前阵子一个做后端的朋友被老板安排带队搞 AI Agent 项目。他 Java 写了八年，LLM 调用过几次，但要设计一个生产级 Agent 系统，脑子里一片空白。"Agent 到底是什么？不就是 LLM 加工具调用吗？那跟之前调 API 有什么区别？"
给他推荐了一个项目。三天后他说，看完了前三章，终于知道 Agent 应该怎么设计了。
这个项目就是今天要聊的 ai-agent-book。
一句话介绍
ai-agent-book 是一本完全开源的 AI Agent 技术书，全名叫《深入理解 AI Agent：设计原理与工程实践》。由华为诺亚方舟实验室研究员李博杰撰写，全书围绕一个核心公式展开：Agent = LLM + 上下文 + 工具。
关键数据：12K Star、1.1K Fork、Apache-2.0 协议、401 次提交、Python 占 94.8%、10 章正文 + 88 个配套项目（70 个以上可独立运行）、支持 5 种语言。
- GitHub：https://github.com/bojieli/ai-agent-book
它解决了什么问题
AI Agent 这两年很火，但学习资源有一个尴尬的问题：不够系统。
网上大量碎片内容——今天一篇 RAG 教程，明天一篇 MCP 协议介绍，后天一篇多 Agent 协作科普。每篇单独看都有收获，但合在一起就很散。不知道这些东西之间的逻辑关系，不知道先学什么后学什么，更不知道它们怎么拼成一个完整的 Agent 系统。
官方文档呢？OpenAI 强调 function calling，Anthropic 强调 tool use，Google 强调 grounding。跟着一家学完，换另一家又得重新理解。
市面上缺一种东西：能把 Agent 从原理到工程落地讲清楚，不绑定某家厂商，还附带可运行代码的系统性教程。 ai-agent-book 就是为了补这个缺口来的。
全书内容结构
全书 10 章，每一章都是独立的知识模块，连起来又是一条完整的进阶路线。
从基础到生产
前三章打基础：第一讲 Agent 的范式，为什么说"模型即 Agent"，Harness 工程为什么比模型本身更值得关注。第二讲上下文工程，从 KV Cache 到提示工程到 Agent Skills 再到上下文压缩。第三讲用户记忆和知识库，覆盖 RAG、结构化索引、知识图谱。
中间三章进实战：第四章讲工具，核心是 MCP 协议、事件驱动的异步 Agent 和主动工具发现。第五章是 Coding Agent——代码是"能创造新工具的工具"。第六章讲评估，生产级系统不评估就等于闭着眼睛开车。
后四章拔高：第七章模型后训练（SFT 和 RL 的选择、工具调用内化），第八章自我进化（不改权重也能学习），第九章多模态和实时交互（语音、Computer Use、机器人），第十章多 Agent 协作（群体智能、上下文共享与隔离、Agent 社会）。
88 个配套项目
这本书最大的特点是：每一章都有可以跑起来的代码。88 个项目，70 个以上可以直接运行。从简单的 LLM 调用 demo 到复杂的多 Agent 协作系统，每一段代码都可以在本地跑。
不是"课后习题"式的敷衍配套。比如第八章的 prompt-distillation 项目，展示了怎么把 100 次交互的经验压缩成几条 Prompt，让 Agent 下次遇到类似问题直接能用——这已经是可以直接搬到生产环境的思路了。
技术架构
语言层面以 Python 为主（94.8%），这是 AI 生态的事实标准。配套项目覆盖 MCP 协议实现、RAG 系统搭建、RL 训练框架、多模态模型集成。
作者在选型上保持厂商中立。不绑定 OpenAI，也不绑定 Anthropic，代码适配多个 API 提供商（Kimi、智谱、Siliconflow、OpenRouter 等），对国内开发者特别友好。
还有一个工程化设计：每一章的配图都由 Python 脚本自动生成（book/gen_*_figs.py）。内容更新时，配图可以跟着自动化更新，不会图文不一致。
社区健康度
12K Star 对于技术书项目已经相当可观。更值得关注的是 1.1K 的 Fork 数，说明有不少人在做本地化或二次开发。
社区翻译是强信号：项目支持 5 种语言（中文原版 + 台湾正体 + 英文 + 泰米尔语 + 越南语），英文和越南语版由社区贡献者维护。401 次提交，2026 年 7 月还在活跃更新。
同类项目对比
| 项目 | 定位 | 特点 | 不足 |
|---|---|---|---|
| OpenAI Cookbook | 官方教程 | 质量高 | 完全绑定 OpenAI API，缺少系统性 |
| LangChain 教程 | 框架文档 | 完善 | 绑定 LangChain 抽象层，教程常过时 |
| Prompt-Engineering-Guide | 提示工程百科 | 50K+ Star | 无配套代码，不涉及多 Agent 协作 |
| ai-agent-book | 系统性技术书 | 完整逻辑体系 + 88 个项目 + 厂商中立 | 阅读门槛较高 |
ai-agent-book 的核心区别在于：它不是文档、不是 cookbook、不是教程合集，而是一本真正意义上的书。 有完整的逻辑体系、有作者的个人判断和取舍、有大量可运行代码，不绑定任何厂商。
优势与不足
优势
- 唯一系统性 Agent 技术书：从原理讲到模型训练再到多 Agent 协作，附带可运行代码，填补行业空白
- 代码量大且可运行：88 个项目、70+ 可直接运行，很多思路可移植到生产环境
- 厂商中立：适配国内外多种 API，无厂商绑定
- 开源全免费：正文、配图、代码全部开源，PDF 和 EPUB 可直接下载
- 学习路径清晰：附录有详细学习建议，新手和老手各有路线
不足
- 阅读门槛不低：后半部分（模型训练、RL、多模态）需要一定机器学习基础
- 部分实验依赖硬件：第九章机器人实验需要 SO-100 机械臂，普通读者无法复现
- 外部仓库依赖 20 个：部分基准和训练框架需自行克隆
- 作者背景偏学术：更多反映学术界和前沿工业界视角，小公司落地场景覆盖有限
总结
给知识付费的时代，愿意把一本 10 章 88 个项目、可以定价 99 块的书完全开源免费，这个选择本身就说明了作者的格局。
如果你只读一本关于 AI Agent 的书，就读这本。
- GitHub：https://github.com/bojieli/ai-agent-book