深入浅出AI智能体:基于DeepSeek的AI Agent开发实战电子书

内容提要

前言

第1章 AI智能体与DeepSeek

1.1 什么是AI智能体

1.1.1 AI智能体简介

1.1.2 AI智能体的类型

1.1.3 AI智能体的应用

1.2 AI智能体的技术架构

1.2.1 AI智能体的核心模块

1.2.2 AI智能体的设计模式

1.2.3 AI智能体的推理引擎

1.2.4 AI智能体与外部交互

1.2.5 智能体工作流

1.3 什么是DeepSeek

1.3.1 DeepSeek的核心特点

1.3.2 DeepSeek的模型架构创新与训练优化策略

1.3.3 DeepSeek的调用方式

1.3.4 DeepSeek的生态

实战：DeepSeek API调用示例

实战：基于DeepSeek API实现函数调用

第2章 AI智能体开发环境

2.1 线上智能体开发平台简介

2.1.1 字节跳动的扣子开发平台

2.1.2 百度的文心智能体开发平台

2.1.3 阿里的百宝箱智能体开发平台

2.2 在本地搭建AI智能体开发环境

2.2.1 基础环境介绍

2.2.2 智能体开发框架介绍

实战：基于Dify搭建AI智能体开发环境

实战：基于LangChain和DeepSeek搭建AI智能体开发环境

第3章 提示词工程

3.1 提示词工程简介

3.1.1 提示词工程的特点

3.1.2 提示词中的主要角色

3.1.3 提示词分类

3.2 提示词框架

3.2.1 提示词框架简介

3.2.2 ICIO框架

3.2.3 CRISPE框架

3.2.4 BROKE框架

3.2.5 CO-STAR框架

3.3 提示词优化

3.3.1 提示词优化技巧

3.3.2 DeepSeek官方提示词库

3.3.3 上下文感知与多轮对话设计

实战：股票研究报告结构化提示词模板

第4章 知识库与RAG

4.1 知识库

4.1.1 知识库介绍

4.1.2 线上知识库

4.1.3 本地知识库

4.2 RAG

4.2.1 RAG介绍

4.2.2 向量数据库

4.2.3 嵌入模型

4.2.4 重排序器

4.3 RAG框架

4.3.1 RAGFlow框架

4.3.2 LlamaIndex框架

4.3.3 Haystack框架

4.3.4 LangChain框架

实战：基于LlamaIndex框架和DeepSeek的RAG应用

实战：结合Milvus向量数据库的RAG应用

第5章 单智能体开发

5.1 线上智能体开发

5.1.1 扣子的智能体开发功能简介

5.1.2 使用扣子搭建智能体

5.1.3 使用扣子搭建智能体工作流

5.1.4 使用扣子开发AI应用

5.2 本地智能体开发

5.2.1 Dify简介

5.2.2 使用Dify开发本地智能体

5.2.3 使用Dify开发本地工作流

实战：基于DeepSeek API实现ReAct AI智能体

实战：使用LangChain和DeepSeek开发单智能体

第6章 多智能体系统开发

6.1 多智能体系统简介

6.1.1 什么是多智能体系统

6.1.2 多智能体系统的应用场景

6.1.3 多智能体系统开发框架

6.2 多智能体系统的评估和优化

6.2.1 多智能体系统的评估

6.2.2 多智能体系统的优化

实战：使用LangGraph开发多智能体系统

实战：使用AutoGen开发多智能体系统

第7章 通用AI智能体构建

7.1 Manus与通用AI智能体

7.1.1 Manus简介

7.1.2 Manus技术原理解析

7.1.3 开源方案介绍

7.1.4 商业对手介绍

7.2 AI自动化工具

7.2.1 Browser Use

7.2.2 Computer Use

7.2.3 DroidRun

实战：基于DeepSeek构建通用AI智能体

第8章 AI智能体协议

8.1 MCP

8.1.1 MCP简介

8.1.2 MCP与函数调用的区别

8.1.3 MCP的工作原理

8.2 A2A协议

8.2.1 A2A协议简介

8.2.2 A2A协议的关键概念

8.2.3 A2A协议的工作原理

8.3 ANP

8.4 AG-UI协议

实战：开发和使用MCP服务器

实战：从零开始跑通A2A协议

第9章 AI智能体进阶技术

9.1 上下文工程

9.1.1 上下文工程简介

9.1.2 Manus的上下文工程经验分享

9.2 AI智能体的元认知

9.2.1 什么是元认知

9.2.2 元认知在AI智能体中的重要性

9.3 多模态AI智能体

9.3.1 多模态模型简介

9.3.2 多模态AI智能体的实现

9.4 进阶RAG技术

9.4.1 上下文检索

9.4.2 缓存增强生成

9.4.3 知识图谱RAG

9.4.4 代理RAG

9.4.5 多模态RAG

实战：基于DeepSeek、LangChain和Milvus的多模态RAG系统

第10章 大模型的企业级部署与企业级知识库搭建

10.1 DeepSeek的企业级部署

10.1.1 DeepSeek私有化部署方案

10.1.2 DeepSeek信创适配方案

10.1.3 DeepSeek金融行业微调方案

10.2 企业级知识库搭建

10.2.1 本地知识库搭建流程

10.2.2 本地知识库的典型应用场景

实战：基于DeepSeek、Milvus和AnythingLLM搭建知识库

实战：基于DeepSeek和RAGFlow搭建知识库

第11章 企业级AI智能体开发

11.1 企业级AI智能体构建的全流程

11.1.1 步骤1：明确AI智能体的功能

11.1.2 步骤2：为AI智能体制定工作流程

11.1.3 步骤3：利用提示词打造MVP

11.1.4 步骤4：AI智能体的构建

11.1.5 步骤5：AI智能体的测试与迭代

11.1.6 步骤6：AI智能体的部署、扩展与持续完善

11.2 企业级AI智能体的项目介绍

11.2.1 DACA设计模式与项目介绍

11.2.2 企业级AI智能体开源项目介绍

实战：对冲基金AI智能体开发

第12章 企业级AI智能体部署

12.1 企业级AI智能体的部署方案

12.1.1 部署架构

12.1.2 部署流程

12.1.3 部署安全的AI智能体

12.1.4 部署评估与成本管理

12.2 AI智能体与企业RPA的融合

12.2.1 RPA简介

12.2.2 RPA与AI智能体的融合

12.3 AI智能体与企业管理系统的对接

12.3.1 对接的步骤与应用场景

12.3.2 对接面临的挑战

实战：基于LangChain和DeepSeek的AI智能体监控与评估系统

第13章 AI智能体的行业落地

13.1 AI智能体行业落地挑战

13.1.1 数据隐私保护

13.1.2 安全性与可靠性

13.1.3 伦理风险应对

13.2 AI智能体可信度评估与AI偏见消除

13.2.1 AI智能体可信度评估

13.2.2 AI偏见消除

实战：基于AI Fairness 360和DeepSeek减少偏见

第14章 AI智能体前沿探索

14.1 大模型及AI智能体的发展趋势

14.1.1 大模型的发展趋势

14.1.2 AI智能体的发展趋势

14.2 智能体社会与多智能体社会模拟

14.2.1 智能体社会

14.2.2 多智能体社会模拟

14.3 具身智能与AI智能体

14.3.1 具身智能简介

14.3.2 具身智能与AI智能体的结合

14.3.3 具身智能的发展

实战：基于AutoGen和DeepSeek的多智能体社会模拟

后记