新書推薦：
《
晚清困局：同治中兴的权力博弈与秩序重建
》
售價：HK$
85.8
《
BeamDojo原理与应用实践：构建具身智能系统
》
售價：HK$
119.9
《
混沌与秩序Ⅲ：人工智能时代企业成长之道
》
售價：HK$
96.8
《
新文化运动中的杜威——“实用主义”的变奏
》
售價：HK$
82.5
《
世界两栖战舰和两栖作战百科全书
》
售價：HK$
437.8
《
藩镇时代
》
售價：HK$
107.8
《
时间的朋友
》
售價：HK$
64.9
《
士变：近代中国的思想转折
》
售價：HK$
96.8
|
| 編輯推薦： |
这是一本打通多智能体协同开发全链路的实践指南！
在AI技术加速演进的今天，单点突破已不足以应对复杂场景的需求——多智能体协同正成为解锁下一代人工智能应用的关键。《AI Agent应用开发：构建多智能体协同系统》应运而生，为开发者、技术爱好者及行业实践者提供了一套从基础到进阶、从理论到落地的完整解决方案。
《AI Agent应用开发:构建多智能体协同系统》核心亮点速览：
体系化知识架构：覆盖智能体核心组件（大模型/提示词工程/RAG/记忆/规划）、多智能体系统设计原则（交互环境、协作类型、通信机制），以及主流开源框架源码解析（AutoGen/MetaGPT等），助你建立扎实的技术认知框架。
实战导向学习路径：通过6大行业案例（智能家居、智慧办公、语言翻译等），手把手教你从需求分析到代码实现的全流程，将抽象概念转化为可运行的应用系统。
代码即生产力：全书贯穿可直接复用的Python示例，从调用GPT-4到搭建LangChain RAG系统，降低技术落地门槛，让创意快速变现。
前沿洞察与避坑指南：作者基于多年一线实践经验，提炼出模型选型策略、性能评测方法（如OpenCompass）、
|
| 內容簡介： |
《AI Agent应用开发:构建多智能体协同系统》深入浅出地介绍智能体与多智能体协同的核心知识及开发技巧。《AI Agent应用开发:构建多智能体协同系统》共8章，从智能体的基本概念、等级划分及模块组成入手，逐步深入探讨提示词工程、大模型评测与应用、记忆与RAG模块、规划能力等关键模块，并辅以编程实践。书中不仅详细讲解了多智能体相关理论与开源框架，更通过智能家居助手、AI办公助手、语言翻译助手、智能客服等领域的实战案例，展示多智能体系统解决复杂问题的强大能力。來源：香港大書城megBookStore,http://www.megbook.com.hk
《AI Agent应用开发:构建多智能体协同系统》特色鲜明，以代码示例为主，聚焦工程实践，避免冗余理论，直击智能体应用开发的核心。《AI Agent应用开发:构建多智能体协同系统》适合具有一定Python基础，了解或使用过大模型的开发者、工程师、产品经理以及对AI应用开发感兴趣的读者。
|
| 關於作者： |
|
尹浩，硕士，毕业于对外经济贸易大学，研究方向为边缘智能、多智能体系统、自然语言处理与大数据，先后供职于深开鸿、中国平安等公司，担任资深算法工程师。擅长大模型应用、深度学习、自然语言处理、大数据中台等相关技术，特别是在AIOS、非结构化文档理解等领域有深入研究，目前主要从事开源鸿蒙操作系统的原生AI推理和大模型智能体开发工作。发表过3篇技术专利和1篇实用性发明专利。
|
| 目錄：
|
目 录
第 1 章 智能体系统概述 1
1.1 什么是智能体 1
1.1.1 智能体初识 1
1.1.2 智能体的概念 3
1.2 智能体的核心组件概述 4
1.2.1 大语言模型 4
1.2.2 工具模块 5
1.2.3 记忆模块 6
1.2.4 规划模块 7
1.2.5 RAG模块 8
1.3 智能体的发展历程 8
1.4 智能体的等级划分 10
1.4.1 RASA 10
1.4.2 Google 10
1.4.3 类自动驾驶 11
1.5 为什么要使用智能体 12
1.5.1 大模型的缺点 12
1.5.2 智能体的特点 13
1.6 什么是多智能体协同 13
1.7 实验环境搭建 14
1.7.1 网页版对话测试 14
1.7.2 代码版对话测试 16
1.8 本章小结 21
第 2 章 认识大模型 22
2.1 Transformer的架构原理 22
2.2 大模型的训练流程 25
2.2.1 数据清洗 25
2.2.2 分词技术 26
2.2.3 位置编码 26
2.2.4 模型预训练 27
2.2.5 大模型微调 28
2.2.6 大模型对齐 29
2.2.7 解码策略 30
2.2.8 大模型幻觉 30
2.3 国内外大模型介绍 32
2.3.1 国外知名大模型 32
2.3.2 国内知名大模型 34
2.3.3 垂直领域大模型 36
2.4 大模型调用实战 37
2.4.1 调用GPT-4大模型 37
2.4.2 调用百度文心一言大模型 38
2.4.3 调用本地大模型 39
2.5 大模型能力评测 42
2.5.1 为什么要做大模型评测 42
2.5.2 需要评测大模型的哪些能力 43
2.5.3 如何评测大模型 45
2.6 常用的评测数据集介绍 46
2.6.1 MMLU数据集 46
2.6.2 C-EVAL数据集 49
2.6.3 MATH数据集 51
2.6.4 GSM8K数据集 54
2.6.5 HumanEval数据集 56
2.7 大模型评测网站——OpenCompass 58
2.7.1 OpenCompass介绍 59
2.7.2 大模型排行榜 59
2.7.3 OpenCompass评测工具介绍 61
2.7.4 数据集评测实战 63
2.8 本章小结 65
第 3 章 提示词工程 66
3.1 提示词 66
3.1.1 提示词的基本概念与特点 66
3.1.2 提示词的示例 67
3.2 结构化提示词 69
3.2.1 结构化提示词的基本概念 69
3.2.2 结构化提示词的示例 70
3.3 提示工程 74
3.3.1 ICIO框架 74
3.3.2 CRISPE框架 75
3.3.3 APE框架 77
3.3.4 BROKE框架 78
3.3.5 CARE框架 80
3.3.6 COAST框架 81
3.3.7 RACE框架 83
3.3.8 RISE框架 83
3.3.9 ROSES框架 85
3.3.10 TAG框架 87
3.3.11 TRACE框架 88
3.4 提示词的优化方法 90
3.5 自动生成提示词 92
3.6 本章小结 96
第 4 章 RAG系统的构建 97
4.1 RAG介绍 97
4.1.1 RAG的基本概念 97
4.1.2 RAG系统的构成 98
4.2 极简RAG实现 100
4.2.1 构建阶段实现 100
4.2.2 检索生成实现 103
4.2.3 RAG流程测试 104
4.3 文档解析 105
4.3.1 文件类型介绍 105
4.3.2 Word文档提取 108
4.3.3 半结构化文本提取 109
4.3.4 邮件文本提取 111
4.3.5 PDF文本提取 113
4.3.6 表格文本提取 115
4.3.7 图片文本提取 116
4.4 RAG优化方法 118
4.4.1 数据处理优化方法 118
4.4.2 查询路由优化方法 120
4.4.3 索引优化方法 122
4.5 基于LangChain的RAG实现 124
4.5.1 LangChain介绍 125
4.5.2 LangChain的RAG数据流程 127
4.5.3 文档加载器 128
4.5.4 文档转换器 130
4.5.5 文本嵌入模型 132
4.5.6 向量存储 134
4.5.7 知识检索 135
4.5.8 基于LangChain构建完整的RAG系统 136
4.6 评测RAG系统的性能 138
4.6.1 RAGas框架介绍 138
4.6.2 RAG系统评测实战 141
4.7 本章小结 143
第 5 章 记忆模块 145
5.1 记忆模块介绍 145
5.1.1 什么是记忆 145
5.1.2 记忆的作用 147
5.1.3 记忆的信息类型 148
5.1.4 记忆的压缩方法 149
5.2 手动实现Memory实践 150
5.2.1 计算token数 150
5.2.2 摘要总结实现 152
5.2.3 短期记忆实现 153
5.2.4 长期记忆实现 154
5.2.5 记忆测试 157
5.3 MemGPT框架 159
5.3.1 MemGPT框架介绍 159
5.3.2 基于MemGPT的案例实践 160
5.3.3 MemGPT框架源码解析 162
5.4 Mem0框架 171
5.4.1 Mem0框架介绍 172
5.4.2 基于Mem0的案例实践 173
5.4.3 Mem0框架源码分析 176
5.5 BoT框架 181
5.5.1 BoT框架介绍 181
5.5.2 基于BoT的案例实践 182
5.5.3 BoT框架源码解析 183
5.6 本章小结 186
第 6 章 规划能力 187
6.1 思维链 187
6.1.1 思维链介绍 187
6.1.2 CoT案例分析 189
6.1.3 CoT编程实践 190
6.2 Self-Ask 193
6.2.1 Self-Ask介绍 193
6.2.2 Self-Ask案例实践 193
6.2.3 Self-Ask编程实践 195
6.3 Self-Reflexion 197
6.3.1 Self-Reflexion介绍 197
6.3.2 Self-Reflexion案例实践 198
6.3.3 Self-Reflexion编程实践 201
6.4 Function Calling 202
6.4.1 Function Calling介绍 203
6.4.2 Function Calling案例实践 204
6.4.3 Function Calling编程实践 206
6.5 ReAct 210
6.5.1 ReAct介绍 210
6.5.2 ReAct案例实践 212
6.5.3 ReAct编程实践 217
6.6 Plan-and-Execute 223
6.6.1 Plan-and-Execute介绍 223
6.6.2 Plan-and-Execute案例实践 224
6.6.3 Plan-and-Execute编程实践 226
6.7 Self-Discover 230
6.7.1 Self-Discover介绍 230
6.7.2 Self-Discover案例实践 232
6.7.3 Self-Discover编程实践 233
6.8 本章小结 236
第 7 章 多智能体系统 237
7.1 多智能体系统介绍 237
7.1.1 单智能体系统概述 237
7.1.2 多智能体系统的特点 239
7.2 多智能体系统的核心 241
7.2.1 交互环境 241
7.2.2 协作类型 243
7.2.3 组织结构 245
7.2.4 通信机制 248
7.2.5 冲突解决 251
7.3 AutoGen框架 252
7.3.1 AutoGen框架介绍 252
7.3.2 基本概念 252
7.3.3 单智能体示例说明 255
7.3.4 多智能体示例说明 257
7.3.5 源码分析 259
7.4 MetaGPT框架 263
7.4.1 MetaGPT框架介绍 264
7.4.2 单智能体示例说明 265
7.4.3 多智能体示例说明 267
7.4.4 源码分析 269
7.5 CrewAI框架 273
7.5.1 CrewAI框架介绍 273
7.5.2 基本概念 274
7.5.3 单智能体示例说明 275
7.5.4 多智能体示例说明 277
7.5.5 源码分析 278
7.6 LangGraph框架 282
7.6.1 LangGraph框架介绍 282
7.6.2 单智能体示例说明 283
7.6.3 多智能体示例说明 285
7.6.4 源码分析 288
7.7 本章小结 293
第 8 章 智能体案例实战 294
8.1 智能家居助手 294
8.1.1 MCP介绍 294
8.1.2 MCP架构说明 295
8.1.3 构建智能家居MCP服务端 296
8.1.4 构建智能家居MCP客户端 297
8.1.5 构建智能家居MCP智能体应用 299
8.1.6 测试智能家居智能体 302
8.1.7 案例小结 302
8.2 AI办公助手 303
8.2.1 AiPPT介绍 303
8.2.2 API KEY申请 304
8.2.3 自动生成PPT 305
8.2.4 构建MCP服务 311
8.2.5 构建AiPPT智能体 312
8.2.6 测试智慧办公智能体 314
8.2.7 案例小结 315
8.3 语言翻译助手 316
8.3.1 语言翻译介绍 316
8.3.2 翻译素材准备 316
8.3.3 翻译助手的架构设计 317
8.3.4 翻译助手智能体 317
8.3.5 测试语言翻译智能体 322
8.3.6 案例小结 323
8.4 知识库助手 323
8.4.1 知识库助手介绍 323
8.4.2 知识问答助手 323
8.4.3 进阶版知识问答助手 329
8.4.4 案例小结 332
8.5 编程助手 332
8.5.1 编程助手介绍 332
8.5.2 编程助手架构设计 333
8.5.3 LangGPT结构化提示词 333
8.5.4 智能体开发 335
8.5.5 工作流测试 341
8.5.6 案例小结 343
8.6 智能客服 343
8.6.1 智能客服介绍 344
8.6.2 智能客服架构设计 344
8.6.3 数据库设计 345
8.6.4 数据库操作实现 346
8.6.5 智能体开发 347
8.6.6 智能客服测试 352
8.6.7 案例小结 354
8.7 本章小结 354
|
| 內容試閱：
|
前 言
站在人工智能技术日新月异的风口浪尖，我们正见证一场深刻的变革。以大模型为代表的生成式AI技术蓬勃发展，不仅重塑了人机交互的方式，更催生了智能体（Agent）这一充满潜力的新兴技术范式。从最初的单智能体执行简单任务，到如今的多智能体协同攻克复杂挑战，AI正以前所未有的速度和广度渗透到我们工作和生活的方方面面。
近年来，笔者亲身经历了ChatGPT的横空出世、国产大模型性能的飞速迭代，也亲自体验了智能体应用从单智能体到多智能体的进化历程。这些实践经历让笔者深刻体会到，大模型技术的飞速发展正带来无限可能。然而，在这片充满机遇的技术蓝海中，初学者往往面临信息碎片化、概念混淆、优质学习资源匮乏的困境。各种专有名词层出不穷，像“大模型”“提示词工程”“RAG”“记忆”“CoT”“多智能体协同”等，对于初学者而言，极易感到迷茫和不知所措。与此同时，笔者观察到国内关于智能体和多智能体协同的教程资源相对零散。网络上虽然有大量公众号文章、技术博客，它们或许能提供一些零星的启发，但往往缺乏系统性和深度。而相对专业一些的资料，则大多停留在外文论文文献的层面，阅读门槛较高，且与实践应用结合不够紧密。作为一名计算机领域的从业者，笔者深知一套系统、专业、接地气的教程对于技术普及和人才培养的重要性，深感有责任将笔者在这几年实践中的所见、所学、所思、所感整理成册，提供给那些渴望系统掌握智能体应用开发的同道中人。因此，便有了这本书。
笔者希望这本书能够成为一座桥梁，帮助那些对大模型或智能体尚不熟悉，但又怀揣热情与好奇心的读者，快速、系统地掌握智能体的核心概念、关键技术，并最终学会构建实用的多智能体协同系统。笔者力求用清晰的逻辑、翔实的案例和实用的代码，拨开技术迷雾，让读者能够脚踏实地地踏上智能体开发之路，将理论知识转化为解决实际问题的能力。
本书内容
本书共分为8章，内容安排遵循由浅入深、从理论到实践的原则，旨在为读者构建一个完整的多智能体协同知识体系。
在第1章智能体系统概述中，会先带领读者认识什么是智能体，从初识概念到精确定义，并深入了解智能体的核心组件（如大语言模型、工具使用、记忆、规划、RAG等）及其在系统中的角色，最后还会指导读者搭建基础的实验环境。
第2～6章是智能体模块的深度解析，是本书的核心部分，将逐一深入剖析智能体的各个关键模块，为构建强大的智能体奠定坚实基础。
?第2章聚焦“大模型”，不过度深入训练细节，而是重点讲解其工作原理（如Transformer）、国内外主流模型、调用实战以及性能评测方法与框架（如OpenCompass），让读者掌握如何有效利用大模型这一“引擎”。
?第3章探讨“提示词工程”，介绍其基本概念、结构化提示词的设计与应用，并详细讲解多种主流的提示词优化框架（如ICIO、CRISPE、APE等），帮助读者学会精准“指挥”大模型。
?第4章讲解“检索增强生成（RAG）”，阐述其原理、流程，并通过极简实现、文档解析、优化方法以及基于LangChain的完整实践，让读者掌握如何为大模型“赋能”，提升其知识准确性和时效性。
?第5章聚焦“记忆模块”，探讨记忆的类型、作用、实现方法，并深入剖析MemGPT、Mem0、BoT等主流开源框架的原理与源码，让读者理解如何赋予智能体“记忆”能力。
?第6章聚焦“规划能力”，介绍思维链（COT）、自问自答（Self-Ask）、自我反思（Self-Reflexion）、函数调用（Function Calling）、思考行动（ReAct）、计划与执行（Plan-and-Execute）、自我发现（Self-Discover）等多种认知框架，通过案例和编程实践，让读者掌握智能体“思考”和“决策”的核心技巧。
第7章多智能体协同部分是本书的重点和升华，将系统介绍多智能体系统的概念、优缺点、核心要素（如交互环境、协作类型、组织结构、通信机制、冲突解决等）。更重要的是，该章将深入剖析当前主流的多智能体协同的开源框架，包括AutoGen、MetaGPT、CrewAI、LangGraph等，不仅介绍其基本概念和示例，还将进行源码层面的解析，让读者不仅知其然，更知其所以然，为独立设计和实现复杂的多智能体系统提供强有力的参考。
第8章是智能体案例实战，理论最终要服务于实践。该章将通过6个精心设计的案例，涵盖智能家居、智慧办公、语言翻译、知识库、编程辅助、智能客服等多个热门领域，完整演示如何从需求分析、架构设计到代码实现，构建单智能体和多智能体应用。这些案例将综合运用前面章节所介绍的知识和技术，让读者在动手实践中巩固所学，体验多智能体协同解决实际问题的魅力与价值。
本书特点
本书在撰写过程中，始终秉持以下几个原则：
（1）实践导向，代码先行：本书并非一本纯理论的教科书。笔者深知，对于开发者而言，看得懂、学得会、用得上才是硬道理。因此，本书在讲解每个概念、每个模块、每个框架时，都配备了大量的、可直接运行的代码示例。相信通过动手实践，读者能够更深刻地理解原理，更快地掌握技能。例如，在介绍大模型调用时，不仅讲解其原理，还会给出调用GPT-4、文心一言、本地大模型的完整代码；在讲解RAG时，会从零开始实现一个简单的RAG流程，并展示如何使用LangChain搭建完整的RAG应用。
（2）聚焦应用，精简理论：在介绍大模型等复杂技术时，本书刻意避免陷入过于深奥的理论探讨，如大语言模型的训练细节、复杂的数学推导等，关注点在于如何理解、评测、调用和应用大模型，使其更好地服务于智能体的构建。例如，第2章将详细介绍大模型的评测方法和框架，因为这直接关系到如何选择和优化用于智能体的模型，而不仅仅是模型是如何被训练出来的。
（3）系统全面，逻辑清晰：本书试图构建一个相对完整的智能体和多智能体协同知识体系。从智能体的基本概念到各个核心模块的深度解析，再到多智能体协同的理论与实践，内容层层递进，逻辑清晰连贯。读者既可以按照章节顺序进行系统学习，也可以根据自己的兴趣和需求，选择特定章节进行深入学习。
（4）紧跟前沿，案例新颖：本书在撰写过程中，参考了大量最新的研究成果和开源项目，力求内容的前沿性和时效性俱佳。第8章的案例选择也尽量贴近当前的热点应用场景，如MCP协议在智能家居中的应用、AI生成PPT的办公助手等，旨在让读者接触到最鲜活的技术应用。
本书适合的读者
本书是为那些希望系统学习并实践智能体和多智能体协同技术的读者而写的。具体来说，本书适合以下人群：
（1）有一定Python编程基础的开发者：本书包含大量的Python代码示例，读者需要具备基本的Python语法知识和编程能力，能够读懂并尝试运行这些代码。如果读者完全零基础，可能需要先补充一些Python编程知识。
（2）对大模型和智能体技术感兴趣的技术爱好者或学生：即使不是专业的程序员，只要你对人工智能、大模型、智能体这些热门话题充满好奇，并愿意投入时间和精力去学习，本书也可以作为你的入门和进阶指南，不过具备一定的编程基础会让你的学习更顺畅。
（3）希望将智能体技术应用于实际工作场景的工程师或产品经理：如果你正在从事或计划从事与AI应用开发相关的工作，本书将为你提供一套系统的方法论和实践指导，帮助你将智能体和多智能体协同技术转化为实际生产力。
（4）已经接触过大模型，但希望深入理解智能体构建细节的开发者：如果你对大模型有基本的了解，但在构建真正有用的智能体应用时感觉力不从心，那么本书对智能体各模块的深入解析和实战案例将对你大有裨益。
当然，本书并非要求读者必须具备深厚的理论背景。笔者相信，通过本书提供的代码示例和循序渐进的讲解，即使是背景知识相对薄弱的读者，也能够在实践的过程中逐步建立起对智能体和多智能体协同系统的深入理解。
智能体技术正站在一个激动人心的起点上，其潜力远未被完全发掘。编写本书的过程，于笔者而言，也是一次重新学习和系统梳理的过程。笔者衷心希望，这本书能够成为读者探索这片技术新大陆的可靠向导，帮助读者在智能体的奇妙世界中找到属于自己的方向，并最终构建出能够解决实际问题的、充满智慧的协同系统。现在，就让我们一起翻开这本书，踏上这段充满挑战与机遇的学习之旅吧！
本书源码下载
本书配套提供示例源码，请读者用微信扫描下面的二维码下载。
如果读者在学习本书的过程中遇到问题，可以发送电子邮件至booksaga@126.com，邮件主题为“AI Agent应用开发：构建多智能体协同系统”。
笔 者
2025年9月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
