AI Agent智能體開發實踐
鄧立國、鄧淇文
商品描述
作者簡介
目錄大綱
目 錄
第 1 部分 基礎與理論
第 1 章 初識智能體 2
1.1 智能體是什麼 2
1.2 AI智能體的類型 3
1.3 AI智能體的功能 4
1.4 智能體核心組件 6
1.5 智能體的發展歷程 9
1.6 智能體與大模型的關系 9
1.7 AI智能體的應用場景 10
1.8 本章小結 12
第 2 章 Agent開發環境配置 14
2.1 智能體開發環境安裝 14
2.1.1 Anaconda的下載與安裝 15
2.1.2 PyTorch的下載與安裝 16
2.1.3 PyCharm的安裝與使用 19
2.2 LLM的調用與使用 20
2.2.1 ModelScope（魔搭社區） 20
2.2.2 Qwen3的本地調用 21
2.2.3 Qwen3的在線調用 24
2.3 本章小結 27
第 3 章 智能體的關鍵技術 28
3.1 規劃與推理 28
3.1.1 CoT框架：分步推理 28
3.1.2 ToT框架：多路徑探索式推理 31
3.1.3 ReAct框架：將Reasoning+Acting結合 34
3.2 自適應學習 38
3.2.1 在線微調：人類反饋強化學習 38
3.2.2 參數高效微調：Adapter與Prefix-tuning 43
3.3 多Agent協同 52
3.3.1 角色分工：定義不同Agent的職能 52
3.3.2 通信協議：基於自然語言或結構化消息 56
3.3.3 競爭協調：拍賣機制或投票系統 62
3.4 感知與理解技術 73
3.4.1 多模態感知 73
3.4.2 環境建模 76
3.5 記憶與知識管理 80
3.5.1 短期記憶 80
3.5.2 長期記憶 85
3.6 本章小結 95
第 4 章 提示工程 96
4.1 提示工程概述 96
4.2 智能體基礎架構 98
4.3 提示設計方法 101
4.3.1 零樣本提示 101
4.3.2 少樣本提示 105
4.3.3 思維鏈提示 106
4.3.4 自洽性提示 109
4.4 高級提示技術 111
4.4.1 遞歸提示 111
4.4.2 元提示 114
4.4.3 多智能體協作提示 116
4.4.4 工具增強提示 122
4.5 評估與優化 128
4.5.1 提示效果評估指標 128
4.5.2 A/B測試方法 133
4.5.3 自動優化技術 140
4.5.4 對抗性提示防禦 145
4.6 本章小結 149
第 5 章 RAG（檢索增強生成）技術 150
5.1 RAG基礎概念 150
5.1.1 RAG技術概述 150
5.1.2 RAG架構組成 151
5.1.3 RAG工作流程 152
5.2 檢索技術 153
5.2.1 檢索方法 153
5.2.2 向量檢索技術 155
5.2.3 檢索優化策略 163
5.3 生成技術 167
5.3.1 代碼生成技術 167
5.3.2 文本生成技術 170
5.3.3 模板生成技術 172
5.4 知識庫構建與管理 174
5.4.1 數據來源與預處理 174
5.4.2 知識庫更新策略 179
5.4.3 多模態RAG 182
5.5 RAG優化與評估 185
5.5.1 評估指標 185
5.5.2 端到端優化方法 195
5.5.3 常見問題與解決方案 201
5.6 本章小結 214
第 2 部分 開發與實踐
第 6 章 智能體開發平臺簡介 216
6.1 開源平臺 216
6.1.1 LangChain 216
6.1.2 AutoSpark 217
6.1.3 AutoGPT 217
6.1.4 Microsoft Autogen 217
6.1.5 MetaGPT 218
6.1.6 DSPy 218
6.1.7 AgentVerse 218
6.1.8 LlamaIndex 218
6.1.9 Hugging Face Transformers Agents 218
6.1.10 SuperAGI 218
6.2 商業平臺 218
6.2.1 Dify 219
6.2.2 LlamaIndex 219
6.2.3 騰訊元器 219
6.2.4 文心智能體平臺（百度） 219
6.2.5 星辰Agent（科大訊飛） 220
6.2.6 扣子（Coze） 220
6.2.7 阿裏雲AgentScope 220
6.3 其他平臺 221
6.3.1 CrewAI 221
6.3.2 MaxKB 221
6.3.3 FastGPT 221
6.3.4 HuggingFace AgentHub 222
6.3.5 NVIDIA Omniverse Agent 222
6.3.6 AutoGen 222
6.4 本章小結 223
第 7 章 智能體開發流程 224
7.1 需求分析與規劃 224
7.2 設計與開發階段管理 225
7.3 測試與部署策略 226
7.4 本章小結 228
第 8 章 基於LangChain的智能體開發 229
8.1 LangChain框架簡介 229
8.1.1 LangChain的框架架構 229
8.1.2 LangChain的基本模塊 230
8.1.3 LangChain的基本應用場景 232
8.2 LangChain框架的輸入輸出 234
8.2.1 提示 234
8.2.2 語言模型 234
8.2.3 輸出解析器 235
8.3 LangChain框架的鏈和表達式語言 236
8.3.1 LangChain框架中的鏈 236
8.3.2 LangChain表達式語言 237
8.3.3 LCEL中的RunnableLambda 238
8.3.4 LCEL中的RunnableSequence 238
8.3.5 LCEL中的RunnableParallel 240
8.3.6 LCEL中的RunnablePassthrough 242
8.3.7 LCEL中的RunnableBranch 242
8.4 LangChain框架中的記憶 243
8.4.1 記憶的概念 243
8.4.2 BaseChatMessageHistory接口及其子類 243
8.4.3 RunnableWithMessageHistory 244
8.4.4 基於LangChain的聊天機器人 245
8.5 LangChain框架中的檢索增強生成 246
8.5.1 檢索增強生成介紹 246
8.5.2 索引、檢索和生成 248
8.5.3 文檔和文檔加載器 250
8.5.4 TextLoader、WebBaseLoader和pypdfLoader 251
8.5.5 分割器和遞歸字符文本分割器 252
8.5.6 嵌入模型 252
8.5.7 向量存儲庫 253
8.5.8 檢索器 254
8.6 LangChain框架中的智能體 258
8.6.1 人工智能代理介紹 258
8.6.2 LangChain中的AI Agent實現方式 259
8.6.3 多智能體框架LangGraph介紹 259
8.6.4 多智能體框架LangGraph中的圖 259
8.6.5 多智能體框架LangGraph中的狀態 260
8.6.6 多智能體框架圖中的節點 261
8.6.7 多智能體框架LangGraph中的邊 262
8.6.8 多智能體框架LangChain中的工具 263
8.6.9 再審方法 265
8.7 本章小結 268
第 9 章 基於MCP的智能體開發 269
9.1 MCP基本原理 269
9.2 單機MCP服務器端搭建 270
9.3 單機MCP服務端進階實現與優化 274
9.4 單機MCP客戶端搭建 283
9.5 MCP智能體開發案例 287
9.6 本章小結 288
第 10 章 基於RAG的問答智能體實戰 289
10.1 系統架構 289
10.2 核心功能模塊設計 291
10.3 本地部署和雲部署 293
10.4 完整代碼及運行結果 293
10.5 本章小結 300
第 11 章 多模態電商客服機器人實戰 301
11.1 系統架構 301
11.2 核心功能模塊設計 302
11.3 完整代碼及運行結果 304
11.4 本章小結 310
第 3 部分 優化與應用
第 12 章 智能體性能優化與調試技巧 312
12.1 性能瓶頸分析方法 312
12.2 調試工具與策略 314
12.3 優化實踐案例分享 315
12.4 本章小結 317
第 13 章 智能體部署與實施方法 318
13.1 部署前的準備 318
13.2 數據準備 319
13.2.1 訓練數據（部署前模型優化用） 319
13.2.2 測試數據（部署後效果驗證用） 320
13.3 部署方案選擇 320
13.3.1 本地部署 320
13.3.2 雲端部署 320
13.3.3 邊緣設備 321
13.3.4 嵌入式部署 321
13.3.5 專項部署 321
13.4 輕量化技術 322
13.5 成本優化策略 322
13.4.1 算力選型 322
13.4.2 資源調度 323
13.6 本章小結 323
第 14 章 多模態試駕預約Agent實戰 324
14.1 系統概述 324
14.2 系統架構 325
14.3 核心功能模塊設計 327
14.4 核心技術路徑分析 331
14.5 AI試駕預約系統完整實現 332
14.6 本章小結 359
第 15 章 基於RAG的多Agent客戶服務系統實戰 360
15.1 系統概述 360
15.2 系統架構 361
15.3 核心功能模塊設計 362
15.3.1 核心功能模塊設計流程 362
15.3.2 核心功能模塊設計 363
15.4 實現基於RAG的多Agent客戶服務系統 364
15.5 本章小結 373
第 16 章 基於MCP的多Agent旅行規劃助手實戰 374
16.1 系統概述 374
16.2 系統架構 374
16.3 項目結構 375
16.4 系統的Agent組成 376
16.4.1 用戶需求分析Agent 376
16.4.2 目的地推薦Agent 384
16.4.3 行程規劃Agent 387
16.4.4 預算管理Agent 389
16.4.5 預訂協調Agent 391
16.4.6 應急規劃Agent 393
16.5 關鍵技術實現 396
16.5.1 通信機制 396
16.5.2 多智能體協作規劃算法 399
16.5.3 沖突解決機制 405
16.5.4 共享知識庫存儲歷史決策和用戶反饋 406
16.6 旅行規劃完整工作流程 409
16.6.1 主程序調用（方案1：後端FastAPI實現） 409
16.6.2 主程序調用（方案2：Qwen模型調用+Gradio界面） 417
16.7 本章小結 432
