深入理解 AI Agent：设计原理与工程实践

李博杰著 · 围绕核心公式 Agent = LLM + 上下文 + 工具，用 10 章把 AI Agent 从原理讲到工程实战。全书正文、配图与 109 个配套实验全部开源。

作者：李博杰（GitHub）
项目仓库：https://github.com/bojieli/ai-agent-book
在线阅读：https://bojieli.github.io/ai-agent-book/astro/
电子书：PDF / EPUB 可在仓库 Release 或在线阅读站获取
姊妹篇：《深入理解 AI Infra：量化分析与系统设计》

一、这本书在讲什么

《深入理解 AI Agent》是一本开源的、面向实践的 AI Agent 技术书。它不像普通理论讲义只讲概念，而是把"跑通代码、看到结果"放在第一位：围绕 Agent = LLM + 上下文 + 工具 这一核心公式，逐章拆解现代 Agent 的设计原理与工程落地。

全书共 10 章正文，外加引言与后记，覆盖从基础概念、上下文工程、记忆与知识库，到工具、Coding Agent、多模态交互、评估、后训练、持续进化与多 Agent 协作的完整链路；并配套 109 个可运行实验（含本地项目与外部复现轨道）。

二、教程目录（10 章）

序号	章节主题	配套实验数
1	AI Agent 入门	5
2	上下文工程	8
3	用户记忆和知识库	14
4	工具	6
5	Coding Agent 与通用 Agent	16
6	交互：观察与动作空间的扩展	13
7	Agent 的评估	12
8	模型后训练	18
9	Agent 的持续进化	10
10	多 Agent 协作	8

三、如何高效阅读

官方 学习建议：docs/zh-CN/LEARNING.md（核心理念、学习路径、难度分级、实践建议）。
建议先读引言建立"LLM + 上下文 + 工具"的心智模型，再按 1→10 顺序深入；关注安全可信的读者可优先看第 6~10 章。
每章正文即 book/chapterN.md，本站已逐章整理为独立文章发布（见下方目录）。

四、运行配套实验

项目统一支持 Python 3.11–3.13。在仓库根目录按章节安装依赖（将 ch1 替换为 ch2~ch10）：

# 推荐：使用提交到仓库的 uv.lock，获得可复现的章节环境
uv sync --locked --extra ch1
# 未安装 uv 时：从 pyproject.toml 重新解析
python -m pip install -e ".[ch1]"

运行会调用模型的实验前，请按实验 README 配置凭据（复制 .env.example 为 .env 填入至少一个提供商 Key）。各实验 README 与源码见每篇文章末尾的附件。

五、本站发布的章节

本站将全书 10 章分别整理为文章，并在每篇末尾提供该章所有实验 README 的打包下载与 GitHub 代码目录直链：

本书与配套代码全部开源，欢迎通过 Pull Request 参与共建。克隆或安装源码不代表实验已完成，实验执行状态见 docs/EXPERIMENT_STATUS.md。

本书附件

文件	类型	说明	下载
AI-Agents-in-Depth-zh-CN.pdf	PDF 电子书	全书正文与配图的完整 PDF（开源，Apache License 2.0）	点击下载

版权与出处声明

本文整理：getBooker（本系列由 getBooker 整理自开源教程，原书作者为李博杰）
本文链接：https://ilearnai.online/archives/1230/
原文链接：深入理解 AI Agent：设计原理与工程实践 · GitHub 原仓库（李博杰著，Apache License 2.0 开源）
原 GitHub 开源许可证：本教程原文与配套代码采用 Apache License 2.0 发布，版权归原作者所有；转载、修改与二次分发请遵守该许可证，并保留原始版权与许可声明。（许可证全文见仓库 LICENSE 文件：https://github.com/bojieli/ai-agent-book/blob/main/LICENSE）
转载需注明文章出处；若本文内容有侵犯到您的合法权益，请联系站长删除。