AI AGENT开发实战：从基础原理到企业级应用
（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，提供可复用代码与很好实践，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。
目录
●前言
AI Agent基础篇
第1章 AI Agent开发模式
1.1 认识AI Agent
1.1.1 Agent的定义
1.1.2 Agent的应用场景
1.2 集成LLM
1.2.1 LLM的技术体系
1.2.2 LLM与提示工程
1.3 Agent关键技术
1.3.1 规划
1.3.2 记忆
1.3.3 工具
1.3.4 行动
1.4 Agent的实现类型
1.4.1 通用型Agent
1.4.2 知识型Agent
1.4.3 多模态Agent
1.4.4 多Agent系统
1.5 Agent开发工具和框架
1.5.1 原生LLM
1.5.2 LangChain和LangGraph
1.5.3 LlamaIndex和工作流
1.5.4 多Agent框架
1.6 本章小结
第2章 LLM和Agent
2.1 集成OpenAI LLM
2.1.1 引入OpenAI LLM
2.1.2 集成OpenAI API
2.1.3 理解函数调用
2.2 基于OpenAI LLM从零构建并执行Agent
2.2.1 构建Agent
2.2.2 执行Agent
2.3 基于OpenAI Swarm构建Agent
2.3.1 OpenAI Swarm开发模式
2.3.2 OpenAI Swarm案例解析
2.4 本章小结
AI Agent实现篇
第3章 通用型Agent
3.1 ReAct Agent
3.1.1 ReAct架构解析
3.1.2 基于LlamaIndex构建ReAct Agent
3.1.3 基于LangChain构建ReAct Agent
3.2 Plan-and-Execute Agent
3.2.1 Plan-and-Execute架构解析
3.2.2 基于LangChain实现Plan-and-Execute Agent
3.3 本章小结
第4章 知识型Agent
4.1 引入Agentic RAG
4.1.1 RAG应用开发流程
4.1.2 实现Agentic RAG架构
4.2 基于LangChain构建知识型Agent
4.2.1 处理文档
4.2.2 集成向量数据库
4.2.3 增强检索功能
4.2.4 整合ReAct Agent
4.3 基于LlamaIndex构建多级知识型Agent
4.3.1 文档处理和检索
4.3.2 实现两层文档处理Agent
4.4 本章小结
第5章 多模态Agent
5.1 引入多模态技术
5.1.1 图像处理技术基础
5.1.2 语音处理技术基础
5.2 基于LangChain实现多模态
5.2.1 实现图像处理
5.2.2 实现语音处理
5.3 多模态Agent案例分析
5.3.1 构建Agent
5.3.2 实现交互流程
5.4 本章小结
AI Agent应用篇
第6章 企业级Agent工程化技术
6.1 Agent工程化技术栈
6.2 Agent运行时管理
6.2.1 基于Ollama实现私有化部署
6.2.2 基于LangSmith实现运行监控
6.2.3 基于Phoenix实现链路跟踪
6.3 Agent可视化交互
6.3.1 使用Streamlit构建Web应用
6.3.2 Agent可视化案例解析
6.4 Agent外围技术
6.4.1 开放Web API
6.4.2 集成数据持久化
6.5 本章小结
第7章 多Agent系统
7.1 多Agent系统的实战基础
7.1.1 多Agent系统的构建模式
7.1.2 多Agent协作模式
7.2 基于LlamaIndex构建多Agent系统
7.2.1 工作流和LlamaIndex
7.2.2 健康管理的多Agent系统案例分析
7.3 基于AutoGen构建多Agent系统
7.3.1 AutoGen的工作原理
7.3.2 AutoGen的核心组件
7.3.3 客户洞察的多Agent系统案例分析
7.4 本章小结
第8章 多Agent系统的实战案例
8.1 多Agent智能报告案例分析
8.1.1 案例系统的场景分析
8.1.2 案例系统的架构设计
8.2 基于LangGraph构建多Agent系统
8.2.1 LangGraph的开发模式
8.2.2 LangGraph的高级特性
8.3 多Agent智能报告案例实现
8.3.1 构建工具
8.3.2 创建Agent和节点
8.3.3 定义StateGraph
8.4 多Agent智能报告案例演示
8.4.1 系统运行和验证
8.4.2 系统监控和跟踪
8.5 本章小结
内容介绍
这是一本案例驱动的AI Agent开发指南，提供丰富的“即插即用”的案例代码和很好实践，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......
微信支付
支付宝
扫一扫购买
1. 打开微信，扫一扫左侧二维码
2. 点击右上角图标
3. 发送给朋友、分享到朋友圈、收藏
