引言
"Agent = LLM + 上下文 + 工具"
这是「每日一个开源项目」系列的第 188 篇。今天的项目是《深入理解 AI Agent：设计原理与工程实践》—— 李博杰（bojieli）著，全书正文、配图和 95 个配套实验全部开源，PDF/EPUB 免费下载。
35,525 颗 Star，2025 年 9 月创建，Apache-2.0 许可。这是目前国内最系统的 AI Agent 中文技术书之一，从基础原理讲到工程实战，10 章覆盖从上下文工程到多 Agent 协作的完整知识图谱，并附有与工业基准直接对应的可运行实验。
你会学到什么
- 全书的核心公式和 10 章知识结构
- 每章的重点内容与实验设计
- 配套实验的运行方式（uv / pip）
- 如何根据自身背景选择学习路径
前提知识
- Python 基础
- 对 LLM 和 AI Agent 的基本认知
- 第 7 章（模型后训练）对 GPU 算力有要求，其他章节无需 GPU
项目背景
概述
这本书围绕一个核心公式展开：Agent = LLM + 上下文 + 工具。三个要素各占一席：LLM 提供推理能力，上下文决定能力上限，工具连接外部世界。全书 10 章都从这个公式的某个维度深入，层层递进，从基础概念到生产级工程实践。
「开源」在这里是认真的：全书正文是 Markdown，可以直接在 GitHub 读；PDF/EPUB 从 main 分支自动构建，每次更新后即可获取最新版；配套实验是真正可运行的代码，而不只是伪代码示例。
作者信息
- 作者: 李博杰（@bojieli）
- 在线阅读: bojieli.github.io/ai-agent-book
- 主要语言: Python（实验代码）
- 许可证: Apache-2.0
项目数据
- ⭐ GitHub Stars: 35,525+
- 🍴 Forks: 3,850+
- 📄 许可证: Apache-2.0
- 📅 创建时间: 2025-09-09
- 🌐 翻译语言: 13 种（中/英/西班牙/印尼/阿拉伯/繁體中文(台灣)/俄/泰米尔/越南/日/土耳其/韩/匈牙利）
获取方式
免费下载 PDF / EPUB（始终指向 main 分支最新构建）：
在线阅读（支持多语言切换、章节折叠、全文搜索）：bojieli.github.io/ai-agent-book
GitHub：book/chapter*.md 是中文正文源码，可直接在网页上读。
10 章知识结构
全书 10 章围绕核心公式，从不同维度深入：
| 章 | 主题 | 核心内容 | 实验数 |
|---|---|---|---|
| 1 | Agent 基础知识 | Agent = LLM + 上下文 + 工具；Harness 工程 | 4 |
| 2 | 上下文工程 | KV Cache、提示工程、Agent Skills、上下文压缩 | 9 |
| 3 | 用户记忆和知识库 | 跨会话记忆、RAG、结构化索引、知识图谱 | 13 |
| 4 | 工具 | 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 | 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 | 13 |
| 6 | Agent 的评估 | 评估环境、指标体系、统计显著性、评估驱动选型 | 13 |
| 7 | 模型后训练 | 预训练/SFT/RL 三阶段、工具调用内化、样本效率 | 16 |
| 8 | Agent 的持续进化 | 从运行轨迹获得学习信号，更新知识/指令/程序/参数 | 9 |
| 9 | 多模态与实时交互 | 语音三范式、Computer Use、机器人 | 12 |
| 10 | 多 Agent 协作 | 协作框架、上下文共享/隔离、涌现的「Agent 社会」 | 8 |
重点章节解析
第 2 章：上下文工程
这是全书最有价值的章节之一，也是作者认为 AI Agent 工程竞争力的核心所在。
「上下文决定能力上限」是本章的核心论断：同一个 LLM，上下文质量不同，能力表现天壤之别。本章覆盖：
- KV Cache 机制：如何在不修改模型的情况下大幅降低延迟和成本
- 提示工程（Prompt Engineering）：不只是「写好提示词」，而是系统性的上下文构建方法
- Agent Skills：结构化的能力声明，让 LLM 知道自己「会什么」
- 上下文压缩：长会话中的信息保留策略，在不丢失关键信息的前提下降低 token 消耗
第 3 章：用户记忆和知识库
Agent 不能每次都从零开始。本章把「记忆」拆成可工程化的组件：
- 用户记忆：跨会话保存用户偏好、历史决策、个性化信息
- RAG（检索增强生成）：把外部知识库动态接入上下文，而不是烧进参数
- 结构化索引：向量检索之外，如何处理表格、代码、数值型数据
- 知识图谱：关系型知识的表达和检索
第 4 章：工具
本章系统梳理了 Agent 工具层，重点是 MCP（Model Context Protocol）协议的原理与工程实践。工具按功能分为三类：
- 感知工具：获取外部信息（搜索、读取、监听）
- 执行工具：改变外部状态（写文件、调 API、运行代码）
- 协作工具：与其他 Agent 或人类交互
此外还讲了事件驱动的异步 Agent 设计模式，和 Agent 如何主动发现可用工具。
第 5 章：Coding Agent 与代码生成
这一章给出了一个精准的定位：「代码是能创造新工具的工具」。Coding Agent 的价值不只是写代码，而是在运行时动态扩展自己的能力边界。内容覆盖：
- 生产级 Coding Agent 的完整架构
- 代码生成的质量控制：测试、验证、迭代
- 代码执行沙箱的安全边界
- Coding Agent 的典型失败模式
第 6 章：Agent 的评估
评估是 Agent 工程中最难的环节，也是最被低估的。本章对应的实验直接使用工业级评测基准：
| 评测基准 | 类型 | 对应实验 |
|---|---|---|
| SWE-bench | 代码修复 | 6-x |
| OSWorld | GUI 操作 | 6-x |
| android_world | 移动端操作 | 6-x |
| GAIA | 通用能力 | 6-x |
| tau2-bench | 客服/工作流 | 6-x |
| terminal-bench | 终端命令 | 6-x |
这些不是自制的简化版，而是直接 clone 原始仓库并固定到特定 commit SHA，保证复现一致性。
第 7 章：模型后训练
全书实验数量最多的一章（16 个），从零开始覆盖 LLM 训练全链路：
- 预训练 vs SFT vs RL：三阶段各自解决什么问题，决策树
- 工具调用内化：如何通过训练让模型更好地使用工具，而不只是靠提示词
- 样本效率：在有限数据下最大化学习效果
- 何时选 SFT，何时选 RL：实验驱动的决策框架
使用的训练框架：verl（RL 训练）、MiniMind（预训练复现）、AdaptThink、SandboxFusion（代码执行沙箱）等，全部固定到精确的 commit SHA。
第 9 章：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：端到端语音、ASR+TTS 级联、流式交互
- Computer Use：Agent 操作 GUI 界面，对应实验直接使用 Anthropic claude-quickstarts 和 browser-use
- 机器人：XLeRobot、RoboCrew、lerobot-sim2real，从仿真到 sim2real 迁移
第 10 章：多 Agent 协作
群体智能如何高于个体能力：
- 协作框架：任务分解、角色分配、结果聚合
- 上下文共享与隔离：哪些上下文应该共享，哪些必须隔离
- 涌现的「Agent 社会」：斯坦福 AI 小镇（generative_agents）实验
- TalkAct（双 Agent 架构）：边打电话边操作电脑
配套实验运行方式
项目统一支持 Python 3.10+，推荐使用 uv 管理依赖：
# 安装 uv（速度远快于 pip）
# https://docs.astral.sh/uv/getting-started/installation/
# 克隆仓库
git clone https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book
# 安装某一章的依赖（以第 2 章为例）
uv sync --locked --extra ch2
# 运行实验
uv run python chapter2/context/main.py
# 未安装 uv 时
python -m pip install -e ".[ch2]"
python chapter2/context/main.pyAPI Key 配置：根目录复制 .env.example 为 .env，填入至少一个提供商 Key：
cp .env.example .env
# 编辑 .env，填入 API Key支持的国内提供商（推荐配置其中至少一个）：
| 平台 | 特色 |
|---|---|
| Kimi（月之暗面） | Coding/Agent 能力强 |
| 智谱 GLM | GLM-5.2，Coding/Agent 能力强 |
| Siliconflow | DeepSeek/Qwen 等开源模型，国内速度快 |
| DeepSeek | 官方 API，全球+国内 |
国际提供商：OpenAI、Anthropic Claude、Google Gemini 等。
学习路径建议
快速了解（2-3 天）
阅读第 1 章（基础），然后根据兴趣选一章深入：
- 工程实践为主 → 第 2、4、5 章（上下文工程、工具、Coding Agent）
- 系统评估 → 第 6 章
- 训练与优化 → 第 7 章
完整学习（4-6 周）
按 1→2→3→4→5→6 的顺序学，每章读完跑对应的 1-2 个实验。第 7 章（模型后训练）对 GPU 有要求，可选择性跳过；第 9、10 章依赖外部 repo，先看正文再决定是否运行实验。
按需查阅
直接在 在线版 搜索关键词，每章正文是 Markdown，GitHub 上可直接读。
参考资源
官方链接
- 🌟 GitHub: bojieli/ai-agent-book
- 🌐 在线阅读: bojieli.github.io/ai-agent-book
- 📥 PDF（中文）: AI-Agents-in-Depth-zh-CN.pdf
- 📥 EPUB（中文）: AI-Agents-in-Depth-zh-CN.epub
- 📖 学习建议: docs/zh-CN/LEARNING.md
总结
《深入理解 AI Agent》的价值在于它做的几个不常见的选择：
核心公式先于章节结构：「Agent = LLM + 上下文 + 工具」不只是书名下面的一句话，它是全书的组织原则。每一章都在回答：「这个要素的某个维度，如何做好工程？」这种结构让读者始终知道自己在学什么，以及为什么要学。
实验对应工业基准：第 6 章的实验不是作者自己设计的简单测试集，而是直接克隆 SWE-bench、OSWorld、GAIA 等已被学术界和工业界广泛使用的基准，并固定到精确的 commit SHA。这意味着你跑出来的数字和论文里的数字是可比较的。
第 2 章：上下文工程：这个概念在 2025 年之前很少被单独成章讲，但它确实是 Agent 工程中最被低估的部分。同一个 LLM，上下文构建方式的差异，往往比模型选型的差异更大。
开源是认真的：全书 Markdown 源码开放，PDF/EPUB 自动构建，正文、配图、实验代码全部在仓库里。13 种语言翻译来自社区贡献，说明这本书的信息密度已经足够高，值得投入翻译工作量。
如果你正在从「会用 LLM API」迈向「能设计和实现 AI Agent 系统」，这本书提供了一条系统的路径。
探索 PrimeSkills —— 精选 AI agent 和技能工具，每一个都经过真实工作流验证。没有炒作，只有真正好用的工具。
访问我的个人主页，获取更多见解和有趣的产品。