深入理解 AI Agent：设计原理与工程实践

中文 ← 当前 · English · Español · Bahasa Indonesia · العربية · 繁體中文（台灣） · Русский · Tiếng Việt · தமிழ் · 日本語 · Türkçe · 한국어 · Magyar · עברית · Português (Brasil)

📥 下载 PDF / EPUB（推荐）— 推荐使用 PDF / EPUB 离线阅读，排版最佳；也可在线阅读（支持多语言切换、章节折叠、高亮与笔记，每次推送自动更新）。

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 个配套实验全部开源，欢迎亲手把实验跑一遍。

📚 姊妹篇《深入理解 AI Infra：量化分析与系统设计》已开源发布，欢迎阅读：github.com/bojieli/ai-infra-book

要开发好基于模型的应用，还需要理解这类应用赖以运行的基础设施。姊妹篇讨论的就是支撑模型训练与推理的 AI Infra：参数和上下文状态存在哪里，计算怎样执行，多个加速器怎样协作。

📢 2.0 版变更（相较 1.4 版）：本仓库书稿版本已由 1.4 升级为 2.0。2.0 版将原第四章中的“异步交互”部分与原第九章中关于“多模态 Agent”的内容合并，重组为新的第六章“交互：观察与动作空间的扩展”。原第六章“Agent 的评估”、第七章“模型后训练”和第八章“Agent 的持续进化”依次后移一章，现分别为第七、八、九章。

如果你看到的是旧版 PDF，建议下载最新版 PDF。新版还包含许多内容修正与调整，请以最新版为准。

| 📚 10 章 正文，从基础到生产 | 📂 109 个 配套实验（含本地项目与外部复现轨道） | 🌐 15 种 语言：中 / 英 / 西 / 印尼 / 阿 / 繁體中文（台灣） / 俄 / 泰米尔 / 越 / 日 / 土耳其 / 韩 / 匈牙利 / 希伯来 / 葡萄牙语（巴西） | | :---: | :---: | :---: |

📖 电子书

📥 离线下载（推荐，全书正文，开源免费）。以下链接始终指向 main 分支的最新构建；固定版本见 Releases：

• 中文（原版）：PDF · EPUB
• 英文（社区翻译，by @nsdevaraj、@whanyu1212）：PDF · EPUB
• 西班牙语（社区翻译，by @santhreal）：PDF · EPUB
• 印度尼西亚语（社区翻译，by @jojixyz666）：PDF · EPUB
• 繁體中文（台灣）（社区翻译，by @tigercosmos）：PDF · EPUB
• 俄语（社区翻译，by @ui99ru）：PDF · EPUB
• 泰米尔语（社区翻译，by @nsdevaraj）：PDF · EPUB
• 越南语（社区翻译，by @toanalien）：PDF · EPUB
• 日语（社区翻译，by @eltociear）：PDF · EPUB
• 阿拉伯语（社区翻译，by @TheSyBuilder）：PDF · EPUB
• 土耳其语（社区翻译，by @memisemre）：PDF · EPUB
• 韩语（社区翻译，by @JeongJaeSoon）：PDF · EPUB
• 匈牙利语（Magyar）（社区翻译，by @barmivalami0-ux）：PDF · EPUB
• 希伯来语（עברית）（社区翻译，by @itzikwo）：PDF · EPUB
• 葡萄牙语（巴西）（社区翻译，by @leofn，配图翻译 by @LibnaRaffaely）：PDF · EPUB

🌐 也可在线阅读 — 支持多语言切换、章节折叠、高亮与笔记、配套实验直达，每次 main 分支推送后自动重新构建。

中文正文源码位于 book/；英文/西班牙语/印度尼西亚语/阿拉伯语/繁體中文（台灣）/俄语/泰米尔/越南语/日语/土耳其语/韩语/匈牙利语/希伯来语/葡萄牙语（巴西）版本为社区贡献（可能滞后于中文原版），分别位于 book-en/、book-es/、book-id/、book-ar/、book-zhtw/、book-ru/、book-ta/、book-vi/、book-ja/、book-tr/、book-ko/、book-hu/、book-he/、book-ptbr/。

<details> <summary><b>🔧 想自行编译 PDF / EPUB？</b>（PDF 需 pandoc / xelatex / ElegantBook）</summary>

• EPUB：使用统一的构建脚本，详情请参阅 EPUB 构建说明

• 正文源码：book/introduction.md（引言）、book/chapter1.md ~ book/chapter10.md（第一至第十章）、book/afterword.md（后记）

• 编译：安装 pandoc、xelatex、ElegantBook 文档类与相关字体后，运行

  cd book && bash build_pdf.sh
  

  图表以 SVG 文件存于 book/images/，编译时直接使用；排版细节见 book/preamble.tex 与 book/*.lua。

</details>

📑 内容速览（第 1–10 章）

全书围绕核心公式 Agent = LLM + 上下文 + 工具 展开，十章层层递进：

| 章 | 主题 | 一句话核心 | 正文 | 实验 | | :--: | --- | --- | :--: | :--: | | 1 | 🚀 AI Agent 入门 | Agent = LLM + 上下文 + 工具；Harness 工程才是竞争力 | 读 | 4 | | 2 | 🎯 上下文工程 | 上下文决定能力上限：KV Cache、提示工程、Agent Skills、上下文压缩 | 读 | 10 | | 3 | 📚 用户记忆和知识库 | 跨会话记住用户、接入外部知识：用户记忆、RAG、结构化索引、知识图谱 | 读 | 12 | | 4 | 🛠️ 工具 | 工具是 Agent 的双手：MCP 协议、感知/执行/协作三类工具与主动工具发现 | 读 | 5 | | 5 | 💻 Coding Agent 与通用 Agent | 代码是「能创造新工具的工具」，生产级 Coding Agent 全景 | 读 | 16 | | 6 | 🎙️ 交互：观察与动作空间的扩展 | 从模态与时序两个维度扩展 Agent 的观察与动作空间：异步与事件驱动、语音交互、Computer Use 和机器人操作 | 读 | 14 | | 7 | 🎯 Agent 的评估 | 把表现变成可比较信号：评估环境、指标、统计显著性、评估驱动选型 | 读 | 14 | | 8 | 🧠 模型后训练 | 预训练/SFT/RL 三阶段：何时选 SFT、何时选 RL，工具调用内化、样本效率 | 读 | 19 | | 9 | 🔄 Agent 的持续进化 | 从运行轨迹获得学习信号，更新知识、指令、程序与参数 | 读 | 9 | | 10 | 🤝 多 Agent 协作 | 群体智能高于个体：协作框架、上下文共享/隔离、涌现的「Agent 社会」 | 读 | 6 |

💡 读 = 在 GitHub 网页直接读章节正文（markdown）；N = 该章正文实验数，点击查看实现与复现说明。项目类型说明（✅ 可运行 / 📖 复现 / 🚧 设计）见各章 README。

📚 如何高效阅读本书？详见 学习建议（核心理念、学习路径、难度分级、实践建议）。

💻 运行配套实验

项目统一支持 Python 3.11–3.13。请在仓库根目录按章节安装依赖；将 ch1 替换为 ch2 ~ ch10 即可安装对应章节：

# 推荐：使用提交到仓库的 uv.lock，获得可复现的章节环境
uv sync --locked --extra ch1

# 未安装 uv 时：使用 pip 从 pyproject.toml 重新解析
python -m pip install -e ".[ch1]"

运行会调用模型的实验前，请按该实验 README 配置凭据：支持根目录配置的实验可复制 .env.example 为 .env 并填入至少一个提供商 Key；有些实验要求在自身目录放 .env 或直接导出环境变量。只有在实验 README 或 CLI 明确列出 ollama 时，才可启动本地 Ollama 并添加 --provider ollama。

安装后可从仓库根目录运行实验，例如：

uv run python chapter1/context/main.py
# 使用 pip 安装时也可直接运行：python chapter1/context/main.py

• uv 安装方法见 官方文档；pip 仍受支持，但不会使用锁文件。
• 各实验现有的 requirements.txt 在迁移期间继续有效，适合只运行单个项目或需要特殊版本约束的情况。
• all 是不含本地训练栈的 CPU 友好组合，并不代表每个实验；uv sync 每次都会精确同步当前选择，使用特殊 extra 时请合并到同一条命令，例如 uv sync --locked --extra ch2 --extra vllm 或 uv sync --locked --extra ch7 --extra unsloth；pip 对应为 python -m pip install -e ".[ch2,vllm]"。
• 浏览器、CUDA、FFmpeg、Ollama、Playwright 浏览器及外部仓库等系统依赖，请继续参考各实验 README。第 8 章部分内置第三方组件需要 Python 3.12+。

🔑 API 密钥

建议申请下面几个平台的 API Key 方便学习。模型选型可参考 这篇指南。

| 平台 | 链接 | 特色 | 访问节点 | | --- | --- | --- | --- | | Kimi（月之暗面） | https://platform.moonshot.cn/ | Kimi 系列，Coding、Agent 能力强 | 中国大陆 | | 智谱 GLM | https://open.bigmodel.cn/ | GLM-5.2 等，Coding、Agent 能力强 | 中国大陆 | | Siliconflow | https://siliconflow.cn/ | 各种开源模型（DeepSeek、Qwen 等），中国大陆访问速度快 | 中国大陆 | | DeepSeek | https://platform.deepseek.com/ | DeepSeek 官方 API | 全球 + 中国大陆 | | Atlas Cloud | https://www.atlascloud.ai/ | 通过 OpenAI 兼容接口访问多个厂商的模型 | 全球 | | Krill AI | www.krill-code.com | 一站式访问全球及国内主流模型（OpenAI、Claude、Gemini、Grok、Kimi、GLM、DeepSeek、Qwen、Minimax） | 全球 + 中国大陆 | | OpenRouter | https://openrouter.ai/ | 一站式访问全球及国内主流模型（GPT、Claude、Gemini、Kimi、GLM、DeepSeek、Qwen 等） | 全球 |

❓ 常见问题

Q：有 PDF / EPUB 吗？需要自己编译吗？ 不需要。电子书一节列出了 15 种语言的 PDF / EPUB 下载链接，始终指向 main 分支的最新构建；也可以在线阅读。只有想修改书稿并重新排版时才需要自行编译。

Q：阅读本书需要哪些前置知识？ 引言的“前置知识”一节有完整说明：能读懂并修改中等复杂度的 Python 代码；用过 ChatGPT、Claude 等 LLM 产品；熟悉至少一款 AI 辅助编程工具（Claude Code、Codex、Cursor 等）；了解命令行、Git、JSON、REST API 等软件工程常识。除第八章后训练外，全书对数学和机器学习的要求很低。

Q：知识点多、读完就忘，怎么消化？ 不要只读正文。推荐的方式是结合每章实验自己动手——不是看配套代码，而是读懂书中的设计原则后，借助 coding agent 从头实现一遍，观察输出、排查不符合预期的地方；每章末尾的思考题也是很好的自测。更系统的路径见学习建议。一位读者的总结很贴切：先把书看薄，再把书看厚，再把书看薄。

Q：实验代码需要逐行弄明白吗？ 不需要。本书的配套代码全部由 coding agent 根据书稿生成，作者也不会逐行阅读。关键是把架构、核心组件和设计原则想清楚，然后让 AI 去写代码、跑测试、修 bug，人负责最初的设计和最终的验收。

Q：思考题有参考答案吗？ 有：book/reference-answers.md（在线版）。它们只是参考，不是标准答案，欢迎在 Discussions 里讨论你的不同看法。

Q：读完之后有什么可以落地的实践项目？ 推荐从头做一个像 Claude Code、Codex 那样的 coding agent：第 1–5 章足以做出一个可用的 coding agent；第 7、9 章帮它建立评估集并从失败案例中持续改进；第 8 章介入模型本身；第 6、10 章为它增加语音、Computer Use 等交互方式和多 Agent 协作。评测、观测、可靠性这些工程环节，可以从第 7 章的评估实验入手：先为自己的 agent 建一个十几条任务的小评估集，再围绕失败用例做改进。

Q：哪里提问和讨论？

• 书稿勘误、实验 bug、翻译问题：开 [Issue](https://github.com/bojiel