bojieli/ai-agent-book · 上手攻略
- 仓库：bojieli/ai-agent-book
- 链接：https://github.com/bojieli/ai-agent-book
- 分类：AI Agent · 书籍 · 工程实践
- 作者：Tom
- 更新：2026-07-19
这本书讲什么
《深入理解 AI Agent：设计原理与工程实践》（作者李博杰）是一本系统性阐述 AI Agent 的技术书籍，全书围绕核心公式展开：
Agent = LLM + 上下文 + 工具
这个公式是全书的骨架，意思是：一个能用的 Agent，离不开大语言模型（LLM）、对上下文的精细管理、以及可调用的外部工具。三者缺一不可。
十章内容覆盖：
| 章节 | 主题 |
|---|---|
| 第 1 章 | Agent 基础：建立核心公式，引入 Harness 工程概念 |
| 第 2 章 | 上下文工程：提示工程、动态提示词、上下文压缩 |
| 第 3 章 | 用户记忆与知识库：RAG、向量检索、知识图谱 |
| 第 4 章 | 工具系统：MCP 协议、感知/执行/协作工具、事件驱动 |
| 第 5 章 | Coding Agent：生产级代码生成助手实现 |
| 第 6 章 | Agent 评估：数据集、指标体系、仿真环境 |
| 第 7 章 | 模型后训练：SFT、RLHF、预训练全链路 |
| 第 8 章 | Agent 自我进化：从经验学习、主动工具发现 |
| 第 9 章 | 多模态与实时交互：语音、GUI、机器人 |
| 第 10 章 | 多 Agent 协作：共享/非共享上下文的群体智能 |
解决什么问题
市面上大多数 Agent 资料要么只讲概念（"什么是 Agent"），要么只给 Demo（跑个 ChatGPT 调用工具的玩具）。这本书填补了工程实践的空白：
- 系统认知：从公式出发，理解 Agent 为什么这样设计，而不是盲目调参
- 工程落地：配套代码覆盖 Coding Agent、记忆系统、工具框架、评估体系
- Harness 思维：作者提出的"Harness 工程"——模型之外的一切工程能力才是真正的竞争力所在，这个观点值得反复咀嚼
快速安装 / 获取内容
方式一：直接下载 PDF（推荐快速浏览）
# 克隆仓库
git clone https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book
# PDF 在 book/ 目录
# 编译版：book/深入理解-AI-Agent-李博杰-v1.1.pdf
方式二：自己编译 PDF
需要：pandoc、xelatex、ElegantBook 文档类、中文字体
cd book
bash build_pdf.sh
方式三：阅读 Markdown 源码
# 正文目录结构
book/
introduction.md # 引言
chapter1.md # 第1章
chapter2.md # 第2章
...
chapter10.md # 第10章
afterword.md # 后记
核心用法：配套项目怎么跑
配套项目按章节组织，目录为 chapterN/项目名/。第 5、8、9、10 章的多数实验可独立运行，已对接真实 LLM API 验证。
快速上手示例
# 克隆仓库（包含全部章节代码）
git clone https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book
# 查看有哪些可独立运行的项目
ls chapter*/**
# 进入一个具体项目，比如第1章的上下文实验
cd chapter1/context
# 配置 API Key（支持 SiliconFlow Qwen / 字节 Doubao / 月之暗面 Kimi）
export API_KEY="your-api-key-here"
# 运行（具体命令见各项目 README）
python main.py
关键项目一览
chapter1/context/ — 上下文消融实验 多种 LLM 提供商，配置不同上下文模式观察 Agent 行为变化。ReAct 循环核心实现。
chapter4/agent-with-event-trigger/ — 事件驱动 Agent 基于 FastAPI 的异步 MCP 工具服务器，接收多源事件（Web、GitHub、定时器）。
cd chapter4
docker-compose up # 容器化部署 MCP 工具服务器
chapter5/coding-agent/ — Claude 生产级编码助手 纯 Python 实现 17 个工具，无命令行依赖，完整工具套件。
export ANTHROPIC_API_KEY="sk-..."
cd chapter5/coding-agent
python coding_agent.py
⚠️ 注意：多数项目需要真实 LLM API Key 才能运行。免费试用额度可从 SiliconFlow（部分模型免费）、OpenAI（$5 体验额度）等获取。
查看完整外部仓库依赖（训练/评测类）
第 6、7、9、10 章的部分实验依赖外部仓库（评测基准、训练框架等），完整克隆命令和上游地址见仓库 README 末尾《附录·外部仓库获取》。
典型适用场景
| 场景 | 推荐章节 |
|---|---|
| 想系统理解 Agent 是什么、怎么工作的 | 第 1 章 |
| 做 RAG 系统但效果不好，想深入检索优化 | 第 3 章 |
| 需要接入外部工具（MCP 协议） | 第 4 章 |
| 想做自己的 Coding Agent | 第 5 章 |
| 需要评估 Agent 表现、选型 | 第 6 章 |
| 想让 Agent 不改权重也能学习新能力 | 第 8 章 |
| 多 Agent 协作系统设计 | 第 10 章 |
坑与注意
- PDF 编译依赖繁重：xelatex + ElegantBook + 中文字体，Linux/macOS 配置相对简单，Windows 建议用 WSL2 或 Docker。
- 不是所有项目都能跑：标注"📖 复现指南"和"🚧 设计文档"的项目需要额外外部依赖，不是 clone 后直接运行。
- API Key 是必需品：几乎所有可运行项目都需要 LLM API，没有免费额度时项目无法验证。
- chapter7 的训练实验：需要 GPU + 大量数据，不适合普通机器；按复现指南操作前先评估硬件条件。
- 中文内容为主：全书中文，行文风格偏学术+工程结合，对英文技术文献有基础会更好消化。
与同类对比
| 维度 | 本书 | OpenAI Agent SDK | LangChain Agents |
|---|---|---|---|
| 定位 | 系统性教材 + 代码 | 生产级 SDK | 应用框架 |
| 深度 | 原理 + 工程 | SDK 使用 | 快速接入 |
| 代码量 | 适中（教学级） | 少（框架封装） | 多（完整 App） |
| 语言 | 中文 + 代码 | 英文 | 英文 |
| 侧重点 | Agent 本质理解 | 工具调用、安全 | RAG + 记忆 |
如果说 Agent SDK 是"斧头"，LangChain 是"斧头+锯子+锤子"的工具箱，这本书就是"告诉你为什么砍树需要斧头、什么时候用锯子"的认知课。两者配合使用价值最大。
一句话推荐结论
想从根上理解 AI Agent 而不是只会调 API，这是目前中文世界里最系统的工程实践指南；想直接拿来接业务，配合 OpenAI Agent SDK 或 LangChain 效果更好。
推荐指数：⭐⭐⭐⭐⭐（理论学习）/ ⭐⭐⭐（直接拿去做生产）
前置要求：Python 基础，了解过 LLM API 调用
适合人群：AI 应用开发者、研究者、学生，想构建真正可用 Agent 系统的人