这是一本案例驱动的AI Agent开发指南，提供丰富的“即插即用”的案例代码和最佳实践，帮助读者迅速掌握Agent开发的主流模式和完整流程，满足现实的业务场景需求，符合用户的真实诉求。 本书分为8章，共3篇，全面阐述Agent的表现类型、技术体系、开发模式和落地案例，具体内容如下： （1）AI Agent基础篇（第1、2章） 介绍AI Agent的基本概念和开发模式，引出AI Agent的技术体系和实现方式，并以最常见的OpenAI LLM为例，演示从零构建一个AI Agent的过程，提供OpenAI Swarm框架的使用方式和案例。 （2）AI Agent实现篇（第3~5章） 介绍AI Agent的典型实现模式，包括通用型的ReAct Agent和Plan-and-Execute Agent、集成RAG技术的知识型Agent，以及整合图像和音频处理技术的多模态Agent，并在实现过程中引入LangChain和LlamaIndex这些常用框架。 （3）AI Agent应用篇（第6~8章） 从实际需求出发，全面介绍构建企业级AI Agent所需的各项工程化技术。同时，引入多Agent系统应对复杂场景，并采用LlamaIndex、AutoGen、LangGraph等主流框架完成多个实战案例，从而详细阐述多Agent系统的设计开发过程以及相应的技术组件以及实现技巧。
0 有用 週末時光 2026-03-07 17:25:13 重庆
Agent就是一个拥有规划，记忆，工具，行动的智能实体。 大语言模型实际上就是统计学。 多模态就是结合文本，语音，图片，视频多种内容的输入端。 所以，目前的AI，实际上是函数+自动化的结合。 规划为拆解任务，记忆是上下文，工具是百宝箱，行动是执行任务解决问题。
1 有用 HJiahu 2026-06-05 15:58:16 上海
作为入门还是非常不错的，代码：https://github.com/tianminzheng/agent-application-development。书籍自带的 LangChain 代码比较老，新版本 langchain 代码可以看：https://www.luochang.ink/dive-into-langgraph/