李博杰开源《深入理解 AI Agent》：10 章正文 + 60 个可运行 demo，可能是目前最系统、最工程化的 Agent 实战教材
李博杰开源《深入理解 AI Agent》：10 章正文 + 60 个可运行 demo，可能是目前最系统、最工程化的 Agent 实战教材
如果你想真正理解 AI Agent，而不是停留在自媒体的概念 hype 上。 如果你想亲手把 Agent 跑起来，而不是只会对着别人的 demo 喊牛逼。 如果你想学习那些生产级 Agent 的工程细节，而不是那些"三行代码做一个 Agent"的玩具教程。
那么今天这个项目，你绝对不能错过。
它就是李博杰刚刚开源的： 《深入理解 AI Agent：设计原理与工程实践》
GitHub 地址：https://github.com/bojieli/ai-agent-book
这不是一本只讲概念的书。这是一本"干"到骨子里的实战教材。 全书 10 章正文，每一章都配有完整的、可以直接跑起来的 demo 代码。 加起来一共 60 多个可运行的实验项目。
而且全书完全开源，免费下载，没有任何门槛。 中文写完了，社区还贡献了英文、越南语、泰米尔语的翻译。
这篇文章，我来给你好好介绍一下这本神书到底好在哪里。
先搞清楚：这本书的定位是什么？
现在讲 AI Agent 的书和文章很多。但是绝大多数都可以归为两类：
第一类是科普类：什么是 Agent？Agent 有哪几个组成部分？ReAct 是什么？给你画个圈圈图图，讲一堆概念。看完了你还是不知道怎么写一行 Agent 代码。
第二类是玩具类：三行代码用 LangChain 做一个 Agent，连个网搜个东西。告诉你这就是 Agent 了。真用到生产环境，一百个坑等着你踩，没有人会告诉你怎么解决。
李博杰这本书，走的是第三条路： 从第一性原理出发，系统地、完整地、工程化地讲清楚 Agent 技术的每一个层面。
全书围绕一个核心公式展开：
Agent = LLM + 上下文 + 工具
就这么简单。 但是围绕这个公式，这本书把每一个字母都给你掰开了揉碎了讲，而且每个知识点都配有可以跑的代码。
这不是一本让你"读"的书。 这是一本让你"做"的书。
10 章内容概览：从基础到前沿，全覆盖
全书一共 10 章，从最基础的概念，到最前沿的研究方向，形成一个完整的知识体系。
让我一章一章给你介绍：
第 1 章：Agent 基础知识
这一章帮你建立整个知识体系的框架。
从"模型即 Agent"的新范式出发，建立 Agent = LLM + 上下文 + 工具 的核心公式。 然后直接点题：Harness 工程——模型之外的一切工程能力，才是真正的竞争力所在。
配套的 demo：
- ✅ learning-from-experience：对比传统强化学习和 LLM 上下文学习，展示 LLM 如何以 250-400 倍的样本效率超越传统 RL
- ✅ web-search-agent：基于 Kimi K2 的原生搜索 Agent
- ✅ search-codegen：综合利用网络搜索和代码执行的 Agent
- ✅ context：上下文消融研究，系统性展示各个组件的重要性
光是第一章的这四个 demo，就已经超过了市面上绝大多数的 Agent 教程。
第 2 章：上下文工程
这是整本书最重要的一章。
上下文决定 Agent 的能力上限。
很多人觉得 Agent 不行是模型不行，换个更好的模型就行了。 但是实际上，90% 的情况下，是你的上下文管理做得烂。
这一章深入讲解：
- 大模型 API 的上下文结构
- KV Cache 友好设计
- 提示工程与动态提示词
- Agent Skills 与渐进式披露
- 状态栏元信息
- 上下文压缩策略
配套的 demo 多达 10 个：
- ✅ local_llm_serving：本地 LLM 部署，展示 0.6B 的小模型也能通过良好设计实现出色的工具调用
- ✅ attention_visualization：注意力机制可视化，看模型到底在关注什么
- ✅ kv-cache：不同上下文管理模式对 KV Cache 的影响
- ✅ context-compression：多种上下文压缩策略对比
- ✅ prompt-engineering：提示工程消融研究，量化不同因素的影响
- ✅ prompt-injection：3 种攻击 × 4 种防御的对照实验，展示提示注入攻防
- ✅ agent-skills-ppt：Agent Skills 渐进式披露的完整实现，真的能生成 PPT 文件
这一章看完，你对上下文的理解会超越 99% 的开发者。
第 3 章：用户记忆和知识库
让 Agent 跨会话记住用户，接入外部知识。
这一章覆盖了从最基础的 RAG，到最前沿的检索技术：
- 用户记忆系统的设计
- 基础 RAG 管道
- 稠密向量检索 vs 稀疏检索
- 混合检索与神经重排序
- RAPTOR 递归抽象树
- GraphRAG 知识图谱
- Agentic RAG
- 上下文感知检索
配套的 demo 有 12 个。 而且非常贴心的是，很多技术都同时提供了多种实现方案，方便你横向对比。
比如 mem0 和 Memobase 两个开源记忆框架，作者都实现了一版，让你自己对比效果。
第 4 章：工具
工具是 Agent 的双手。
这一章系统地讲解了工具的设计原理、MCP 协议、工具选择的挑战，以及三大类工具：
- 感知工具：看、听、读、搜
- 执行工具：写、改、跑、操作
- 协作工具：人、通知、定时
配套的 demo：
- ✅ perception-tools：完整的感知工具 MCP 服务器，全部基于免费开放 API
- ✅ execution-tools：带安全机制的执行工具集，有 LLM 二次审批防止危险操作
- ✅ collaboration-tools：协作工具 MCP 服务器，含浏览器自动化、HITL、多渠道通知
- ✅ agent-with-event-trigger：基于 FastAPI 的事件驱动 Agent，集成所有工具
- ✅ async-agent：带并行执行和打断能力的异步 Agent 框架
这一章讲完，你完全可以基于它做一个生产级的 Agent 平台。
第 5 章：Coding Agent 与代码生成
这是我个人最喜欢的一章，也是最硬核的一章。
代码是"能创造新工具的工具"，是通用 Agent 的元能力。
这一章以生产级 Coding Agent 为例，展示了这一最强通用工具的完整实现。而且作者还把代码写得非常优雅，纯 Python 实现，没有乱七八糟的依赖。
配套的 demo 多达 12 个，每个都非常精彩：
- ✅ coding-agent：生产级 Coding Agent，17 个完整实现的工具，纯 Python
- ✅ code-for-math：用代码辅助提升数学解题能力，对比纯思维链
- ✅ code-for-logic：把逻辑谜题转化为约束满足问题，用代码求解
- ✅ paper-to-ppt：论文自动生成 PPT，提议者-审核者双 Agent 架构
- ✅ paper-to-video：论文自动生成讲解视频
- ✅ adaptive-log-parser：能自我进化的日志解析系统，遇到新格式自动生成解析代码
- ✅ log-diagnosis：生产日志智能诊断，自动定位根因、生成回归测试
- ✅ dynamic-form：动态表单意图澄清系统，遇到信息不完整自动生成表单
- ✅ erp-agent：自然语言转 SQL，artifact 模式让几万行结果秒回
每一个 demo 单独拿出来，都能当一个创业项目的 MVP。
第 6 章到第 10 章：高级主题
后面五章就进入了更前沿、更深度的领域：
第 6 章：Agent 的评估
- 怎么把 Agent 的表现变成可比较的信号
- 评估环境、数据集设计、指标体系
- 统计显著性、可观测性、评估驱动选型
- 生产级内部评估与仿真环境
第 7 章：模型后训练
- 预训练、SFT、RL 三阶段全景
- 何时选 SFT，何时选 RL
- RLHF、算法比较、数据与环境
- 让模型学会工具调用的前沿探索
第 8 章：Agent 的自我进化
- 不改权重也能成长
- 三种学习范式
- 从经验中学习、主动工具发现
- 从工具使用者到工具创造者
第 9 章：多模态与实时交互
- 语音三范式
- 流式语音感知与合成
- Computer Use
- 机器人操作
第 10 章：多 Agent 协作
- 多 Agent 分类框架
- 何时真正优于单 Agent
- 共享与不共享上下文的协作
- 失败模式
- 涌现的"Agent 社会"
这本书最难得的三个特点
市面上讲 Agent 的材料这么多，为什么我独独推荐这一本？ 因为它有三个非常非常难得的特点。
特点 1：诚实，不吹牛逼
很多讲 AI 的书和文章，最喜欢夸大其词。 "颠覆"、"革命"、"划时代"、"未来已来"……口号喊得震天响。
这本书不一样。它非常非常诚实。 一个技术，它的优势是什么，局限是什么，在什么场景下有用，在什么场景下是坑，作者都明明白白告诉你。 不会说这个技术天下第一，也不会说那个技术一无是处。
比如讲上下文压缩，它会告诉你压缩策略在提升效率的同时，也会损失信息，也会引入新的错误。 比如讲多 Agent，它会明确告诉你，大多数场景下多 Agent 并不比单 Agent 好，大多数时候只是徒增复杂度。
这种诚实的态度，在 AI 这个领域，太稀缺了。
特点 2：所有东西都有代码，所有代码都能跑
很多书的做法是：我给你讲一个概念，然后告诉你"有兴趣的读者可以自己实现一下"。
这本书的做法是：我给你讲一个概念，然后这里是完整的、可以直接跑的、我已经帮你踩过所有坑的实现代码。你现在就可以跑起来看效果。
60 多个 demo，几乎覆盖了书中提到的所有知识点。 而且绝大多数都是 ✅ 可独立运行的，配置个 API Key 就能跑。 少数需要外部依赖的，作者也都写了详细的复现指南。
这才是真正的开源精神。 不是开源一个 README，是开源所有的东西。
特点 3：对比思维，用实验说话
这本书里到处都是对照实验。
讲记忆系统？mem0 实现一版，Memobase 实现一版，你自己对比效果。 讲检索？稠密检索实现一版，稀疏检索实现一版，混合检索再实现一版，对比效果。 讲代码辅助？纯思维链做一遍，代码辅助做一遍，对比准确率。 讲提示注入？3 种攻击 × 4 种防御，12 组对照实验，给你看数据。
作者从来不会说"某某技术最好"。 他会说"我们做了这么几组实验，数据显示在 A 场景下 X 好，在 B 场景下 Y 好，各有什么 trade-off，你自己选。"
这才是做工程的态度。
怎么用好这本书？
最后给大家几个建议，告诉你怎么把这本书的价值发挥到最大。
建议 1：不要光读，要跑
读这本书最好的方式，不是坐在那里从头到尾读一遍。 是打开你的电脑，一边读，一边把每个 demo 都跑一遍。
跑起来之后，改一改参数，改一改提示词，看看会有什么变化。 故意搞点破坏，看看它会怎么出错。 把你自己的想法加进去，看看能不能做得更好。
这才是真正的学习。
建议 2：不要纠结用什么模型
很多人一上来就问：这个 demo 支持某某模型吗？我没有 Claude API Key 怎么办？
不要纠结这个。 这本书讲的是工程方法，不是某个特定模型的使用指南。 你用 Claude 可以，用 GPT-4o 可以，用 Qwen 可以，用 DeepSeek 也可以。 原理是一样的，工程方法是一样的。
模型会换，会过时，会越来越便宜，越来越好用。 但是这些工程知识、这些设计原则、这些踩过的坑，是永远不会过时的。
建议 3：带着问题读，带着项目读
如果你正好有一个要做的 Agent 项目，那你读这本书的收获会翻倍。 读到某一章的时候，停下来想想，这个知识点能不能用到我的项目里？ 这个 demo，能不能改成我需要的样子？
带着问题读，带着需求读，你的理解会深刻得多。
写在最后
AI Agent 这个领域，现在还是非常早期的阶段。 每天都有新的概念冒出来，每天都有新的 hype，每天都有新的噪音。 很多人在这种混乱中，反而不知道该学什么了。
李博杰这本书最大的价值，就是它帮你把所有的噪音都过滤掉了。 它给了你一个清晰的、稳定的、可以依赖的知识框架。 给了你一个可以站上去的肩膀。
你不需要再在成千上万的博客和论文里迷失了。 你不需要再去追那些三天就过时的热点了。 你拿着这本书，一章一章读，一个 demo 一个 demo 跑。 等你把这本书读完，你对 Agent 的理解，就会超过这个行业里 95% 的人。
这就是一本好书的价值。
最后再放一遍地址，赶紧去 star，赶紧去读： 👉 https://github.com/bojieli/ai-agent-book
作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。
本文首发于 AI人工智能时代，转载请注明出处。
