书名：深入浅出AI智能体：基于DeepSeek的AI Agent开发实战  
定价：79.8  
ISBN：9787115692627  
作者：饶侠  
版次：第1版  
出版时间：2026-04  

内容提要：  
本书系统性地介绍AI智能体的基础理论、关键技术、开发方法与实战案例。书中技术内容以国产DeepSeek大模型为核心，结合多个主流开发框架及平台展示，旨在为读者提供一条从入门到精通的*学习路径。本书共14章，内容涵盖AI智能体与DeepSeek模型概述、AI智能体开发环境搭建、提示词工程、知识库与RAG技术、单智能体与多智能体系统开发、通用AI智能体构建、AI智能体协议、AI智能体进阶技术、企业级大模型部署与知识库搭建、企业级AI智能体开发，以及AI智能体的行业落地与AI智能体的前沿探索。同时，每章*融合了理论讲解与代码实战，力求在阐明原理的同时提升读者的动手能力。值得一提的是，本书强调“基于DeepSeek”的实战导向。书中提供了大量完整可运行的示例代码，涵盖API调用、AI智能体开发、RAG系统搭建、多智能体协作等典型场景，帮助读者在真实环境中巩固知识。 本书适合具有一定Python编程基础的读者阅读，可可供从事AI应用开发、算法研究、企业智能化转型的技术人员和项目经理参考使用，也作为人工智能、计算机科学相关专业学生的参考书。  



作者简介：  
饶侠，北京大学硕士，曾担任甲骨文公司*工程师、中央结算公司*架构师，现任建信信托执行总经理、证券科技中心负责人，具有多年科技行业和金融行业从业经验，目前专注于人工智能在金融领域的落地应用。  

目录：  
第 1 章 AI 智能体与 DeepSeek 1  
11 什么是 AI 智能体 1  
111 AI 智能体简介 1  
112 AI 智能体的类型 2  
113 AI 智能体的应用 2  
12 AI 智能体的技术架构 3  
121 AI 智能体的核心模块 3  
122 AI 智能体的设计模式 4  
123 AI 智能体的推理引擎 4  
124 AI 智能体与外部交互 5  
125 智能体工作流 6  
13 什么是 DeepSeek 7  
131 DeepSeek 的核心特点 7  
132 DeepSeek 的模型架构创新与训练优化策略 7  
133 DeepSeek 的调用方式 8  
134 DeepSeek 的生态 13  
实战：DeepSeek API 调用示例 14  
实战：基于 DeepSeek API 实现函数调用 16  
第 2 章 AI 智能体开发环境 18  
21 线上智能体开发平台简介 18  
211 字节跳动的扣子开发平台 18  
212 百度的文心智能体开发平台 20  
213 阿里的百宝箱智能体开发平台 23  
22 在本地搭建 AI 智能体开发环境 24  
221 基础环境介绍 25  
222 智能体开发框架介绍 26  
实战：基于 Dify 搭建 AI 智能体开发环境 26  
实战：基于 LangChain 和 DeepSeek 搭建 AI 智能体开发环境 30  
第 3 章 提示词工程 32  
31 提示词工程简介 32  
311 提示词工程的特点 32  
312 提示词中的主要角色 33  
313 提示词分类 34  
32 提示词框架 36  
321 提示词框架简介 36  
322 ICIO 框架 37  
323 CRISPE 框架 37  
324 BROKE 框架 37  
325 CO-STAR 框架 38  
33 提示词优化 38  
331 提示词优化技巧 38  
332 DeepSeek 官方提示词库 41  
333 上下文感知与多轮对话设计 43  
实战：股票研究报告结构化提示词模板 46  
第 4 章 知识库与 RAG 50  
41 知识库 50  
411 知识库介绍 50  
412 线上知识库 51  
413 本地知识库 52  
42 RAG 53  
421 RAG 介绍 53  
422 向量数据库 55  
423 嵌入模型 57  
424 重排序器 59  
43 RAG 框架 60  
431 RAGFlow 框架 60  
432 LlamaIndex 框架 61  
433 Haystack 框架 61  
434 LangChain 框架 62  
实战：基于 LlamaIndex 框架和 DeepSeek 的 RAG 应用 62  
实战：结合 Milvus 向量数据库的 RAG 应用 63  
第 5 章 单智能体开发 68  
51 线上智能体开发 68  
511 扣子的智能体开发功能简介 69  
512 使用扣子搭建智能体 70  
513 使用扣子搭建智能体工作流 73  
514 使用扣子开发 AI 应用 76  
52 本地智能体开发 78  
521 Dify 简介 78  
522 使用 Dify 开发本地智能体 79  
523 使用 Dify 开发本地工作流 82  
实战：基于 DeepSeek API 实现 ReAct AI 智能体 85  
实战：使用 LangChain 和 DeepSeek 开发单智能体 88  
第 6 章 多智能体系统开发 96  
61 多智能体系统简介 96  
611 什么是多智能体系统 96  
612 多智能体系统的应用场景 97  
613 多智能体系统开发框架 97  
62 多智能体系统的评估和优化 99  
621 多智能体系统的评估 99  
622 多智能体系统的优化 101  
实战：使用 LangGraph 开发多智能体系统 102  
实战：使用 AutoGen 开发多智能体系统 105  
第 7 章 通用 AI 智能体构建 108  
71 Manus 与通用 AI 智能体 108  
711 Manus 简介 108  
712 Manus 技术原理解析 109  
713 开源方案介绍 110  
714 商业对手介绍 111  
72 AI 自动化工具 113  
721 Browser Use 113  
722 Computer Use 114  
723 DroidRun 114  
实战：基于 DeepSeek 构建通用 AI 智能体 115  
第 8 章 AI 智能体协议 122  
81 MCP 122  
811 MCP 简介 123  
812 MCP 与函数调用的区别 123  
813 MCP 的工作原理 124  
82 A2A 协议 125  
821 A2A 协议简介 125  
822 A2A 协议的关键概念 125  
823 A2A 协议的工作原理 126  
83 ANP 126  
84 AG-UI 协议 127  
实战：开发和使用 MCP 服务器 127  
实战：从*开始跑通 A2A 协议 132  
第 9 章 AI 智能体进阶技术 137  
91 上下文工程 137  
911 上下文工程简介 137  
912 Manus 的上下文工程经验分享 140  
92 AI 智能体的元认知 141  
921 什么是元认知 141  
922 元认知在 AI 智能体中的重要性 141  
93 多模态 AI 智能体 142  
931 多模态模型简介 143  
932 多模态 AI 智能体的实现 144  
94 进阶 RAG 技术 146  
941 上下文检索 147  
942 缓存增强生成 147  
943 知识图谱 RAG 148  
944 代理 RAG 148  
945 多模态 RAG 149  
实战：基于 DeepSeek、LangChain 和 Milvus 的多模态 RAG 系统 150  
第 10 章 大模型的企业级部署与企业级知识库搭建 153  
101 DeepSeek 的企业级部署 153  
1011 DeepSeek 私有化部署方案 153  
1012 DeepSeek 信创适配方案 155  
1013 DeepSeek 金融行业微调方案 157  
102 企业级知识库搭建 159  
1021 本地知识库搭建流程 160  
1022 本地知识库的典型应用场景 162  
实战：基于 DeepSeek、Milvus 和 AnythingLLM 搭建知识库 162  
实战：基于 DeepSeek 和 RAGFlow 搭建知识库 165  
第 11 章 企业级 AI 智能体开发 170  
111 企业级 AI 智能体构建的全流程 170  
1111 步骤 1：明确 AI 智能体的功能 170  
1112 步骤 2：为 AI 智能体制定工作流程 171  
1113 步骤 3：利用提示词打造 MVP 171  
1114 步骤 4：AI 智能体的构建 171  
1115 步骤 5：AI 智能体的测试与迭代 172  
1116 步骤 6：AI 智能体的部署、扩展与持续完善 172  
112 企业级 AI 智能体的项目介绍 173  
1121 DACA 设计模式与项目介绍 173  
1122 企业级 AI 智能体开源项目介绍 175  
实战：对冲基金 AI 智能体开发 176  
第 12 章 企业级 AI 智能体部署 184  
121 企业级 AI 智能体的部署方案 184  
1211 部署架构 184  
1212 部署流程 185  
1213 部署*的 AI 智能体 185  
1214 部署评估与成本管理 186  
122 AI 智能体与企业 RPA 的融合 190  
1221 RPA 简介 190  
1222 RPA 与 AI 智能体的融合 190  
123 AI 智能体与企业管理系统的对接 192  
1231 对接的步骤与应用场景 192  
1232 对接面临的挑战 193  
实战：基于 LangChain 和 DeepSeek 的 AI 智能体监控与评估系统 195  
第 13 章 AI 智能体的行业落地 198  
131 AI 智能体行业落地挑战 198  
1311 数据隐私保护 198  
1312 *性与可靠性 200  
1313 伦理风险应对 201  
132 AI 智能体可信度评估与 AI 偏见* 202  
1321 AI 智能体可信度评估 202  
1322 AI 偏见* 204  
实战：基于 AI Fairness 360 和 DeepSeek 减少偏见 206  
第 14 章 AI 智能体前沿探索 210  
141 大模型及 AI 智能体的发展趋势 210  
1411 大模型的发展趋势 210  
1412 AI 智能体的发展趋势 211  
142 智能体社会与多智能体社会模拟 212  
1421 智能体社会 212  
1422 多智能体社会模拟 214  
143 具身智能与 AI 智能体 216  
1431 具身智能简介 216  
1432 具身智能与 AI 智能体的结合 217  
1433 具身智能的发展 218  
实战：基于 AutoGen 和 DeepSeek 的多智能体社会模拟 218  
后记 223