智能体开发一本通:从单智能体到多智能体:LangChain RAG LangGraph

本书介绍单智能体与多智能体的设计原理、搭建方法及落地应用。 书中围绕单智能体能力进阶、多智能体协同、行业落地等方向，讲解了LangChain、AutoGen、LangGraph、RAG、MCP等主流技术，内容按能力层级与应用场景清晰分类，覆盖面广、实用性强。读者可随着实战项目由浅入深学习：借助LangChain快速搭建基础智能体，借助AutoGen实现多智能体分工协作，借助LangGraph灵活地管控业务流程；借助RAG技术实现知识库智能检索，借助MCP封装业务能力。书中共有16个实战项目，涵盖商品咨询、个人旅行规划、知识库检索、市场调研、数据分析和AI伴学等常用智能体类型。每个实战项目都细致讲解业务分析、大模型选择、工具配置及调用、数据存储等技术要点。梁建全，北京大学计算机专业本科学士，拥有20＋年线上和线下IT教育深度经验与技术研发能力，曾在多家国内外知名企业（新东方、达内、兄弟连、千锋在线、拉勾网等）担任IT技术专家和课程教研总监现任启源创智科技 AI 事业部负责人。马如忠，现任启源创智科技 AI 事业部高级工程师。第1篇 ?快速了解智能体第1章 ?认识智能体21.1 ?为什么需要智能体？这些场景给你答案21.2 ?一张图拆解智能体的体系结构31.2.1 ?大模型31.2.2 ?记忆31.2.3 ?工具调用41.2.4 ?规划41.2.5 ?行动执行41.3 ?上手智能体开发，先做好必要准备51.3.1 ?硬件配置要求51.3.2 ?必备工具清单61.3.3 ?核心技术概念认知61.4 ?一张图看懂开发智能体的流程6第2章 ?第1次实战：10分钟快速上手智能体开发82.1 ?了解智能体开发框架82.1.1 ?对比主流框架――LangChain、LLaMA Index、AutoGPT82.1.2 ?选型决策依据92.2 ?LangChain的核心概念102.2.1 ?链（Chain）102.2.2 ?代理（Agent）102.2.3 ?工具（Tool）112.3 ?配置LangChain开发环境112.3.1 ?配置说明112.3.2 ?Windows/Linux系统中的配置方法122.4 ?【实战】用LangChain开发第1个智能体142.4.1 ?搭建项目环境152.4.2 ?配置大模型与提示词模板152.4.3 ?构建对话逻辑链152.4.4 ?增加异常处理逻辑162.5 ?【技巧】配置LangChain开发环境的常见问题172.5.1 ?导入依赖包失败172.5.2 ?版本冲突18第2篇 ?单智能体开发（基础）――基于LangChain第3章 ?给智能体装上“大脑”：调用大模型203.1 ?大模型的工作流程203.1.1 ?工作流程详解203.1.2 ?生成对话的工作机制213.2 ?如何连接大模型223.2.1 ?对比主流的大模型223.2.2 ?鉴权与参数配置233.2.3 ?接口请求方式243.3 ?【实战】开发一个家电咨询智能体263.3.1 ?搭建项目环境263.3.2 ?配置模型与业务提示词263.3.3 ?构建业务的逻辑链283.3.4 ?增加异常处理逻辑293.4 ?【技巧】调用大模型API失败的解决方案293.4.1 ?网络超时的处理303.4.2 ?接口限流的规避方案30第4章 ?让智能体“记住”事情：搭建记忆系统324.1 ?为什么智能体需要记忆系统324.1.1 ?保障多轮对话的连贯性324.1.2 ?实现个性化服务324.1.3 ?复用历史数据，提升效率334.2 ?短期记忆：保存当前对话信息334.2.1 ?对话上下文的存储结构334.2.2 ?配置短期记忆的有效期334.3 ?长期记忆：存储历史对话信息344.3.1 ?长期记忆的存储内容344.3.2 ?长期记忆与短期记忆的协同逻辑354.4 ?【实战】开发一个能记住用户旅游偏好的智能体354.4.1 ?搭建项目环境354.4.2 ?设计用户旅游偏好的数据结构364.4.3 ?实现记忆读写功能364.4.4 ?验证多轮对话记忆374.5 ?【技巧】优化记忆存储394.5.1 ?对话信息去重394.5.2 ?压缩存储历史数据414.5.3 ?验证压缩效果43第5章 ?给智能体装上“手脚”：让它能调用工具445.1 ?智能体的工具调用能力445.1.1 ?为什么智能体需要工具调用能力445.1.2 ?工具调用的过程455.1.3 ?常用工具与适用场景455.1.4 ?调用工具的准备工作455.2 ?调用天气API查询天气信息465.2.1 ?申请天气API的信息475.2.2 ?调用天气API475.2.3 ?解析API返回的数据495.3 ?【实战】开发一个能“查询天气 十 管理日程”的智能体515.3.1 ?搭建项目环境525.3.2 ?配置天气查询工具与日程管理工具的参数和提示词525.3.3 ?构建天气查询工具、日程管理工具与记忆的联动逻辑535.3.4 ?实现查询天气与管理日程的交互功能555.4 ?【技巧】调用工具失败的重试机制585.4.1 ?调用工具失败的原因585.4.2 ?重试策略59第3篇 ?单智能体开发（进阶）――基于LangChain 十 Chroma 十 RAG第6章 ?用LangChain搭建复杂智能体626.1 ?LangChain的组件协作机制626.1.1 ?核心组件的交互过程626.1.2 ?拆解复杂任务的思路646.1.3 ?【实战】拆解“生成产品介绍”任务646.2 ?Agent的智能调度策略和Chain的嵌套设计666.2.1 ?Agent的智能调度策略666.2.2 ?Chain的嵌套设计686.2.3 ?对比Agent和Chain716.3 ?【实战】搭建复杂智能体――个人旅行规划师智能体716.3.1 ?搭建项目环境726.3.2 ?设计工具集726.3.3 ?构建Chain嵌套746.3.4 ?配置状态记忆756.3.5 ?构建Agent动态调度工具756.4 ?【技巧】让智能体更稳定、更聪明766.4.1 ?优化上下文766.4.2 ?错误的反馈与修正机制77第7章 ?为智能体构建RAG知识库：Chroma向量数据库与检索优化797.1 ?RAG基础知识797.1.1 ?RAG的核心概念及典型应用场景797.1.2 ?RAG的工作流程807.1.3 ?RAG的组件807.1.4 ?为什么需要用向量检索817.1.5 ?构建RAG知识库的步骤817.2 ?向量数据库的技术原理827.2.1 ?向量数据库的存储逻辑与检索机制827.2.2 ?如何将文本变成“可检索的数字向量”837.2.3 ?计算向量的相似度847.2.4 ?构建索引并优化查询效果857.3 ?向量库Chroma的基本使用857.3.1 ?Chroma的安装与配置867.3.2 ?Chroma的基本使用867.4 ?【实战】开发一个带RAG知识库检索的智能体887.4.1 ?搭建项目结构887.4.2 ?创建记忆层与配置工具897.4.3 ?用Agent整合向量库、记忆层和工具集907.5 ?【技巧】提升智能体记忆内容的检索准确率917.5.1 ?预处理数据917.5.2 ?调优检索参数92第8章 ?让智能体学会“任务规划”：RAG多步骤检索与任务拆解938.1 ?什么是任务规划？――从“直接做”到“想清楚再做”938.2 ?任务规划的流程948.2.1 ?分析任务958.2.2 ?拆解任务958.2.3 ?执行子任务958.2.4 ?校验执行结果958.2.5 ?优化方案958.3 ?任务规划的方法――“逐步执行法”和“先拆分再执行法”968.3.1 ?原理与优缺点对比968.3.2 ?应用场景及适配建议978.4 ?【实战】基于“先拆分再执行法”开发市场调研智能体988.4.1 ?准备环境998.4.2 ?封装百度搜索工具类998.4.3 ?拆解与执行调研任务1018.4.4 ?处理数据与生成报告1048.5 ?【技巧】解决规划过程中的“偏离目标”问题1088.5.1 ?关键节点的检查机制1088.5.2 ?回溯策略与调整方案111第4篇 ?多智能体开发――基于LangChain 十 AutoGen 十 LangGraph 十 MCP第9章 ?多智能体基础：用AutoGen实现多个智能体协同工作1169.1 ?多智能体与AutoGen入门1169.1.1 ?多智能体协作的优势与应用场景1169.1.2 ?AutoGen的特点与设计思路1179.1.3 ?AutoGen的组件1189.2 ?AutoGen开发环境与核心配置1199.2.1 ?搭建AutoGen开发环境1199.2.2 ?密钥配置与基础权限设置1209.3 ?基于AutoGen创建多智能体1239.3.1 ?创建基础智能体1239.3.2 ?配置智能体角色1249.3.3 ?组建智能体团队1269.4 ?让多智能体高效沟通1289.4.1 ?启动对话1289.4.2 ?控制对话流程1299.4.3 ?传递消息与上下文管理1319.5 ?【实战】搭建能自动“采集数据 十 清洗数据”的数据分析系统1349.5.1 ?需求拆解与角色规划1349.5.2 ?准备环境1359.5.3 ?开发核心智能体1369.5.4 ?实现多智能体协作与流程整合1379.6 ?【技巧】常见问题与优化技巧1399.6.1 ?解决对话冗余问题，提升协作效率1399.6.2 ?避免智能体角色冲突，确保协调有序1419.6.3 ?基础性能优化142第10章 ?多智能体进阶：用LangGraph打造能实现复杂协作的智能体团队14510.1 ?为什么需要LangGraph：从简单协作到复杂协作14510.1.1 ?复杂任务对协作有哪些更高要求14510.1.2 ?LangGraph的优势与适用场景14610.2 ?LangGraph开发环境与核心概念14710.2.1 ?配置LangGraph开发环境14710.2.2 ?理解节点、边、状态和图14810.2.3 ?解析LangGraph工作流程14910.3 ?【实战】基于LangGraph搭建多智能体协作图15010.3.1 ?封装智能体与分配任务15010.3.2 ?控制协作流程的分支与跳转15110.3.3 ?智能体间的数据共享与同步15210.3.4 ?编译和启动协作图15210.4 ?让协作更高效稳定15310.4.1 ?多个节点的并行运行15310.4.2 ?处理节点异常与流程回溯15510.4.3 ?根据状态切换角色与重分配任务15610.4.4 ?保存状态与“断点续跑”15710.5 ?【实战】用LangGraph实现“采集 → 清洗 → 分析→ 可视化”的数据分析系统15810.5.1 ?需求拆解与角色规划15910.5.2 ?环境准备16110.5.3 ?开发智能体节点16210.5.4 ?基于LangGraph搭建协作图16510.6 ?【技巧】集成外部工具以增强智能体的能力16710.6.1 ?集成数据库16710.6.2 ?集成第三方API16810.6.3 ?集成本地脚本函数169第11章 ?MCP：智能体连接外部环境的标准化“万能接口”17111.1 ?MCP的定位与设计理念17111.1.1 ?LangChain、AutoGen和LangGraph在工具调用上的局限17211.1.2 ?MCP的核心定义与设计原则17211.1.3 ?MCP与函数调用、API、传统插件机制的区别17211.2 ?MCP的架构设计与通信机制17311.2.1 ?MCP核心架构详解17311.2.2 ?MCP通信机制解析17511.3 ?MCP三大组件深度解析17811.3.1 ?Resources（资源）17811.3.2 ?Tools（工具）17911.3.3 ?Prompts（提示词）18011.3.4 ?三大组件的组合使用18011.4 ?【实战】MCP与主流智能体框架的集成18011.4.1