新書推薦：
《
美学四讲
》
售價：HK$
332
《
不可辨识的生命—影像 融合文化研究、后现代视角与图像学，评析戏剧影视艺术，洞察社会思潮，思想美学并重
》
售價：HK$
398
《
大国重器—中国盾构机创新发展之路
》
售價：HK$
551
《
长路行（带你看民国顶级书香世家的真实生活日常）
》
售價：HK$
347
《
人体脂肪的秘密
》
售價：HK$
352
《
社会史：理论与实践（增订版）（德国著名社会史学家于尔根·科卡重要文集。全面展现德国社会史学派的兴起与
》
售價：HK$
500
《
津巴多时间心理学 首次系统论述时间观疗法 菲利普·津巴多 著 自我觉察 活在当下 津巴多 心理学 当
》
售價：HK$
352
《
亲爱的族人：菲利普王之战的新叙事（横扫北美史学界各项大奖 以印第安女王视角重写北美大陆的反殖民之战）
》
售價：HK$
653
|
| 編輯推薦： |
（1）案例驱动，读者拿来即用：覆盖ReAct、Plan-and-Execute、RAG与多模态等主流Agent模式，提供可复用代码与最佳实践，让读者快速见成效。
（2）打通全栈工具链，赋能企业落地：融合LangChain、LlamaIndex、LangGraph、AutoGen与OpenAI Swarm等框架，讲透函数调用、工具集成、多Agent协作与工程化部署，直达企业级落地。
（3）实力派作者，传授有效经验：作者拥有10 年架构与管理经验，经历众多大型项目的真实锤炼，保障内容稳、准、狠。
|
| 內容簡介： |
这是一本案例驱动的AI Agent开发指南，提供丰富的“即插即用”的案例代码和最佳实践，帮助读者迅速掌握Agent开发的主流模式和完整流程，满足现实的业务场景需求，符合用户的真实诉求。
本书分为8章，共3篇，全面阐述Agent的表现类型、技术体系、开发模式和落地案例，具体内容如下：
（1）AI Agent基础篇（第1、2章） 介绍AI Agent的基本概念和开发模式，引出AI Agent的技术体系和实现方式，并以最常见的OpenAI LLM为例，演示从零构建一个AI Agent的过程，提供OpenAI Swarm框架的使用方式和案例。
（2）AI Agent实现篇（第3~5章） 介绍AI Agent的典型实现模式，包括通用型的ReAct Agent和Plan-and-Execute Agent、集成RAG技术的知识型Agent，以及整合图像和音频处理技术的多模态Agent，并在实现过程中引入LangChain和LlamaIndex这些常用框架。
（3）AI Agent应用篇（第6~8章） 从实际需求出发，全面介绍构建企业级AI Agent所需的各项工程化技术。同时，引入多Agent系统应对复杂场景，并采用LlamaIndex、AutoGen、LangGraph等主流框架完成多个实战案例，从而详细阐述多Agent系统的设计开发过程以及相应的技术组件以及实现技巧。
|
| 關於作者： |
郑天民
AI应用开发专家、智能系统架构师，有10余年软件行业从业经验。
曾历经多家大型上市公司和独角兽公司，担任系统架构师、技术总监和CTO等职务。负责过多个跨境电商、医疗健康领域的RAG和AI Agent系统的设计与开发工作。在国际三大索引期刊上发表过多篇论文，研究方向为人工智能在大规模调度系统中的应用。
对架构设计和技术管理有丰富的经验与深入的理解。长期担任企业顾问与培训讲师，有丰富的技术和管理主题的培训经验。
阿里云MVP、腾讯云TVP、TGO鲲鹏会会员。
|
| 目錄：
|
CONTENTS
目 录
前言
AI Agent基础篇
第1章 AI Agent开发模式2
1.1 认识AI Agent2
1.1.1 Agent的定义2
1.1.2 Agent的应用场景4
1.2 集成LLM6
1.2.1 LLM的技术体系6
1.2.2 LLM与提示工程11
1.3 Agent关键技术14
1.3.1 规划15
1.3.2 记忆16
1.3.3 工具20
1.3.4 行动22
1.4 Agent的实现类型22
1.4.1 通用型Agent22
1.4.2 知识型Agent23
1.4.3 多模态Agent25
1.4.4 多Agent系统27
1.5 Agent开发工具和框架28
1.5.1 原生LLM28
1.5.2 LangChain和LangGraph29
1.5.3 LlamaIndex和工作流32
1.5.4 多Agent框架36
1.6 本章小结40
第2章 LLM和Agent42
2.1 集成OpenAI LLM42
2.1.1 引入OpenAI LLM42
2.1.2 集成OpenAI API44
2.1.3 理解函数调用49
2.2 基于OpenAI LLM从零构建并执行Agent59
2.2.1 构建Agent60
2.2.2 执行Agent65
2.3 基于OpenAI Swarm构建Agent75
2.3.1 OpenAI Swarm开发模式75
2.3.2 OpenAI Swarm案例解析78
2.4 本章小结83
AI Agent实现篇
第3章 通用型Agent86
3.1 ReAct Agent86
3.1.1 ReAct架构解析86
3.1.2 基于LlamaIndex构建ReAct Agent88
3.1.3 基于LangChain构建ReAct Agent94
3.2 Plan-and-Execute Agent101
3.2.1 Plan-and-Execute架构解析101
3.2.2 基于LangChain实现Plan-and-Execute Agent104
3.3 本章小结109
第4章 知识型Agent111
4.1 引入Agentic RAG111
4.1.1 RAG应用开发流程111
4.1.2 实现Agentic RAG架构113
4.2 基于LangChain构建知识型Agent117
4.2.1 处理文档117
4.2.2 集成向量数据库121
4.2.3 增强检索功能126
4.2.4 整合ReAct Agent128
4.3 基于LlamaIndex构建多级知识型Agent131
4.3.1 文档处理和检索132
4.3.2 实现两层文档处理Agent136
4.4 本章小结141
第5章 多模态Agent143
5.1 引入多模态技术143
5.1.1 图像处理技术基础143
5.1.2 语音处理技术基础145
5.2 基于LangChain实现多模态145
5.2.1 实现图像处理146
5.2.2 实现语音处理148
5.3 多模态Agent案例分析150
5.3.1 构建Agent150
5.3.2 实现交互流程158
5.4 本章小结164
AI Agent应用篇
第6章 企业级Agent工程化技术166
6.1 Agent工程化技术栈166
6.2 Agent运行时管理167
6.2.1 基于Ollama实现私有化部署167
6.2.2 基于LangSmith实现运行监控169
6.2.3 基于Phoenix实现链路跟踪172
6.3 Agent可视化交互174
6.3.1 使用Streamlit构建Web应用174
6.3.2 Agent可视化案例解析176
6.4 Agent外围技术182
6.4.1 开放Web API183
6.4.2 集成数据持久化186
6.5 本章小结190
第7章 多Agent系统191
7.1 多Agent系统的实战基础191
7.1.1 多Agent系统的构建模式191
7.1.2 多Agent协作模式192
7.2 基于LlamaIndex构建多Agent系统195
7.2.1 工作流和LlamaIndex195
7.2.2 健康管理的多Agent系统案例分析200
7.3 基于AutoGen构建多Agent系统213
7.3.1 AutoGen的工作原理213
7.3.2 AutoGen的核心组件215
7.3.3 客户洞察的多Agent系统案例分析224
7.4 本章小结231
第8章 多Agent系统的实战案例232
8.1 多Agent智能报告案例分析232
8.1.1 案例系统的场景分析232
8.1.2 案例系统的架构设计233
8.2 基于LangGraph构建多Agent系统234
8.2.1 LangGraph的开发模式234
8.2.2 LangGraph的高级特性241
8.3 多Agent智能报告案例实现243
8.3.1 构建工具243
8.3.2 创建Agent和节点246
8.3.3 定义StateGraph252
8.4 多Agent智能报告案例演示253
8.4.1 系统运行和验证254
8.4.2 系统监控和跟踪255
8.5 本章小结259
|
| 內容試閱：
|
Preface
前 言
所谓AI Agent（或称Agent，智能体）指的是能够感知环境并根据感知信息做出决策以实现特定目标的智能系统。在制造业、电商、金融、医疗等众多领域，Agent都展现出巨大的应用潜力，而大语言模型（Large Language Model，LLM）技术的不断演进更是为Agent的发展注入了新的动力。想要开发一款Agent应用，开发人员需要构建其规划、记忆、工具和行动能力，这就要求开发者掌握特定的技术体系和方法论。如何将这些技术体系和方法论与LLM模型集成起来构建企业级的Agent系统呢？一方面，需要对Agent主流的开发框架和模式有足够的了解；另一方面，需要结合具体的业务场景给出设计和实现方案，从而确保Agent能够真正落地。
本书是一本实战驱动的AI Agent开发指南，非常适合具备一定编程基础的读者学习。通过阅读本书，读者可以在短时间内掌握Agent应用的开发步骤，并基于现实中的业务场景设计及实现符合用户真实需求的应用系统，同时获取Agent应用开发所需的即插即用的案例代码和最佳实践。
本书分成三篇，全面阐述AI Agent的技术体系、开发模式和落地案例，具体内容如下：
（1）AI Agent基础篇
介绍AI Agent的基本概念和开发模式，引出AI Agent的技术体系和实现方式，并以最常见的OpenAI LLM为例，演示从零构建一个AI Agent的过程，提供OpenAI Swarm框架的使用方式和案例。
（2）AI Agent实现篇
介绍AI Agent的典型实现模式，包括通用型的ReAct Agent和Plan-and-Execute Agent、集成RAG技术的知识型Agent，以及整合图像和音频处理技术的多模态Agent，并在实现过程中引入LangChain和LlamaIndex这些常用框架。
（3）AI Agent应用篇
从实际需求出发，全面介绍构建企业级AI Agent应用所需的各项工程化技术。同时，引入多Agent系统应对复杂场景，并采用LlamaIndex、AutoGen、LangGraph等主流框架完成多个实战案例，从而详细阐述多Agent系统的设计开发过程以及相应的技术组件以及实现技巧。
本书面向的读者主要分为如下3类：
掌握一定编程语言和技术、对Agent开发有实际需求的技术人员。他们希望将Agent技术应用到现实场景中以解决实际问题，但由于对Agent及其相关技术体系缺乏足够的了解，且学习成本较高，因此急需一本开发指南来指导日常开发工作。本书可以帮助这类读者解决现实中的问题，并提供可参考的实现方案和代码。
对Agent有兴趣、希望体验Agent的广大开发人员。他们受到Agent技术的冲击和吸引，想要对Agent应用开发进行全面的了解，但找不到适合入门的实战类书籍来帮助自己快速掌握Agent的基本概念和核心技术。本书可以帮助这类读者快速理解并上手Agent相关开发框架，并提供可供演练的案例场景。
系统架构分析和设计人员。他们对传统企业级应用的设计和开发过程已经有足够的认识，但缺少将业务架构与Agent融合的相关认知和经验。本书可以帮助他们构建实用的Agent知识体系，使其更好地推进面向Agent融合的架构分析和设计工作。
本书的最大特色在于工程实践。虽然Agent非常热门，但是很多开发人员对Agent的理解往往停留在理论知识层面，而不知道如何将Agent与日常的业务场景和需求结合起来，从而构建一套能够落地的实践方案。在本书中，我们借助目前主流的LangChain、LlamaIndex、LangGraph等集成开发框架，详细阐述通用型Agent、知识型Agent、多模态Agent以及多Agent系统的实现技术。同时，我们通过大量的案例，结合日常开发过程中常见的业务场景，给出可行的案例设计方案和示例代码，从而帮助读者不仅能了解概念，还能掌握如何应用这些概念解决实际的问题。
在本书的撰写过程中，感谢我的家人，特别是我的妻子章兰婷女士，在我占用大量家庭时间写作的情况下，她给予了极大的支持和理解。感谢曾经以及现在一起工作的同事们，身处业界领先的公司和团队中，我获得了许多学习和成长的机会。没有平时大家的帮助，这本书不可能诞生。
本书中的案例代码已全部于https://github.com/tianminzheng/agent-application-development开源，有需要的读者可自行查阅。尽管再三核查，但书中仍难免有欠妥和错误之处，恳请读者批评指正。在抖音和B站搜索并关注“郑天民”，一起探索技术世界。
郑天民
2025年7月于杭州钱江世纪城
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
