ai-agent-book

Wed, 22 Jul 2026 17:42:06 +0800

bojieli/ai-agent-book

深入理解 AI Agent：设计原理与工程实践

中文 ← 当前 · 中文繁体 · English · Tiếng Việt · தமிழ்

Agent = LLM + 上下文 + 工具——本书围绕这个核心公式，用 10 章把 AI Agent 从原理讲到工程实战。全书正文、配图、88 个配套实验全部开源，欢迎亲手把实验跑一遍。

📚 10 章正文，从基础到生产	📂 88 个配套项目（70+ 可独立运行）	🌐 5 种语言：中 / 中文繁体 / 英 / 泰 / 越

📖 电子书

📥 直接下载（全书正文，开源免费）。以下链接始终指向 main 分支的最新构建；固定版本见 Releases：

中文（原版）：PDF · EPUB

中文繁体（社区翻译，by @tigercosmos）：PDF · EPUB

英文（社区翻译，by @nsdevaraj）：PDF · EPUB

泰米尔语（社区翻译，by @nsdevaraj）：PDF · EPUB

越南语（社区翻译，by @toanalien）：PDF · EPUB

中文正文源码位于 book/；中文繁体/英文/泰米尔/越南语版本为社区贡献（可能滞后于中文原版），分别位于 book-zhtw/、book-en/、book-ta/、book-vi/。

可使用统一的构建脚本生成中文、中文繁体、英文、泰米尔语和越南语 EPUB 3 电子书。请参阅 EPUB 构建说明。

🔧 想自行编译 PDF？（需 pandoc / xelatex / ElegantBook）

正文源码：book/introduction.md（引言）、book/chapter1.md ~ book/chapter10.md（第一至第十章）、book/afterword.md（后记）
编译：安装 pandoc、xelatex、ElegantBook 文档类与相关字体后，运行
1

cd book && bash build_pdf.sh
图表由 book/gen_*_figs.py 生成、存于 book/images/，排版细节见 book/preamble.tex 与 book/*.lua。

📑 内容速览（第 1–10 章）

全书围绕核心公式 Agent = LLM + 上下文 + 工具 展开，十章层层递进：

章	主题	一句话核心	正文	代码
1	🚀 Agent 基础知识	「模型即 Agent」新范式 + Agent = LLM + 上下文 + 工具；Harness 工程才是竞争力	读	4
2	🎯 上下文工程	上下文决定能力上限：KV Cache、提示工程、Agent Skills、上下文压缩	读	9
3	📚 用户记忆和知识库	跨会话记住用户、接入外部知识：用户记忆、RAG、结构化索引、知识图谱	读	13
4	🛠️ 工具	工具是 Agent 的双手：MCP 协议、感知/执行/协作三类工具、事件驱动异步 Agent、主动工具发现	读	7
5	💻 Coding Agent 与代码生成	代码是「能创造新工具的工具」，生产级 Coding Agent 全景	读	12
6	🎯 Agent 的评估	把表现变成可比较信号：评估环境、指标、统计显著性、评估驱动选型	读	10
7	🧠 模型后训练	预训练/SFT/RL 三阶段：何时选 SFT、何时选 RL，工具调用内化、样本效率	读	14
8	🔄 Agent 的自我进化	不改权重也能成长：经验学习、从工具使用者到创造者	读	6
9	🎙️ 多模态与实时交互	从文本扩展到语音、GUI、物理世界：语音三范式、Computer Use、机器人	读	7
10	🤝 多 Agent 协作	群体智能高于个体：协作框架、上下文共享/隔离、涌现的「Agent 社会」	读	6

💡 读 = 在 GitHub 网页直接读章节正文（markdown）；N = 该章配套项目数，点击查看代码。项目类型说明（✅ 可运行 / 📖 复现 / 🚧 设计）见各章 README。

📚 如何高效阅读本书？详见 学习建议（核心理念、学习路径、难度分级、实践建议）。

🔑 API 密钥

建议申请下面几个平台的 API Key 方便学习。模型选型可参考这篇指南。

平台	链接	特色
Kimi（月之暗面）	https://platform.moonshot.cn/	Kimi 系列，Coding、Agent 能力强
智谱 GLM	https://open.bigmodel.cn/	GLM-5.2 等，Coding、Agent 能力强
Siliconflow	https://siliconflow.cn/	各种开源模型（DeepSeek、Qwen 等）
火山引擎	https://www.volcengine.com/product/ark	字节豆包闭源模型，国内访问延迟低
OpenRouter	https://openrouter.ai/	一站式访问 Gemini / Claude / GPT-5 等海外模型（官方 API 需海外 IP/支付方式，OpenAI 还需海外身份认证）

📦 附录 · 外部仓库获取

第 6、7、9、10 章的评测基准、训练框架、机器人平台等 20 个外部仓库未内置（出于体积与版权），需要自行克隆到对应目录。

一键克隆脚本

🔧 展开克隆命令（共 20 个外部仓库）

# 第 6 章 · 评测基准
git clone https://github.com/google-research/android_world.git         chapter6/android_world
git clone https://huggingface.co/datasets/gaia-benchmark/GAIA          chapter6/GAIA
git clone https://github.com/xlang-ai/OSWorld.git                      chapter6/OSWorld
git clone https://github.com/SWE-bench/SWE-bench.git                   chapter6/SWE-bench
git clone https://github.com/sierra-research/tau2-bench.git            chapter6/tau2-bench
git clone https://github.com/laude-institute/terminal-bench.git        chapter6/terminal-bench

# 第 7 章 · 训练框架（bojieli/* 为本书适配的分支）
git clone https://github.com/bojieli/minimind.git                      chapter7/MiniMind-pretrain/minimind      # 实验 7-3 从零训 LLM
git clone https://github.com/bojieli/minimind-v.git                    chapter7/MiniMind-pretrain/minimind-v    # 实验 7-4 从零训 VLM（投影层）
git clone https://github.com/bojieli/AdaptThink.git                    chapter7/AdaptThink-original
git clone https://github.com/bojieli/AWorld.git                        chapter7/AWorld
git clone https://github.com/bojieli/SFTvsRL.git                       chapter7/SFTvsRL
git clone https://github.com/bojieli/verl.git                          chapter7/verl
git clone https://github.com/thinking-machines-lab/tinker-cookbook.git chapter7/tinker-cookbook
git clone https://github.com/bojieli/lighteval.git                     chapter7/Intuitor/lighteval
git clone https://github.com/19PINE-AI/rlvp.git                        chapter7/RLVP/rlvp                       # 实验 7-14 RLVP 论文代码
git clone https://github.com/PRIME-RL/SimpleVLA-RL.git                 chapter7/SimpleVLA-RL/SimpleVLA-RL       # 实验 7-13 视觉-语言-动作 RL

# 第 9 章 · 浏览器自动化与 Claude 示例
git clone https://github.com/browser-use/browser-use.git               chapter9/browser-use
git clone https://github.com/anthropics/claude-quickstarts.git         chapter9/claude-quickstarts

# 第 10 章 · 双 Agent 架构（已独立为 TalkAct 项目）+ 斯坦福 AI 小镇
git clone https://github.com/19PINE-AI/TalkAct.git                     chapter10/use-computer-while-calling
git clone https://github.com/joonspk-research/generative_agents.git    chapter10/generative_agents             # 实验 10-7 斯坦福 AI 小镇

各项目 README 如标注了特定 commit，请按说明 git checkout 到对应版本以保证复现一致。第 10 章 use-computer-while-calling 已发展为独立维护的 19PINE-AI/TalkAct，本仓库只保留指向它的说明文档。

其它复现路径

下面这些实验无专属 clone 命令，但有特定的复现方式：

实验	类型	说明
6-2 / 6-3 / 6-4 / 6-9	📝 读者练习	人肉基准、记忆评估、JSON Cards vs RAG、记忆选型——改造复用第 3 章 `user-memory` / `user-memory-evaluation` / `contextual-retrieval`
5-12	📝 读者练习	能创造 Agent 的 Agent——基于 `chapter5/coding-agent` 自举扩展
7-8	📝 读者练习	Prompt 蒸馏——落地实现见 `chapter8/prompt-distillation`（跨章复用）
7-9	📝 读者练习	CoT 蒸馏 `[扩展]`——书中给出实验设计与验收标准，无专属代码
6-11	🤖 仿真评估	OpenVLA + RoboTwin2——VLA 训练/环境依赖见 `chapter7/SimpleVLA-RL` 的 README
9-8 / 9-9	🔧 真实硬件	XLeRobot 遥操作与 LLM Agent 控制——需 SO-100 机械臂，Teleop · LLM Agent
9-10	🔧 真实硬件	RGB 零样本 Sim2Real 抓取——`StoneT2000/lerobot-sim2real`（仿真可纯 GPU，部署需 SO-100）

🤝 贡献

本书与配套代码全部开源，非常欢迎社区通过 Pull Request 参与共建：

类型	说明
📝 书籍内容改进	勘误、补充、更清晰的表述，或新增前沿进展（正文见 `book/chapter*.md`）
🐛 代码改进与 Bug 修复	让配套项目更健壮、更易用、更贴近生产实践
🧪 新的实践项目	为某个实验补充/替换更好的实现，或贡献全新的示例项目
🎨 配图设计改进	让 `book/images/` 中的图表更清晰美观（配图由 `book/gen_*_figs.py` 生成）
🌐 新语言翻译	欢迎翻译成更多语言，可参考中文繁体（`book-zhtw/`）、英文（`book-en/`）、泰米尔语（`book-ta/`）、越南语（`book-vi/`）的组织方式

提交前建议先把相关实验亲手跑一遍、确认可复现；也欢迎先提 issue 讨论想法。

📄 许可证

本项目采用 Apache License 2.0 开源许可证，详见 LICENSE 文件。部分子项目可能包含各自的许可证信息，请以子项目中的说明为准。

⭐ Star History

_{由 scripts/gen_star_history.py 生成，GitHub Actions 每日自动更新 · 点击图片查看实时数据}

Design Principles on Producthunt daily