AI Agent 开发全书:原理、框架与企业落地电子书

前折页

内容简介

推荐序1

推荐序2

前言

技术原理篇

第1章 快速认识AI Agent

1.1 为什么需要AI Agent

1.1.1 AI Agent的应用价值

1.1.2 AI Agent的本质

1.1.3 AI Agent、RAG与Workflow的区别和联系

1.2 AI Agent的历史与发展

1.2.1 从传统智能体到生成式AI Agent

1.2.2 LLM-Agent的兴起

1.3 AI Agent的类别与特点

1.3.1 AI Agent主流分类

1.3.2 AI Agent的特点

第2章 AI Agent基础原理与关键技术技术

2.1 AI Agent基础原理

2.1.1 AI Agent的定义与三大能力

2.1.2 AI Agent的行为决策运行机制

2.2 LLM-Agent的主要模块

2.2.1 LLM模块

2.2.2 角色模块

2.2.3 记忆模块

2.2.4 规划模块

2.2.5 行动模块

2.3 LLM常见技术或应用范式

2.3.1 提示工程

2.3.2 函数调用

2.3.3 检索增强生成

2.3.4 微调

2.3.5 训练优化与推理优化

2.4 LLM-Agent能力评估

2.4.1 LLM-Agent评估概述

2.4.2 LLM-Agent评估体系与方法

第3章 AI Agent开发框架与一般步骤步骤

3.1 AI Agent的主要开发框架

3.1.1 LangGraph

3.1.2 CrewAI

3.1.3 Swarm

3.1.4 AutoGen

3.1.5 OpenAI Agents SDK

3.1.6 Google Agent Development Kit（ADK）

3.2 从零开始构建通用AI Agent

3.2.1 选择合适的LLM

3.2.2 定义AI Agent的控制逻辑

3.2.3 定义AI Agent的核心指令

3.2.4 定义并优化AI Agent的核心工具

3.2.5 制定可靠的记忆处理策略

3.2.6 解析AI Agent的原始输出

3.2.7 安排AI Agent的下一步行动

3.2.8 多智能体的设计

第4章 AI Agent的MCP与通信协同

4.1 AI Agent的MCP

4.1.1 MCP与AI Agent

4.1.2 基于MCP的AI Agent问答知识库构建

4.2 AI Agent通信协同

4.2.1 什么是A2A

4.2.2 A2A与MCP之间的关系

4.2.3 A2A架构设计实现剖析

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

5.1 ReAct框架核心原理深度剖析

5.1.1 ReAct框架的核心原理剖析

5.1.2 ReAct框架的核心代码实现

5.2 AI Agent三大能力深度剖析

5.2.1 AI Agent规划能力剖析与代码实现

5.2.2 AI Agent行动能力剖析与代码实现

5.2.3 AI Agent记忆能力剖析与代码实现

5.3 基于Coze平台构建AI Agent

5.4 基于Dify平台构建AI Agent

第6章 AI Agent构建工程实战2——基于LangGraph框架构建AIAgent

6.1 AI Agent落地架构选型

6.1.1 AI Agent落地架构选型的必要性

6.1.2 AI Agent落地的主流架构选型

6.1.3 AI Agent落地架构选型依据

6.2 LangGraph对AI Agent的支持

6.2.1 LangChain与LangGraph的本质区别

6.2.2 LangGraph中支持构建AI Agent的主要模块

6.2.3 LangGraph的State组件

6.3 提示工程应用

6.3.1 提示工程概述及提示词的典型构成

6.3.2 提示词在LangGraph中的作用

6.3.3 提示工程在基于LangGraph构建AI Agent过程中的应用

6.4 工具调用AI Agent

6.4.1 工具调用AI Agent的核心原理

6.4.2 使用工具调用构建AI Agent的过程

6.5 AI Agent长短期记忆能力实现

6.5.1 基于SqliteSaver实现短期记忆

6.5.2 基于Store实现长期记忆

6.6 基于LangGraph开发企业级AI Agent

6.6.1 基于LangGraph开发单智能体

6.6.2 基于LangGraph开发多智能体

6.7 本地化部署多智能体实战

6.7.1 基于Supervisor架构实现多智能体

6.7.2 本地化部署多智能体

第7章 数据分析AI Agent的企业应用案例——基于DeepSeek模型

7.1 企业数据分析的范式革命

7.1.1 传统BI与ChatBI Agent的本质差异

7.1.2 企业级ChatBI Agent需求分析

7.2 企业级ChatBI Agent架构设计

7.2.1 企业级ChatBI Agent总体架构

7.2.2 企业级ChatBI Agent架构设计的难点

7.3 企业级ChatBI Agent技术选型与资源评估

7.3.1 企业级ChatBI Agent技术选型

7.3.2 企业级ChatBI Agent资源评估

7.4 基于DeepSeek模型构建与部署企业级ChatBI Agent

7.4.1 DeepSeek模型的架构与核心优势

7.4.2 基于DeepSeek模型构建企业级ChatBI Agent

7.4.3 基于DeepSeek本地化部署企业级ChatBI Agent

7.5 企业级ChatBI Agent在电商行业的应用

7.5.1 某电商集团ChatBI Agent的建设场景

7.5.2 某电商集团ChatBI Agent在物流领域的实践

7.5.3 某电商集团更多AI实践在物流领域落地

第8章 基于AI Agent构建智能客服系统

8.1 AI Agent改变智能客服系统

8.1.1 快速认识智能客服系统

8.1.2 LLM在智能客服系统中的作用

8.2 基于AI Agent的智能客服系统的关键技术

8.2.1 向量检索与知识图谱

8.2.2 意图识别与工具调用

8.2.3 多轮对话与上下文管理

8.3 基于AI Agent的智能客服系统的设计与实现

8.3.1 基于AI Agent智能客服系统的需求分析

8.3.2 基于AI Agent智能客服系统的架构设计与技术选型

8.3.3 智能客服系统的核心实现

8.4 基于AI Agent的智能客服系统在金融行业的应用

8.4.1 金融行业AI Agent智能客服的构建

8.4.2 金融行业AI Agent智能客服的实现

前沿探索篇

第9章 AI Agent前沿应用探索

9.1 电信开发平台综合应用探索

9.1.1 AI原生应用电信开发平台整体架构

9.1.2 AI原生应用电信开发平台使用操作

9.1.3 AI原生应用电信开发平台的典型应用场景

9.2 多模态AI Agent的构建与应用探索

9.2.1 多模态AI Agent的概念

9.2.2 多模态AI Agent的构建与应用

第10章 AI Agent未来发展与挑战

10.1 AI Agent的高级形态与AGI发展

10.1.1 AI Agent的高级形态1——具身智能

10.1.2 AI Agent的高级形态2——智能驾驶

10.1.3 AI Agent是AGI发展的重要技术路径

10.2 AI Agent伦理与安全

10.2.1 数据质量与隐私保护

10.2.2 技术成熟度与局限性

10.2.3 法律框架与合规性

后折页