书籍进阶
深入理解 AI Agent
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。
- 分级
- 值得看
- 收录时间
- 2026-10-29
- 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
- 已用过 Cursor、Deep Research 等 Agent 产品、想弄清背后架构的人
- 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
- 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
- 引言 全书结构 · 如何阅读本书 · 前置知识
- 第1章 AI Agent 入门
- 第2章 上下文工程
- 第3章 用户记忆和知识库
- 第4章 工具
- 第5章 Coding Agent 与通用 Agent
- 第6章 交互：观察与动作空间的扩展
- 第7章 Agent 的评估
- 第8章 模型后训练
- 第9章 Agent 的持续进化
- 第10章 多 Agent 协作
- 后记：回到 Agent = LLM + 上下文 + 工具
- 思考题参考答案