# 深入理解 AI Agent - 原标题：深入理解 AI Agent - 类型：书籍 - 来源：bojieli.github.io - 发布时间：未知（待核验） - 首次精选：2026-10-29 23:09 - 分级：值得看 - 学习层级：进阶 - 主题：[agent-architecture-harness]()（第 10 位）、[agents-tool-use]()（第 10 位）、[agent-context-memory]()（第 22 位） - 原文链接：[https://bojieli.github.io/ai-agent-book]() - 本站页面：[https://oplearnx.com/resources/pk\_2b3ccbfdb3f2]() ## 摘要 一本以中文为主、采用 Apache 2.0 许可证在 GitHub 上开源并持续更新的 AI Agent 技术书，可下载中文 PDF 与 EPUB，并提供英文、西班牙文、日文等多语种（含社区翻译）阅读入口。全书以“Agent = LLM \+ 上下文 \+ 工具”为主线，共 10 章：Agent 基础知识与 Harness 工程、上下文工程（含 KV Cache 友好的上下文设计）、用户记忆与知识库（RAG）、工具（含 MCP 与 Skill Hub）、Coding Agent 与通用 Agent、观察与动作空间扩展（异步事件驱动、语音）、Agent 评估（含 τ²-bench 案例与评估指标）、模型后训练、Agent 持续进化、多 Agent 协作，另附后记与思考题参考答案。适合想系统了解 Agent 设计原理与工程实践的开发者阅读。 ## 概览 - 难度：进阶 - 语言：中文 - 费用：免费 ## 学完你能 - 理解“Agent = LLM \+ 上下文 \+ 工具”这一工程公式及其与环境的边界划分 - 掌握上下文工程的要点，包括 API 视角下的上下文构成与 KV Cache 友好的设计原则 - 设计用户记忆系统与基于 RAG 的知识获取管道 - 按通用原则设计工具，并了解 MCP、Skill Hub 等工具生态 - 理解 Coding Agent 与通用 Agent 的关系，以及交互模态与触发时机的扩展 - 掌握 Agent 评估指标、环境与评估任务的解剖方法，并了解模型后训练、持续进化与多 Agent 协作 ## 适合你吗 - 适合：想系统理解 AI Agent 设计原理与工程实践的开发者 - 适合：已用过 Cursor、Deep Research 等 Agent 产品、想弄清背后架构的人 - 适合：对上下文工程、工具设计、Agent 评估等专题有需求的工程人员 - 暂不适合：完全没有大模型使用经验、希望零基础入门的读者 - 暂不适合：只想要某一框架快速上手教程的读者 - 需要先会：需具备大模型调用与 Agent 使用的基本经验；第2章 KV Cache 部分涉及 Transformer 注意力机制，第8章含模型预训练等可选进阶内容。 ## 本书特点 - 内容侧重：以“Agent = LLM \+ 上下文 \+ 工具”为主线，覆盖上下文工程、记忆与知识库、工具、交互、评估、后训练、持续进化与多 Agent 协作。 - 练习与项目：各章配有实验（如实验 2-1 本地 LLM 服务部署与工具调用、实验 2-2 注意力机制可视化、实验 7-1 运行 τ²-bench）与章末思考题，书后提供部分思考题参考答案。 - 费用说明：全书开源，中文 PDF 与 EPUB 可直接下载，在线阅读无需付费；采用 Apache License 2.0 许可，内容随仓库推送持续更新。 ## 目录 1. 引言 全书结构 · 如何阅读本书 · 前置知识 2. 第1章 AI Agent 入门 3. 第2章 上下文工程 4. 第3章 用户记忆和知识库 5. 第4章 工具 6. 第5章 Coding Agent 与通用 Agent 7. 第6章 交互：观察与动作空间的扩展 8. 第7章 Agent 的评估 9. 第8章 模型后训练 10. 第9章 Agent 的持续进化 11. 第10章 多 Agent 协作 12. 后记：回到 Agent = LLM \+ 上下文 \+ 工具 13. 思考题参考答案 --- 来源：LearnMap · 学径（https://oplearnx.com）