通过丰富的LangChain示例和五大实战案例掌握AI Agent开发
本书内容
《AI Agent智能体开发实践》系统介绍AI智能体（Agent）技术原理、开发方法和实践案例。《AI Agent智能体开发实践》从基础概念出发，逐步深入AI Agent的核心技术、开发框架、开发流程、开发方法和行业应用，帮助读者系统掌握构建高效、智能的AI Agent的关键技能。本书配套示例代码、PPT课件、读者微信技术交流群，示例代码经过测试均可运行无误。
《AI Agent智能体开发实践》共分16章，内容包括初识智能体、智能体开发环境、智能体的关键技术、提示工程、RAG（检索增强生成）技术、智能体开发平台简介、智能体开发流程、基于LangChain的智能体开发、基于MCP的智能体开发、基于LangChain的问答智能体实战、多模态电商客服机器人实战、智能体性能优化与调试技巧、智能体部署与实施方法、多模态试驾预约Agent实战、基于RAG的多Agent客户服务助手实战、基于MCP的多Agent旅行规划助手实战。通过本书的学习，读者将具备独立开发、优化和部署AI Agent的能力，并能够将其应用于实际业务场景中。
《AI Agent智能体开发实践》适合AI Agent初学者、Agent开发人员、Agent架构师、大模型应用开发人员、行业AI应用解决方案提供商阅读参考，也适合高等院校或高职高专院校学习大模型应用开发课程的学生。
本书作者
邓立国，东北大学计算机应用博士，广东工业大学副教授。主要研究方向为数据挖掘、知识工程、大数据处理、云计算、分布式计算。以第一作者发表学术论文30多篇（26篇EI），主编科研著作5部，主持科研课题10项，多次获得省校级科研优秀奖。著有图书《Python数据分析与挖掘实战》《Python大数据分析算法与实例》《数据库原理与应用（SQL Server 2016版本）》等。
本书读者
·LangChain与AI Agent开发初学者
·AI Agent与AI应用开发工程师
·行业AI解决方案提供商
·高等院校或高职高专院校AI应用开发课程的学生
本书目录
向上滑动阅览
目 录
第 1 部分 基础与理论
第 1 章 初识智能体2
1.1 智能体是什么2
1.2 AI智能体的类型3
1.3 AI智能体的功能4
1.4 智能体核心组件6
1.5 智能体的发展历程9
1.6 智能体与大模型的关系9
1.7 AI智能体的应用场景10
1.8 本章小结12
第 2 章 Agent开发环境配置14
2.1 智能体开发环境安装14
2.1.1 Anaconda的下载与安装15
2.1.2 PyTorch的下载与安装16
2.1.3 PyCharm的安装与使用19
2.2 LLM的调用与使用20
2.2.1 ModelScope（魔搭社区）20
2.2.2 Qwen3的本地调用21
2.2.3 Qwen3的在线调用24
2.3 本章小结27
第 3 章 智能体的关键技术28
3.1 规划与推理28
3.1.1 CoT框架：分步推理28
3.1.2 ToT框架：多路径探索式推理31
3.1.3 ReAct框架：将Reasoning+Acting结合34
3.2 自适应学习38
3.2.1 在线微调：人类反馈强化学习38
3.2.2 参数高效微调：Adapter与Prefix-tuning43
3.3 多Agent协同52
3.3.1 角色分工：定义不同Agent的职能52
3.3.2 通信协议：基于自然语言或结构化消息56
3.3.3 竞争协调：拍卖机制或投票系统62
3.4 感知与理解技术73
3.4.1 多模态感知73
3.4.2 环境建模76
3.5 记忆与知识管理80
3.5.1 短期记忆80
3.5.2 长期记忆85
3.6 本章小结95
第 4 章 提示工程96
4.1 提示工程概述96
4.2 智能体基础架构98
4.3 提示设计方法101
4.3.1 零样本提示101
4.3.2 少样本提示105
4.3.3 思维链提示106
4.3.4 自洽性提示109
4.4 高级提示技术111
4.4.1 递归提示111
4.4.2 元提示114
4.4.3 多智能体协作提示116
4.4.4 工具增强提示122
4.5 评估与优化128
4.5.1 提示效果评估指标128
4.5.2 A/B测试方法133
4.5.3 自动优化技术140
4.5.4 对抗性提示防御145
4.6 本章小结149
第 5 章 RAG（检索增强生成）技术150
5.1 RAG基础概念150
5.1.1 RAG技术概述150
5.1.2 RAG架构组成151
5.1.3 RAG工作流程152
5.2 检索技术153
5.2.1 检索方法153
5.2.2 向量检索技术155
5.2.3 检索优化策略163
5.3 生成技术167
5.3.1 代码生成技术167
5.3.2 文本生成技术170
5.3.3 模板生成技术172
5.4 知识库构建与管理174
5.4.1 数据来源与预处理174
5.4.2 知识库更新策略179
5.4.3 多模态RAG182
5.5 RAG优化与评估185
5.5.1 评估指标185
5.5.2 端到端优化方法195
5.5.3 常见问题与解决方案201
5.6 本章小结214
第 2 部分 开发与实践
第 6 章 智能体开发平台简介216
6.1 开源平台216
6.1.1 LangChain216
6.1.2 AutoSpark217
6.1.3 AutoGPT217
6.1.4 Microsoft Autogen217
6.1.5 MetaGPT218
6.1.6 DSPy218
6.1.7 AgentVerse218
6.1.8 LlamaIndex218
6.1.9 Hugging Face Transformers Agents218
6.1.10 SuperAGI218
6.2 商业平台218
6.2.1 Dify219
6.2.2 LlamaIndex219
6.2.3 腾讯元器219
6.2.4 文心智能体平台（百度）219
6.2.5 星辰Agent（科大讯飞）220
6.2.6 扣子（Coze）220
6.2.7 阿里云AgentScope220
6.3 其他平台221
6.3.1 CrewAI221
6.3.2 MaxKB221
6.3.3 FastGPT221
6.3.4 HuggingFace AgentHub222
6.3.5 NVIDIA Omniverse Agent222
6.3.6 AutoGen222
6.4 本章小结223
第 7 章 智能体开发流程224
7.1 需求分析与规划224
7.2 设计与开发阶段管理225
7.3 测试与部署策略226
7.4 本章小结228
第 8 章 基于LangChain的智能体开发229
8.1 LangChain框架简介229
8.1.1 LangChain的框架架构229
8.1.2 LangChain的基本模块230
8.1.3 LangChain的基本应用场景232
8.2 LangChain框架的输入输出234
8.2.1 提示234
8.2.2 语言模型234
8.2.3 输出解析器235
8.3 LangChain框架的链和表达式语言236
8.3.1 LangChain框架中的链236
8.3.2 LangChain表达式语言237
8.3.3 LCEL中的RunnableLambda238
8.3.4 LCEL中的RunnableSequence238
8.3.5 LCEL中的RunnableParallel240
8.3.6 LCEL中的RunnablePassthrough242
8.3.7 LCEL中的RunnableBranch242
8.4 LangChain框架中的记忆243
8.4.1 记忆的概念243
8.4.2 BaseChatMessageHistory接口及其子类243
8.4.3 RunnableWithMessageHistory244
8.4.4 基于LangChain的聊天机器人245
8.5 LangChain框架中的检索增强生成246
8.5.1 检索增强生成介绍246
8.5.2 索引、检索和生成248
8.5.3 文档和文档加载器250
8.5.4 TextLoader、WebBaseLoader和pypdfLoader251
8.5.5 分割器和递归字符文本分割器252
8.5.6 嵌入模型252
8.5.7 向量存储库253
8.5.8 检索器254
8.6 LangChain框架中的智能体258
8.6.1 人工智能代理介绍258
8.6.2 LangChain中的AI Agent实现方式259
8.6.3 多智能体框架LangGraph介绍259
8.6.4 多智能体框架LangGraph中的图259
8.6.5 多智能体框架LangGraph中的状态260
8.6.6 多智能体框架图中的节点261
8.6.7 多智能体框架LangGraph中的边262
8.6.8 多智能体框架LangChain中的工具263
8.6.9 再审方法265
8.7 本章小结268
第 9 章 基于MCP的智能体开发269
9.1 MCP基本原理269
9.2 单机MCP服务器端搭建270
9.3 单机MCP服务端进阶实现与优化274
9.4 单机MCP客户端搭建283
9.5 MCP智能体开发案例287
9.6 本章小结288
第 10 章 基于RAG的问答智能体实战289
10.1 系统架构289
10.2 核心功能模块设计291
10.3 本地部署和云部署293
10.4 完整代码及运行结果293
10.5 本章小结300
第 11 章 多模态电商客服机器人实战301
11.1 系统架构301
11.2 核心功能模块设计302
11.3 完整代码及运行结果304
11.4 本章小结310
第 3 部分 优化与应用
第 12 章 智能体性能优化与调试技巧312
12.1 性能瓶颈分析方法312
12.2 调试工具与策略314
12.3 优化实践案例分享315
12.4 本章小结317
第 13 章 智能体部署与实施方法318
13.1 部署前的准备318
13.2 数据准备319
13.2.1 训练数据（部署前模型优化用）319
13.2.2 测试数据（部署后效果验证用）320
13.3 部署方案选择320
13.3.1 本地部署320
13.3.2 云端部署320
13.3.3 边缘设备321
13.3.4 嵌入式部署321
13.3.5 专项部署321
13.4 轻量化技术322
13.5 成本优化策略322
13.4.1 算力选型322
13.4.2 资源调度323
13.6 本章小结323
第 14 章 多模态试驾预约Agent实战324
14.1 系统概述324
14.2 系统架构325
14.3 核心功能模块设计327
14.4 核心技术路径分析331
14.5 AI试驾预约系统完整实现332
14.6 本章小结359
第 15 章 基于RAG的多Agent客户服务系统实战360
15.1 系统概述360
15.2 系统架构361
15.3 核心功能模块设计362
15.3.1 核心功能模块设计流程362
15.3.2 核心功能模块设计363
15.4 实现基于RAG的多Agent客户服务系统364
15.5 本章小结373
第 16 章 基于MCP的多Agent旅行规划助手实战374
16.1 系统概述374
16.2 系统架构374
16.3 项目结构375
16.4 系统的Agent组成376
16.4.1 用户需求分析Agent376
16.4.2 目的地推荐Agent384
16.4.3 行程规划Agent387
16.4.4 预算管理Agent389
16.4.5 预订协调Agent391
16.4.6 应急规划Agent393
16.5 关键技术实现396
16.5.1 通信机制396
16.5.2 多智能体协作规划算法399
16.5.3 冲突解决机制405
16.5.4 共享知识库存储历史决策和用户反馈406
16.6 旅行规划完整工作流程409
16.6.1 主程序调用（方案1：后端FastAPI实现）409
16.6.2 主程序调用（方案2：Qwen模型调用+Gradio界面）417
16.7 本章小结432
编辑推荐
（1）从智能体的基础概念出发，逐步深入智能体的核心技术、开发框架、开发流程、开发方法和行业应用，帮助读者系统掌握构建AI Agent的关键技能。
（2）示例（Propmt、RAG、MCP、LangChain、LangGraph）和实战案例（问答Agent、多模态电商客服机器人、多模态试驾预约Agent、多Agent客户服务助手、多Agent旅行规划助手）非常丰富，能帮助初学者按图索骥，快速掌握AI Agent的开发方法和技能。
（3）配套示例代码、PPT课件、读者交流微信群，示例代码经过测试均能运行无误。
本文摘自《AI Agent智能体开发实践》，具体内容请以书籍为准。
AI Agent智能体开发实践——jdhttps://item.jd.com/15261772.html
