能力实现	172
6.5.1　基于SqliteSaver实现短期记忆	173
6.5.2　基于Store实现长期记忆	178
6.6　基于LangGraph开发企业级AI Agent	181
6.6.1　基于LangGraph开发单智能体	182
6.6.2　基于LangGraph开发多智能体	188
6.7　本地化部署多智能体实战	192
6.7.1　基于Supervisor架构实现多智能体	192
6.7.2　本地化部署多智能体	207
第7章　数据分析AI Agent的企业应用案例——基于DeepSeek模型	208
7.1 企业数据分析的范式革命	208
7.1.1　传统BI与ChatBI Agent的本质差异	209
7.1.2　企业级ChatBI Agent需求分析	210
7.2　企业级ChatBI Agent架构设计	211
7.2.1　企业级ChatBI Agent总体架构	212
7.2.2　企业级ChatBI Agent架构设计的难点	214
7.3　企业级ChatBI Agent技术选型与资源评估	215
7.3.1　企业级ChatBI Agent技术选型	215
7.3.2　企业级ChatBI Agent资源评估	215
7.4　基于DeepSeek模型构建与部署企业级ChatBI Agent	216
7.4.1　DeepSeek模型的架构与核心优势	216
7.4.2　基于DeepSeek模型构建企业级ChatBI Agent	220
7.4.3　基于DeepSeek本地化部署企业级ChatBI Agent	261
7.5　企业级ChatBI Agent在电商行业的应用	261
7.5.1　某电商集团ChatBI Agent的建设场景	261
7.5.2　某电商集团ChatBI Agent在物流领域的实践	262
7.5.3　某电商集团更多AI实践在物流领域落地	267
第8章　基于AI Agent构建智能客服系统	269
8.1　AI Agent改变智能客服系统	269
8.1.1　快速认识智能客服系统	269
8.1.2　LLM在智能客服系统中的作用	270
8.2　基于AI Agent的智能客服系统的关键技术	272
8.2.1　向量检索与知识图谱	272
8.2.2　意图识别与工具调用	272
8.2.3　多轮对话与上下文管理	272
8.3　基于AI Agent的智能客服系统的设计与实现	273
8.3.1　基于AI Agent智能客服系统的需求分析	273
8.3.2　基于AI Agent智能客服系统的架构设计与技术选型	274
8.3.3　智能客服系统的核心实现	277
8.4　基于AI Agent的智能客服系统在金融行业的应用	296
8.4.1　金融行业AI Agent智能客服的构建	296
8.4.2　金融行业AI Agent智能客服的实现	297
前沿探索篇
第9章　AI Agent前沿应用探索	310
9.1　电信开发平台综合应用探索	310
9.1.1　AI原生应用电信开发平台整体架构	310
9.1.2　AI原生应用电信开发平台使用操作	312
9.1.3　AI原生应用电信开发平台的典型应用场景	319
9.2　多模态AI Agent的构建与应用探索	325
9.2.1　多模态AI Agent的概念	325
9.2.2　多模态AI Agent的构建与应用	326
第10章　AI Agent未来发展与挑战	335
10.1　AI Agent的高级形态与AGI发展	335
10.1.1　AI Agent的高级形态1——具身智能	336
10.1.2　AI Agent的高级形态2——智能驾驶	339
10.1.3　AI Agent是AGI发展的重要技术路径	342
10.2　AI Agent伦理与安全	343
10.2.1　数据质量与隐私保护	343
10.2.2　技术成熟度与局限性	346
10.2.3　法律框架与合规性	348

展开

前言

推荐序1


作为经历过大数据技术发展完整历程的科技从业者，我有幸赶上了新一代人工智能技术快速从理论走向实践、从科研走向产业的发展浪潮。近年来，随着大模型（LLM）和多模态模型技术的演进，我们正站在一个全新的技术拐点上——人工智能不再仅仅是“玩具”，而是逐步演变为具备感知、思考、决策与行动能力的AI Agent生产力工具。这不仅是技术的跃迁，更是人机协作范式的一场深刻变革。
在此背景下，《AI Agent开发全书：原理、框架与企业落地》一书的出版恰逢其时。本书不仅系统地梳理了AI Agent的基础原理与技术架构，更可贵的是，它侧重开发实战与行业应用，突出了企业级应用落地。全书整体内容结构清晰，重点突出，详略得当：技术原理篇为全书的基础，详细阐述了AI Agent的关键技术与主要模块，以及主要开发框架与MCP等；落地实战篇是全书的重点，不仅基于Coze、Dify等平台和LangGraph等框架构建AI Agent，还结合ChatBI、智能客服等企业级应用场景，提供了具有参考价值的实战案例；前沿探索篇探讨了AI Agent的未来发展趋势，包括多模态Agent、具身智能与AGI发展等。每一章都围绕当前主流技术，循序渐进，不断深入。
我特别欣赏本书对架构设计与实战落地的强调。在当前LLM仍然存在“幻觉”的背景下，如何让AI Agent真正理解环境、响应上下文、执行任务并持续学习，已成为决定其能否在电信、金融、工业制造等关键行业落地的核心挑战。或许，我们能在本书提到的提示工程、ReAct框架、Tool Calling机制、记忆能力、多智能体构建、MCP与通信协同等关键技术中找到答案。
作为一家以软件开发为主营业务的上市公司CTO，我深知技术创新必须与商业闭环并重。AI Agent的真正价值在于它能否自主完成数据分析、客户服务、流程自动化、风险预警等复杂任务，从而释放人力、提升效率、创造增量价值。本书中的多个实战章节，都是围绕这些高价值场景展开的，极具启发性和实践指导意义。
我相信，AI Agent将成为未来人工智能应用的核心形态，而本书将是每一位AI工程师、产品经理和技术管理者不可或缺的案头指南。

查礼
北京东方国信科技股份有限公司副总裁兼CTO
2025年8月18日


推荐序2


当第一次看到AI Agent这个概念时，我脑海中浮现的不仅是技术的演进，更是一场即将席卷全球的生产力革命。我们正站在一个新时代的门槛上——从“人适应机器”走向“机器服务于人”的智能跃迁。摆在各位面前的本书，正是这场变革中不可或缺的导航图与实践手册。
《AI Agent开发全书：原理、框架与企业落地》一书，以系统化、工程化、前沿化的视角，全面剖析了AI Agent的技术本质与发展脉络。它不止于理论，而是打通架构设计、开发框架、行业场景与未来趋势，形成了从认知到实践的完整闭环。全书结构清晰，层层递进：第1章对AI Agent的本质与历史进行溯源，第2章拆解关键技术模块，第3章是主流开发框架的横向对比，第4章介绍AI Agent的MCP与通信协同，第5、6章是基于Coze、Dify等平台和LangGraph等框架的工程实战，最终延伸至第7、8章，介绍AI Agent在数据分析、智能客服等企业级场景中的深度应用，以及第9、10章对多模态Agent与AGI未来的前瞻思考——每一步都紧扣时代脉搏，既有思想高度，又有落地温度。
尤为难得的是，本书并未陷入“炫技式”的技术堆砌，而是始终围绕“如何构建真正可用、可落地、可扩展的AI Agent系统”这一核心命题展开。无论是对ReAct框架的深度剖析、讲解Tool Calling实现机制，还是介绍记忆管理、多智能体协同、MCP等关键设计，作者都以极强的工程思维给出了清晰的路径指引。这在当前AI技术浮躁、概念泛滥的背景下，显得尤为珍贵。
作为北京数致未来科技的创始人，以及持续深耕AGI领域的探索者，我深知：未来的智能世界，不是单一模型的胜利，而是由无数具备感知、决策、行动与协作能力的AI Agent所构成的生态。本书，正是帮助开发者、企业架构师、技术决策者、AI产品经理迈入这一生态的“第一把钥匙”。
我乐于为这样一本兼具深度与广度、思想性与实操性的著作撰写推荐序。它不仅适合AI初学者建立系统认知，也值得资深从业者反复研读。相信每一位认真读完本书的读者，都将获得构建未来智能系统的底层能力。

孙玄
北京数致未来科技创始人＆CEO
视频号“玄姐谈AGI”主理人
2025年8月14日


前言


在人工智能技术迅猛发展的今天，AI Agent（智能体）已成为推动行业变革的核心力量。从简单的任务自动化到复杂的自主决策系统，AI Agent正在重塑人机交互的边界，并在企业服务、数据分析、智能客服、多模态交互等领域展现出巨大的潜力。
为什么写这本书
本书的创作源于我在AI领域多年的行业观察与技术实践。随着大模型（LLM）和智能体技术的快速发展，许多开发者与企业虽对AI Agent充满兴趣，却面临如下挑战。
?	技术门槛高：AI Agent开发涉及LLM、记忆、规划、工具调用等多模块协同，缺乏系统化的指导。
?	落地经验少：如何将实验室中的智能体技术转化为实际业务场景的解决方案，需要方法论与案例的支撑。
?	生态碎片化：LangGraph、CrewAI、Google ADK等框架层出不穷，开发者难以快速选型并高效应用。
本书通过“原理+实战+前沿”三位一体的内容设计，帮助读者从零构建AI Agent，并掌握其落地应用的核心能力。
本书核心内容
本书分为3篇，内容层层递进。
1. 技术原理篇（第1～4章）
?	系统解析AI Agent的本质、技术框架与核心模块（如LLM、规划、记忆、工具调用）。
?	深入探讨AI Agent开发的关键技术，如提示工程、RAG、函数调用等。
2. 落地实战篇（第5～8章）
?	基于Coze、Dify等平台和LangGraph等框架，手把手地教授读者AI Agent的开发与部署。
?	结合企业级案例（如数据分析AI Agent、智能客服），剖析架构设计、技术选型与行业适配。
3. 前沿探索篇（第9、10章）
展望多模态Agent、具身智能等前沿方向，并探讨安全、伦理与AGI发展的未来挑战。
本书特色
?	注重实操：包含大量代码示例、架构图与调试技巧，覆盖从开发到部署的全流程。
?	行业导向：聚焦金融、电商、电信等场景，提供可复用的解决方案。
?	前瞻视角：不仅讲解现有技术，更分析AI Agent与AGI的演进路径。
致谢
感谢我的团队与朋友在成书过程中提供的宝贵建议，尤其感谢参与案例实践的企业伙伴，他们的真实需求让本书的实战内容更具参考价值。此外，感谢编辑团队的细致工作，使复杂的技术内容得以清晰呈现。
读者对象
?	开发者：希望掌握AI Agent开发全流程的技术人员。
?	企业决策者：寻求AI Agent落地场景与架构设计的管理者。
?	研究者：关注智能体技术前沿与AGI发展的学者。
阅读建议
?	建议初学者按章节顺序阅读，逐步构建知识体系。
?	有经验的读者可直接跳转至落地实战篇，结合自身需求参考案例进行学习。
?	对于代码与工具部分，建议动手实践，书中附有相关资源链接。
AI Agent的时代已至，它不仅是技术的革新，更是人机协作范式的跃迁。希望本书能成为读者探索这个领域的可靠指南，让我们共同推动智能体的发展与落地。


李希沅
2025年8月8日于北京

展开

作者简介

李希沅?连续创业，融资过亿元? LLM资深专家?北京数致未来科技首席科学家?转转集团大数据前平台负责人?东方国信前大数据架构师?擅长LLM应用技术，拥有10余年数据架构经验?拥有丰富的企业内训经验?打造过“大数据架构师”“AI大模型工程落地计划”等大型体系课程?抖音号、视频号、B站账号“西瓜讲大模型”主理人王甲君?理学硕士?LLM算法工程师，专注于AI大模型应用开发， 5年AI算法建模经验?中国电子（CEC）某二级公司高级算法开发工程师?北京东方国信（BONC）前AI算法工程师?2019年毕业于辽宁师范大学海洋经济中心（教育部人文社会科学重点研究基地）?本科毕业于延边大学理学院?发表过多篇科技论文与公众号技术文章武天富?中国联通软件研究院数据中台研发事业部方案专家?拥有10余年大数据与人工智能领域建设经验，擅长海量大数据处理、算法框架建设、业务算法落地、AI数据集建设等，在电信领域的AI应用实践方面经验丰富，多次获得集团科技攻关奖项?近3年多次参与人工智能与大数据领域的行业标准编写，拥有多项技术专利?毕业于山西财经大学解敏?菜鸟集团平台产品＆数据平台＆人工智能部产品总监?曾就职于阿里巴巴淘宝、阿里云，现就职于菜鸟集团，获专利12项?从零到一创建Quick BI、DataWorks数据管理、DataWorks-DQC数据质量控制等阿里云产品，支持多项专有云商业化项目交付?具有大数据、人工智能在物流领域的丰富实践: 快递数字化、电子面单、物流云、物流ChatBI、AIData、AI+等?CCSA大数据技术标准推进委员会编委?DAMA中国会员圆桌嘉宾?参编《数据标准管理实践白皮书》?中国互联网协会数据安全与治理工作委员会特聘专家

样章试读

本书暂无样章试读！
图书评价我要评论

本书资源

会员上传本书资源

内容简介

图书详情

本书目录

前 言

作者简介

前言