深入理解 AI Agent

一本把 AI Agent 讲成工程的书：围绕「Agent = LLM + 上下文 + 工具」，从上下文工程、记忆与 RAG、工具与 MCP，一路讲到 Coding Agent、评估、后训练与多 Agent 协作，10 章配 109 个可跑实验。

人工智能13 章27.9 万字9 阅读作者李博杰Apache 2.0

《深入理解 AI Agent》整本书围绕一个公式展开：Agent = LLM + 上下文 + 工具。

前三章解决「能力从哪来」——上下文工程决定能力上限（KV Cache、提示工程、Agent Skills、上下文压缩），用户记忆与知识库解决跨会话记住人和接入外部知识（RAG、结构化索引、知识图谱），工具则是 Agent 的双手（MCP 协议、感知/执行/协作三类工具、主动工具发现）。

中间两章讲形态——第五章把 Coding Agent 与通用 Agent 放在一起拆，第六章从模态与时序两个维度扩展 Agent 的观察与动作空间：异步与事件驱动、语音交互、Computer Use、机器人操作。

后四章讲怎么让它变好——评估把表现变成可比较的信号（评估环境、指标、统计显著性），后训练讲清预训练/SFT/RL 三阶段与「何时 SFT、何时 RL」，持续进化从运行轨迹里取学习信号，最后一章把视角从单个 Agent 推到多 Agent 协作。

全书正文、配图与 109 个配套实验都以 Apache 2.0 协议开源。本站按原许可转载、正文未改动，作者与原文地址见页脚。

目录