《深入理解 AI Agent》怎麼學：10 章開源教材與 88 個實驗指南

bojieli/ai-agent-book 是李博傑編寫的開源教材《深入理解 AI Agent：設計原理與工程實踐》主倉庫。專案公開了全書正文、PDF、EPUB、配圖和按章組織的程式碼實驗，用 10 章內容把 Agent 基礎、上下文、記憶、工具、Coding Agent、評估、訓練、自我進化、多模態和多 Agent 協作串聯起來。

全書採用一個容易理解的公式：

1

Agent = LLM + 上下文 + 工具

這本書適合已經會呼叫大模型，但希望理解 Agent 工程體系的人。它不是隻介紹幾個框架，而是把模型之外的 Harness、上下文管理、工具呼叫、評估和實踐程式碼放到同一條學習路線中。

快速結論

全書中文正文、PDF 和 EPUB 可以免費閱讀，倉庫採用 Apache License 2.0。
內容共 10 章，配套 88 個專案，其中 70 多個可以獨立執行。
正文以中文為主，同時提供臺灣正體、英文、泰米爾語和越南語社群翻譯。
社群譯本可能落後於中文原版，關注最新內容時應優先檢視 book/。
部分實驗需要 API Key、GPU、外部資料集、瀏覽器環境或機器人硬體，不能假設全部實驗都能在普通筆記本上直接執行。

在哪裡閱讀和下載

專案主頁：

https://github.com/bojieli/ai-agent-book

倉庫 README 提供中文 PDF 和 EPUB 的最新構建連結，也可以直接在 GitHub 閱讀 Markdown 源文。中文正文主要位於：

1
2
3
4
5
6


book/introduction.md
book/chapter1.md
book/chapter2.md
...
book/chapter10.md
book/afterword.md

多語言目錄包括：

1
2
3
4


book-zhtw/
book-en/
book-ta/
book-vi/

如果只是閱讀，直接下載 Release 中的固定版本更穩；如果想跟蹤最新修訂，可以閱讀 main 分支生成的 PDF、EPUB 或 book/ 源文。固定版本便於引用和做筆記，main 分支則可能持續增加勘誤和新內容。

10 章分別講什麼

章節	主題	學習重點
第 1 章	Agent 基礎知識	Agent 的定義、模型能力與 Harness 工程
第 2 章	上下文工程	KV Cache、提示工程、Agent Skills、上下文壓縮
第 3 章	使用者記憶和知識庫	跨會話記憶、RAG、結構化索引與知識圖譜
第 4 章	工具	MCP、感知/執行/協作工具、非同步 Agent 與工具發現
第 5 章	Coding Agent 與程式碼生成	生產級 Coding Agent 的元件和工作流程
第 6 章	Agent 評估	環境、指標、統計顯著性和評估驅動選型
第 7 章	模型後訓練	預訓練、SFT、RL、工具呼叫內化和樣本效率
第 8 章	Agent 自我進化	經驗學習、Prompt 蒸餾與工具創造
第 9 章	多模態與實時互動	語音、Computer Use、GUI 和機器人
第 10 章	多 Agent 協作	任務分工、上下文共享與隔離、群體行為

如果對 Agent、MCP、RAG 和 Token 還不熟悉，可以先閱讀站內的 AI Agent、MCP、RAG 與 Token 名詞解釋。如果重點是 Coding Agent 的多 Agent 協作，可結合 Claude Code Subagents 與 Agent Teams 對比理解實際工具中的排程差異。

88 個實驗應該怎麼跑

倉庫按章節提供程式碼目錄：

1
2
3
4


chapter1/
chapter2/
...
chapter10/

不同實驗的狀態和依賴並不相同。開始前建議：

先閱讀對應章節正文；
開啟章節目錄內的 README；
確認實驗標記是可執行、復現還是設計練習；
檢查 Python、Node.js、GPU、API Key 和資料集要求；
使用獨立虛擬環境安裝依賴；
先跑最小示例，再改模型、資料或工具；
儲存輸入、輸出、依賴版本和驗收結果。

可以先克隆倉庫：

1
2


git clone https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book

不要在倉庫根目錄直接假設存在一個統一的安裝命令。88 個專案涉及的框架和依賴不同，應進入具體章節和實驗目錄，嚴格按照對應 README 操作。

哪些實驗需要額外資源

API Key

部分實驗需要訪問大模型 API。README 列出了 Kimi、智譜 GLM、SiliconFlow、火山引擎和 OpenRouter 等選擇。使用前要確認：

賬戶所在地區是否支援；
模型名稱和介面是否仍然有效；
免費額度、速率限制和計費方式；
API Key 不要提交到 Git；
示例輸出是否依賴特定模型能力。

不要把 API Key 直接寫進 Python 檔案。優先使用環境變數或實驗 README 指定的 .env 方式，並確認 .env 已被 Git 忽略。

外部倉庫和資料集

第 6、7、9、10 章有一部分評測、訓練、瀏覽器和機器人專案不直接包含在主倉庫，需要另外克隆。README 當前列出的示例包括：

android_world、GAIA、OSWorld、SWE-bench、tau2-bench、terminal-bench；
MiniMind、verl、SFTvsRL、Tinker Cookbook 等訓練專案；
browser-use 和 Anthropic claude-quickstarts；
TalkAct 和 Stanford Generative Agents。

如果實驗 README 指定 commit，應按要求切換版本。直接使用外部倉庫最新 main 分支，可能因為 API、依賴或目錄結構變化而無法復現書中的結果。

GPU 和真實硬體

訓練、大模型推理、VLA、機器人和 Sim2Real 實驗可能需要較大視訊記憶體或實際裝置。普通電腦可以先完成概念、API、上下文、記憶、MCP 和輕量評估實驗；不要為了完成全部章節，一開始就採購昂貴硬體。

如何把閱讀變成真正的工程能力

每章可以採用同一套學習閉環：

用一句話寫出本章要解決的問題；
畫出輸入、上下文、模型、工具和輸出的資料流；
跑通一個最小實驗；
主動製造一次失敗，例如工具超時、上下文超長或返回格式錯誤；
增加日誌、重試、許可權限制或驗收條件；
用固定測試集比較修改前後的結果；
把可複用規則整理成專案文件或 Skill。

例如學習第 4 章 MCP 時，不應止於“工具呼叫成功”，還要檢查引數校驗、超時、錯誤恢復和許可權範圍。學習第 6 章評估時，不應只看一次漂亮輸出，而要記錄樣本、指標和重複實驗結果。

PDF、EPUB 與網頁原始碼怎麼選

形式	適合場景	注意點
PDF	連續閱讀、列印、固定頁碼引用	main 分支構建會更新，正式引用建議用 Release
EPUB	手機、平板、電紙書閱讀	不同閱讀器對程式碼塊和表格支援不同
GitHub Markdown	檢視最新內容、搜尋、跟蹤改動	閱讀連貫性不如電子書
本地原始碼	做批註、修改、執行配套實驗	需要自行管理 Git 版本和依賴

如果需要自己構建 PDF，官方說明要求 pandoc、xelatex、ElegantBook 文件類和相關字型，然後執行：

1

cd book && bash build_pdf.sh

這條命令更適合 Linux、macOS 或已有 Bash/LaTeX 環境的使用者。Windows 使用者可以使用 WSL，但應先確認字型與 TeX 依賴，否則可能在中文字型或 LaTeX 包階段失敗。

常見誤區

以為 88 個實驗都能一鍵執行

不同實驗覆蓋 API、RAG、訓練、瀏覽器、GUI、語音和機器人，依賴跨度很大。正確做法是按章節 README 分別配置，而不是尋找一個根目錄全量安裝命令。

只下載 PDF，不看程式碼版本

PDF 適合閱讀，但實驗失敗時應回到對應章節目錄，檢查 README、依賴檔案、指定 commit 和 Issues。書中概念與程式碼演進速度不同，固定版本比盲目追最新更容易復現。

直接執行所有外部專案

外部倉庫可能體積很大，也可能需要資料集、GPU、容器或特定許可證。只克隆當前學習章節需要的專案，先閱讀各自許可證和硬體要求。

把 Agent 等同於一個大模型

全書反覆強調 Agent 還包括上下文與工具。實際系統中，提示、記憶、許可權、執行環境、狀態持久化和評估往往決定能否穩定工作。更大的模型不能自動解決所有工程問題。

適合哪些讀者

適合：

想系統理解 AI Agent，而不是隻會呼叫框架的人；
正在開發 Coding Agent、知識助手或自動化工作流的工程師；
想補齊上下文、記憶、MCP、評估和後訓練知識的開發者；
需要課程、讀書會或團隊培訓材料的人；
願意動手復現實驗並記錄失敗過程的學習者。

如果只是尋找某個框架的快速安裝命令，這本書可能顯得較長。可以先按主題閱讀一章，再決定是否完成整條路線。

總結

bojieli/ai-agent-book 把 AI Agent 從概念、上下文和工具，一直講到評估、訓練、多模態與多 Agent 協作，並提供了大量配套實驗。它更適合作為一套持續數週的學習計劃，而不是一天讀完的專案介紹。

建議從自己的目標出發選擇章節，先完成一個最小實驗，再逐步增加模型、工具、記憶和評估。只要能把“讀懂一章”轉化為“跑通、製造失敗、修復並驗收一個實驗”，這套開源教材就能真正進入工程實踐。

專案地址：bojieli/ai-agent-book