跳到内容
当前位置:首页>电子书资讯>想学AI Agent吗?这两本开源电子书值得一读

想学AI Agent吗?这两本开源电子书值得一读

  • 2026-11-11 12:23:23
想学AI Agent吗?这两本开源电子书值得一读

现在AI Agent很多,像我们开发平时接触得比较多的就是AI Coding相关的Agent,如:Qoder,Cursor,Codex,Claude Code、ZCode。大部分人可能都只是在使用层面,但不知道为什么这次好用、下次就翻车,并不会去探索其底层的一些逻辑。如果用一个工具,我们能窥探到其本质。那么用起来会更加的得心应手。平时,我也比较喜欢逛`Github`,也看到了一些不错的`AI Agent`相关的资料。但是这两个,是我觉得比较不错的内容

Hello-Agents 从零开始构建智能体

项目地址: https://github.com/datawhalechina/Hello-Agents

目前79.3K Star

Hello-Agents 是 Datawhale 社区的系统性智能体学习教程。如今 Agent 构建主要分为两派,一派是 Dify,Coze,n8n 这类软件工程类 Agent,其本质是流程驱动的软件开发,LLM 作为数据处理的后端;另一派则是 AI 原生的 Agent,即真正以 AI 驱动的 Agent。本教程旨在带领大家深入理解并构建后者——真正的 AI Native Agent。教程将带领你穿透框架表象,从智能体的核心原理出发,深入其核心架构,理解其经典范式,并最终亲手构建起属于自己的多智能体应用。我们相信,最好的学习方式就是动手实践。希望这本教程能成为你探索智能体世界的起点,能够从一名大语言模型的”使用者”,蜕变为一名智能体系统的”构建者”。

章节
关键内容
状态
前言
项目的缘起、背景及读者建议
✅
第一部分:智能体与语言模型基础
第一章 初识智能体
智能体定义、类型、范式与应用
✅
第二章 智能体发展史
从符号主义到 LLM 驱动的智能体演进
✅
第三章 大语言模型基础
Transformer、提示、主流 LLM 及其局限
✅
第二部分:构建你的大语言模型智能体
第四章 智能体经典范式构建
手把手实现 ReAct、Plan-and-Solve、Reflection
✅
第五章 基于低代码平台的智能体搭建
了解 Coze、Dify、n8n 等低代码智能体平台使用
✅
第六章 框架开发实践
AutoGen、AgentScope、LangGraph 等主流框架应用
✅
第七章 构建你的Agent框架
从 0 开始构建智能体框架
✅
第三部分:高级知识扩展
第八章 记忆与检索
记忆系统,RAG,存储
✅
第九章 上下文工程
持续交互的”情境理解”
✅
第十章 智能体通信协议
MCP、A2A、ANP 等协议解析
✅
第十一章 Agentic-RL
从 SFT 到 GRPO 的 LLM 训练实战
✅
第十二章 智能体性能评估
核心指标、基准测试与评估框架
✅
第四部分:综合案例进阶
第十三章 智能旅行助手
MCP 与多智能体协作的真实世界应用
✅
第十四章 自动化深度研究智能体
DeepResearch Agent 复现与解析
✅
第十五章 构建赛博小镇
Agent 与游戏的结合,模拟社会动态
✅
第五部分:毕业设计及未来展望
第十六章 毕业设计
构建属于你的完整多智能体应用
✅

深入理解 AI Agent

项目地址: https://github.com/bojieli/ai-agent-book
目前47.8K Star

全书围绕核心公式 Agent = LLM + 上下文 + 工具 展开,十章层层递进:

章
主题
一句话核心
1
🚀 AI Agent 入门
Agent = LLM + 上下文 + 工具
;Harness 工程才是竞争力
2
🎯 上下文工程
上下文决定能力上限:KV Cache、提示工程、Agent Skills、上下文压缩
3
📚 用户记忆和知识库
跨会话记住用户、接入外部知识:用户记忆、RAG、结构化索引、知识图谱
4
🛠️ 工具
工具是 Agent 的双手:MCP 协议、感知/执行/协作三类工具与主动工具发现
5
💻 Coding Agent 与通用 Agent
代码是「能创造新工具的工具」,生产级 Coding Agent 全景
6
🎙️ 交互:观察与动作空间的扩展
从模态与时序两个维度扩展 Agent 的观察与动作空间:异步与事件驱动、语音交互、Computer Use 和机器人操作
7
🎯 Agent 的评估
把表现变成可比较信号:评估环境、指标、统计显著性、评估驱动选型
8
🧠 模型后训练
预训练/SFT/RL 三阶段:何时选 SFT、何时选 RL,工具调用内化、样本效率
9
🔄 Agent 的持续进化
从运行轨迹获得学习信号,更新知识、指令、程序与参数
10
🤝 多 Agent 协作
群体智能高于个体:协作框架、上下文共享/隔离、涌现的「Agent 社会」

两本侧重点不太一样。

Hello-Agents 更偏「系统入门」,从零开始带你把 Agent 框架从外到内拆一遍,适合想真正动手搭一个自己的 Agent 的人;《深入理解 AI Agent》更偏「工程实践」,围绕那个核心公式把每一块都拆开讲透,适合已经在用 Agent、想搞清楚底层为什么的人。

微信咨询 微信客服二维码微信扫一扫 · 添加人工客服 QQ QQ咨询 QQ咨询二维码QQ扫一扫 · 添加人工客服 帮助手册