想在AI智能体（Agent）发领域抢占先机？《复合型AIAgent发:从理论到实践》集结资深研发经验，为你揭秘复合型智能体的技术内核。《复合型AIAgent发:从理论到实践》不仅系统讲解DeepSeek私有化部署、RAG、MCP等核心与前沿技术，更通过海量实际案例，手把手带你在实践中精通AI智能体的构建与应用。《复合型AIAgent发:从理论到实践》是AI发者提升技术栈、实现能力跃迁的宝藏，也是教学培训专业人士获取前沿知识、激发创新思维的源泉。凭借其严谨的体系和超强的实用性，《复合型AIAgent发:从理论到实践》将成为有一定编码基础的你并深耕AI智能体应用发的最佳指引。
售 价：¥
纸质售价：¥77.20购买纸书
6.5
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
作者简介
内容简介
推荐序
前言
第1章 绪论
1.1 AI Agent演进之路
1.1.1 开幕：LLM与ChatGPT
1.1.2 前传：Transformer架构
1.1.3 初见端倪：单向自回归解码
1.1.4 问世：ChatGPT
1.1.5 风波再起：DeepSeek
1.1.6 百花齐放：Agent
1.2 复合型AI Agent的市场前景
1.3 本书的内容安排
第2章 Agent开发基础
2.1 Agent三要素：LLM、Prompt、Action
2.2 LLM：以DeepSeek API为例
2.2.1 基础调用
2.2.2 请求参数
2.2.3 流式请求
2.2.4 system message
2.2.5 深度思考标签
2.3 Prompt：工程化提示词
2.3.1 思维链
2.3.2 结构化提示词
2.3.3 正反面示例引导
2.3.4 分治法
2.3.5 复杂响应的数据结构转换
2.4 Action：Function Calling
2.5 本章小结
第3章 RAG：检索增强生成技术
3.1 什么是RAG
3.1.1 RAG架构链路
3.1.2 RAG的优势
3.2 RAG底层实现
3.2.1 向量化
3.2.2 长文本切割
3.2.3 向量存储&相似匹配
3.3 RAGAS召回评估
3.4 自我矫正：CRAG
3.5 示例：从RAG到复合型Agent
3.6 本章小结
第4章 MCP：模型上下文协议
4.1 初探MCP
4.2 MCP基础开发
4.2.1 MCP服务端
4.2.2 客户端
4.2.3 MCP Inspector
4.3 MCP通信类型
4.3.1 STDIO
4.3.2 HTTP SSE & Streamable HTTP
4.4 MCP应用
4.4.1 连接本地／远程MCP服务端
4.4.2 与Memory/Rules联动
4.5 本章小结
第5章 LangChain：复合型Agent开发框架
5.1 LangChain框架总览
5.2 langchain模块
5.2.1 项目初始化
5.2.2 Runnable接口
5.2.3 LLM
5.2.4 文档加载
5.2.5 RAG
5.2.6 多模态
5.2.7 SQL联动
5.3 langgraph模块
5.3.1 编排能力
5.3.2 记忆
5.3.3 Human-in-the-Loop
5.3.4 路径回放
5.3.5 工具调用
5.3.6 子图嵌套
5.4 典型Agent示例
5.4.1 CRAG
5.4.2 ReAct
5.4.3 Supervisor
5.5 本章小结
第6章 ChatUI：对话式交互组件库
6.1 ChatUI与对话式交互
6.2 ChatUI核心组件
6.2.1 对话容器
6.2.2 气泡
6.2.3 打字气泡
6.2.4 思考区域
6.2.5 输入态
6.2.6 消息状态
6.2.7 系统消息
6.3 主题定制
6.4 示例：具备图形界面的复合型Agent
6.5 本章小结
第7章 Coze：低代码AI应用搭建
7.1 Coze是什么
7.2 自主规划模式
7.2.1 人设与回复逻辑
7.2.2 模型
7.2.3 插件
7.2.4 知识库
7.2.5 记忆
7.3 对话流模式
7.3.1 开始和结束
7.3.2 大模型
7.3.3 插件
7.3.4 工作流
7.3.5 代码
7.3.6 选择器与意图识别
7.3.7 知识库
7.3.8 记忆
7.4 发布为API调用
7.5 本章小结
第8章 Agent设计范式：原子化与链路可控
8.1 框架设计
8.1.1 ReAct
8.1.2 Supervisor
8.1.3 Hierarchical
8.2 通信设计
8.2.1 SSE：轻量式流式推送
8.2.2 WebSocket：全双工实时通信
8.3 状态设计
8.3.1 状态管理
8.3.2 上下文跟踪
8.4 渲染设计
8.4.1 组件原子的Function Calling
8.4.2 渲染管道隔离
8.5 工作流优化范式
8.5.1 意图识别
8.5.2 Human in the Loop
8.5.3 自回归机制
8.5.4 记忆机制
8.5.5 安全边界
8.6 成本优化策略
8.6.1 Prompt token消耗优化
8.6.2 上下文与工具缓存
8.6.3 合理使用不同模型
8.7 本章小结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
