李博杰《深入理解 AI Agent:设计原理与工程实践》的开源主仓库,全书正文、编译版 PDF/EPUB 与按章配套代码全部开源(Apache 2.0)。

核心公式

Agent = LLM + 上下文 + 工具

全书 10 章围绕这一公式展开,强调 Harness 工程(而非模型本身)才是真正的竞争壁垒。

章节概览

章 主题 一句话核心 实验数
1 Agent 基础知识 Agent = LLM + Context + Tools;Harness 工程是核心竞争力 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 9
3 用户记忆和知识库 跨会话用户记忆 + 外部知识:用户记忆、RAG、结构化索引、知识图谱 13
4 工具 工具是 Agent 的手:MCP 协议、感知/执行/协作工具、事件驱动异步 Agent、主动工具发现 7
5 Coding Agent 与代码生成 代码是"能创造新工具的工具";生产级 Coding Agent 全景 12
6 Agent 的评估 把性能变成可比较的信号:评估环境、指标、统计显著性、评估驱动的模型选型 12
7 模型后训练 预训练/SFT/RL 各阶段:何时选 SFT vs RL、工具调用内化、样本效率 16
8 Agent 的持续进化 从轨迹中学习信号;更新知识、指令、程序与参数 9
9 多模态与实时交互 文本→语音、GUI、物理世界:三种语音范式、Computer Use、机器人 10
10 多 Agent 协作 集体智能 > 个体:协作框架、上下文共享/隔离、涌现的"Agent 社会" 8

获取方式

  • 中文原版 PDF / EPUB:https://github.com/bojieli/ai-agent-book/releases/download/latest/AI-Agents-in-Depth-zh-CN.pdf(.epub)
  • 在线阅读:https://bojieli.github.io/ai-agent-book/ — 多语言切换、章节折叠、全文搜索,每次 main 推送自动重建
  • 其他语言:英、西、印尼、阿拉伯、繁中、俄、泰米尔、越、日、土、韩、匈牙利语,均走 releases/download/latest/ 同款命名
  • 源码自建:book/ 下为中文源(chapter1.md–chapter10.md + 前言/后记),翻译在 book-en/ 等目录(可能滞后于中文版);图在 book/images/(SVG)
  • 阅读指南:https://github.com/bojieli/ai-agent-book/blob/main/docs/zh-CN/LEARNING.md — 学习路径、难度分级、练习建议

运行配套实验

要求 Python 3.10+(部分浏览器/记忆实验需 3.11+,第 8 章部分组件需 3.12+),按章安装:

# 推荐:用提交的 uv.lock 复现环境
uv sync --locked --extra ch1

# 不用 uv 时用 pip 从 pyproject.toml 重新解析
python -m pip install -e ".[ch1]"

运行实验(仓库根目录):

uv run python chapter1/context/main.py
# pip 方式: python chapter1/context/main.py

要点:

  • API 凭证按各实验 README 配置;根目录 .env.example → .env 部分实验可用,其他需要本地 .env 或环境变量
  • 只有 README/CLI 明确列出 ollama 时才用本地 Ollama(加 --provider ollama)
  • 可组合 extras:uv sync --locked --extra ch2 --extra vllm
  • all extra = 不含本地训练栈的 CPU 友好组合(不代表每个实验)
  • 浏览器、CUDA、FFmpeg、Ollama、Playwright 等系统依赖按各实验 README 安装
  • ⚠️ 实验执行状态单独追踪:docs/EXPERIMENT_STATUS.md — clone/install 完成 ≠ 实验跑通

来源:李博杰《深入理解 AI Agent》开源仓库 https://github.com/bojieli/ai-agent-book