買這商品的人也買了...
-
MIS 一定要懂的 82個伺服器建置與管理知識$420$357 -
$550從零開始學 Flutter 開發 -
Effective Python 中文版｜寫出良好 Python 程式的 90個具體做法, 2/e (Effective Python: 90 Specific Ways to Write Better Python, 2/e)$580$493 -
JavaScript 無所不在 (JavaScript Everywhere: Building Cross-Platform Applications with Graphql, React, React Native, and Electron)$580$458 -
$402Flutter 跨平臺開發入門與實戰 -
Flutter/Dart 跨平台 App 開發實務入門$540$426 -
$177MicroPython 開發與實戰 -
PyTorch 語音識別實戰$534$507 -
Stable Diffusion：與杰克艾米立攜手專精 AI 繪圖$750$637 -
AI 時代的資料科學：小白到數據專家的全面指南$1,080$853 -
LangChain 奇幻旅程：OpenAI x Gemini x 多模態應用開發指南$680$530 -
語音識別：原理與應用, 3/e$714$678 -
生成式 AI x RAG x Hugging Face 提示工程打造數據採樣神技$980$774 -
RAG × LangChain 整合應用：從問診機器人開始，打造可信任的 AI 系統 (iThome鐵人賽系列書)$600$396 -
$300控制系統建模、仿真與設計 — 基於 MATLAB / Simulink 的分析與實現 -
LangGraph 實戰開發 AI Agent 全攻略：掌握 AI 模型 × 工作流程 × 設計應用，從零打造智慧分工多代理協作系統（iThome鐵人賽系列書)$660$514 -
從試算表到資料平台：重構資料工程的技術與團隊$680$537 -
LLM 語意理解與生成技術完全開發 (Hands-On Large Language Models)$980$774 -
從零構建大模型習題解答$359$341 -
深談 AWS 雲端上的 AI Agent：系統化學習 AWS-AI 證照，協助企業管理 AI Agent$680$449 -
AI Agent 開發實戰：MCP + A2A + LangGraph 驅動的智能體全流程開發$599$569 -
用 LangChain 打造生成式 AI 創新應用：從 LangGraph 到 LangSmith$820$647 -
塞爆 128G GPU 記憶體，Nvidia DGX Spark，影音圖生成、微調、預訓練 Agent 全面玩透$1,080$853 -
影像生成式 AI － Python 程式實戰$650$585 -
Claude Code Vibe Coding 開發手冊, 2/e$850$671
相關主題
商品描述
本書特色
1.理論 × 實務並重，完整建構AI Agent知識
2.以大型語言模型（LLM）為核心，掌握最新Agent技術
3.運用Podman容器化技術，掌握從開發、測試到上線的完整流程
4.貼近企業應用的實作案例，強化實務能力
內容簡介
本書採「原理 × 實務」並重的編排方式，除了完整說明 AI Agent 的設計思維與運作機制，也透過範例程式與應用案例，協助讀者理解如何建構具備自主規劃、工具使用、記憶管理及多代理協作能力的智慧代理系統。
書中除介紹 AI Agent 的核心原理與心智模型外，也實作多種主流框架與開發流程，包含 LangChain、LangGraph、CrewAI、AutoGen、Agentic RAG 等熱門技術，並探討 AI 在企業應用、自動化流程與智慧服務等領域的發展趨勢。
此外，本書亦涵蓋 AI Agent 在智慧助理、自動化系統、人機協作等場景的實際應用，適合作為 AI Agent 領域的入門學習與實務參考書籍。
目錄大綱
CH01 人工智慧與代理人(Agent)導論
1-1 人工智慧的探索
1-2 代理人(Agent)的定義
1-3 Agent 架構分類
1-4 以LLM作為認知引擎的Agentic AI
1-5 真實世界應用與新興趨勢
1-6 原理與實作：建構AI Agents
1-7 挑戰、風險與治理
1-8 未來展望：邁向協作型自主系統
1-9 章節總結
CH02 虛擬化容器平台與Podman
2-1 為何AI Agent需要容器化？
2-2 從基礎設施到Agent開發之雲原生技術堆疊
2-3 虛擬平台階層關係
2-4 Podman核心概念：為AI Agent打造安全沙盒
2-5 Podman與Docker的戰略選擇
2-6 安裝與環境設定
2-7 Podman Desktop與Podman AI Lab
2-8 基本指令與映像檔管理
2-9 使用Containerfile建置映像檔封裝AI Agent
2-10 進階CLI概念：Pod、磁碟區與AI Agent的後端服務
2-11 Kubernetes工作流程
2-12 章節總結
CH03 AI Agent原理與技術
3-1 AI Agent簡介
3-2 AI Agent的基本原則與架構詳解
3-3 驅動現代AI Agent的核心技術
3-4 商用與開源LLM模型選擇與本地端推論架構
3-5 Agent 營運(AgentOps)：從容器化到雲端原生架構
3-6 章節總結
CH04 AI Agent設計與開發
4-1 AI Agent設計模式
4-2 Agent設計框架
4-3 使用Podman進行MLOps
4-4 AI Agent的當前趨勢與未來方向
4-5 章節總結
CH05 運用大型語言模型設計Agents — 以直覺反應Agents為例
5-1 智慧型Agent的理論基礎
5-2 現代化的直覺反應式Agent
5-3 範例：一個穩健的系統監控Agent
5-4 在本機虛擬環境執行範例
5-5 從本地端程式到可商業部署的軟體
5-6 章節結論
CH06 模型驅動反應式(Model-Based Reflex)Agent設計
6-1 超越即時反應 - 內部狀態的需求
6-2 理論基礎與LLM的角色
6-3 使用Podman和Ollama的本地端AI
6-4 一個「具備上下文感知」的Agent
6-5 使用Podman進行部署與移植
6-6 章節總結
CH07 目標導向(Goal-Based) Agents設計
7-1 緒論
7-2 問題形式化與狀態空間搜尋
7-3 自動化規劃(Automated Planning)
7-4 概率環境下的目標規劃與世界模型
7-5 密閉脫逃遊戲設計
7-6 建置Podman容器和執行Agent
7-7 章節總結
CH08 謀而後動(ReAct) Agent設計
8-1 認知與行動的協同效應之運作模式
8-2 ReAct Agent的核心組件與實作機制
8-3 ReAct 模式的實作框架
8-4 ReAct Agent範例與容器化
8-5 ReAct 的即時執行追蹤
8-6 關鍵技術挑戰與解決方案
8-7 進階設計模式
8-8 章節總結
CH09 自我反思（Self-Reflection）Agent設計
9-1 LLM 從單向線性生成到遞迴式自我優化
9-2 後設認知、內省與反饋迴路
9-3 核心技術架構
9-4 自我反思Agent範例
9-5 使用Podman進行容器化與部署
9-6 自我反思Agent設計與提示詞工程
9-7 挑戰與限制
9-8 章節總結
CH10 代理式(Agentic)RAG設計
10-1 從靜態檢索到動態認知的Agentic RAG演進
10-2 檢索增強的核心組件與技術
10-3 自主代理設計模式
10-4 建置一個地端執行的容器化Agentic RAG
10-5 建置Podman容器和執行Agent
10-6 上下文工程與優化(Context Engineering)
10-7 評估體系與安全護欄(Evaluation & Guardrails)
10-8 章節結論
