AI-Wiki

文档概览

报道介绍开源书《深入理解AI Agent 设计原理与工程实践》，并给出其 GitHub 项目地址：https://github.com/bojieli/ai-agent-book 。
报道将全书的核心主线概括为：Agent = LLM + 上下文 + 工具。
按报道说法，全书共有 10 章、88 个配套实验，其中 70 余个可独立运行；提供中文、英文、繁体中文、泰语、越南语五种语言版本。
读者可获取 PDF、EPUB 和 Markdown 正文；Markdown 正文位于仓库的 book/chapter1.md 至 book/chapter10.md。
报道认为该书要解决的痛点是：现有 Agent 教程可能只停留在 API 调用工具，或内容分散、缺少从原理到生产系统的学习路径。

报道称，10 章内容按递进关系覆盖：上下文工程、RAG 记忆、MCP 工具协议、Coding Agent、评估、模型后训练、自我进化、多模态与多 Agent 协作。
第 2 章讨论 AI Agent 上下文工程：包括 KV Cache 优化、提示工程、Agent Skills 与上下文压缩；报道强调其重点不仅是提示词写法，也包括上下文窗口的工程取舍。该章有 9 个配套项目。
第 4 章讨论 AI Agent 工具协议，即 MCP 工具协议：采用感知、执行、协作三类工具的分类法，并涉及事件驱动的异步 Agent 设计。报道将其定位为协议层面的工具工程，而非单纯的 Function Calling 教程。该章有 7 个配套项目。
第 5 章覆盖 Coding Agent，强调代码既是工具，也能创造新工具；12 个配套项目从单文件补全覆盖到多仓库重构。
第 7 章讨论模型后训练，比较预训练、监督微调（SFT）与强化学习（RL）三阶段，并涉及 SFT 与 RL 的选型、工具调用内化和样本效率分析。报道称该章有 14 个配套项目，为全书最多。
第 10 章讨论多 Agent 协作：包括协作框架、上下文共享与隔离，以及可能涌现的“Agent 社会”。该章有 6 个配套项目，报道特别提到其中包含斯坦福 AI 小镇复现。

报道给出的基础环境为：任意操作系统、Python 3.10 及以上版本，以及可访问互联网的网络环境。
报道建议至少准备 Kimi、智谱、Siliconflow、OpenRouter 之一的模型 API Key；这是一项实验准备建议，实际可用平台和模型配置仍取决于相应服务及项目代码。
首次实验的流程为：克隆仓库 git clone https://github.com/bojieli/ai-agent-book.git，进入 ai-agent-book 目录，再进入 chapter1。
在 chapter1 中执行 pip install -r requirements.txt 安装依赖，然后运行 python hello_agent.py；报道预期其展示一个最简单的 Agent 调用示例。

阅读 Markdown 正文时，可直接以浏览器或任意编辑器打开各章文件；在 macOS 中，报道示例使用 open book/chapter1.md。
报道提供了 Release 中预制 PDF 的链接，并建议需要离线阅读时直接下载 PDF 或 EPUB。
若自行编译 PDF，报道指出需要 pandoc、xelatex 与 ElegantBook；不希望配置这些工具时，可跳过编译，直接使用 Release 中的预制 PDF。

新手可先学习第 1—4 章，覆盖基础知识、上下文、记忆与工具；报道给出的估计学习时间约为 2—3 天。
希望深入 Agent 开发者可继续学习后续章节；报道将其概括为评估、后训练、自我进化、多模态与多 Agent 协作等内容，估计约需一周。
报道面向三类读者：希望从“调 API”进阶到搭建 Agent 系统的开发者、需要理解技术边界与成本的产品或项目人员，以及关注后训练和自我进化的研究者。
对开发者，报道认为完成学习后可尝试搭建 RAG 流水线、MCP 服务和多 Agent 协作框架；对产品或项目人员，报道认为第 6 章的评估方法论可辅助技术选型。这些均为报道给出的适用性判断，而非结果保证。

报道列出的 API 平台包括 Kimi、智谱 GLM-5.2、Siliconflow、火山引擎与 OpenRouter，并分别以 Coding/Agent 能力、开源模型数量、国内低延迟或海外模型聚合等角度作推荐。此类推荐具有时效性，应以各平台当前能力、价格、地区可用性和项目兼容性为准。
报道称项目采用 Apache 2.0 协议。
报道鼓励通过 Pull Request 改进正文、修复 Bug、贡献实践项目或提交翻译；提交前建议先运行相关实验。