AI智能體核心技術剖析與實踐

目    錄

第 1 章  智能體革命的基石——從LLM到Agent的跨越 1

1.1  LLM智能的源頭與大腦 1

1.1.1  什麼是LLM 2

1.1.2  LLM的發展簡史 4

1.1.3  Transformer架構 9

1.2  AI Agent：從“對話”到“行動”的進化 27

1.2.1  什麼是AI Agent 27

1.2.2  AI Agent的本質 28

1.2.3  AI Agent的關鍵技術 28

1.2.4  AI Agent的五級演化 31

1.3  AI Agent核心轉變 32

1.3.1  AI Agent的認知閉環 32

1.3.2  AI Agent的閉環模塊 33

1.3.3  AI Agent的閉環影響 34

1.4  現實中的應用場景 35

1.4.1  辦公領域中的AI Agent應用 35

1.4.2  客戶服務中的AI Agent應用 37

1.4.3  科研領域中的AI Agent應用 38

1.4.4  內容創作領域中的AI Agent應用 39

1.5  本章小結 40

第 2 章  智能體的核心架構與交互協議 41

2.1  智能體的三大核心組成部分 41

2.1.1  模型 41

2.1.2  工具 46

2.1.3  編排層 47

2.2  基礎模型層——選擇LLM的關鍵指標 49

2.2.1  推理能力 49

2.2.2  多輪對話的連貫性與記憶能力 50

2.2.3  上下文窗口大小 52

2.2.4  響應時間與調用穩定性 52

2.2.5  API成本與性價比評估 53

2.2.6  安全性與對齊能力 54

2.2.7  可用性與集成便利性 55

2.3  工具集成層——Function Calling與Tool 55

2.3.1  工具集成方案描述 56

2.3.2  工具集成方案實踐 57

2.3.3  工具集成方案選擇 63

2.4  MCP核心技術剖析 63

2.4.1  MCP的原理與實踐 63

2.4.2  MCP的底層運行機制 74

2.4.3  MCP Host與模型的交互 92

2.5  MCP與Function Calling的關系 98

2.5.1  Function Calling的基本介紹 99

2.5.2  Function Calling的交互流程 99

2.5.3  Function Calling的實踐 101

2.5.4  MCP與Function Calling的關系 106

2.6  本章小結 107

第 3 章  智能體的能力增強與自動化執行 108

3.1  上下文工程 108

3.2  執行增強層——RAG 114

3.2.1  RAG原理 114

3.2.2  RAG實踐 124

3.2.3  Agentic RAG 133

3.3  自動化工具集成 146

3.3.1  AI+RPA技術應用 146

3.3.2  BrowserAgent 162

3.3.3  Computer Use 165

3.3.4  Phone Use 167

3.3.5  超級個人助手OpenClaw 172

3.4  本章小結 178

第 4 章  提示詞工程與認知架構 179

4.1  提示詞工程 179

4.1.1  提示詞定義 180

4.1.2  提示詞要素 180

4.1.3  提示詞通用設計原則 181

4.1.4  高級提示詞 184

4.1.5  LLM的輸出配置 190

4.2  從CoT到ReAct框架 194

4.2.1  思維鏈 194

4.2.2  ReAct框架 198

4.3  Plan-And-Execute框架 207

4.4  ToT、GoT以及AoT認知架構 209

4.4.1  ToT 210

4.4.2  GoT 211

4.4.3  AoT 213

4.5  本章小結 214

第 5 章  從理論到實踐：使用LangChain、LangGraph和LangSmith構建智能體 215

5.1  Agent框架地圖 215

5.2  LangChain框架 221

5.2.1  LangChain核心模塊 221

5.2.2  LangChain實踐 223

5.2.3  LangChain適用場景 232

5.3  LangGraph框架 233

5.3.1  LangGraph核心模塊 233

5.3.2  LangGraph的整體優勢 253

5.3.3  LangGraph的適用場景 253

5.4  LangSmith平臺 254

5.4.1  環境準備 254

5.4.2  代碼示例 255

5.4.3  LangSmith監控 256

5.5  知識問答Agent 260

5.5.1  核心功能 260

5.5.2  工作流程 261

5.5.3  環境配置 262

5.5.4  代碼示例 262

5.5.5  結果展示 273

5.5.6  LangSmith監控 276

5.6  本章小結 279

第 6 章  多智能體協作與通信協議 280

6.1  多智能體系統 280

6.1.1  什麼是多智能體系統 281

6.1.2  多智能體系統的優勢 282

6.1.3  極簡示例：第一個多智能體協作程序 283

6.1.4  動手試一試 284

6.2  核心通信協議：A2A與AG-UI 285

6.2.1  A2A協議 285

6.2.2  AG-UI協議 298

6.3  協作框架設計 304

6.3.1  角色分工 304

6.3.2  任務分配 305

6.3.3  流程編排 308

6.3.4  協作模式 308

6.4  多智能體實戰：公眾號圖文自動生成與發布 312

6.4.1  項目全景解析 312

6.4.2  項目環境準備 312

6.4.3  核心模塊深度解析 314

6.4.4  實戰運行 325

6.4.5  常見問題與解決 327

6.4.6  動手試一試 328

6.5  本章小結 329

第 7 章  大模型微調與對齊技術 330

7.1  大模型微調 330

7.1.1  指令微調：教會模型“聽懂”人話 331

7.1.2  LoRA微調：以小博大的參數效率革命 331

7.1.3  QLoRA微調：量化與低秩的完美結合 333

7.1.4  實踐建議：選擇合適的微調策略 334

7.2  RLHF技術 335

7.2.1  RLHF的三階段流程 336

7.2.2  RLHF的技術挑戰 338

7.2.3  改進方向和變體 339

7.2.4  實踐案例：InstructGPT的RLHF實踐 339

7.3  對齊技術進階：DPO與PPO的算法差異與實戰選擇 340

7.3.1  DPO原理與實踐 340

7.3.2  PPO原理與實踐 343

7.3.3  DPO與PPO算法對比與實戰選擇 345

7.3.4  改進算法簡介 346

7.3.5  實踐建議 347

7.4  本章小結 348

第 8 章  AI智能體與SaaS 349

8.1  Agent集成SaaS的三個階段 349

8.1.1  工具型接入 350

8.1.2  編排型接入 350

8.1.3  自治協作型接入 351

8.2  技術實現路徑 351

8.2.1  架構層面 352

8.2.2  核心技術棧 352

8.2.3  替換與集成場景示例 355

8.3  優勢與挑戰 355

8.4  擴展應用案例 356

8.4.1  企業自動化 356

8.4.2  客服Agent 356

8.4.3  創新場景 357

8.5  未來展望 358

8.6  本章小結 359

後記 360