AI智能体开发实战：完整目录

📖 AI智能体开发实战

这是一本系统讲解 AI 智能体（Agent）开发的实战技术书。从智能体的基本概念出发，覆盖架构设计、LLM 集成、提示工程、工具调用、推理模式、记忆系统、RAG 检索增强、多智能体协作、MCP 协议、评估可观测性，最终落地到生产化部署。

全书共 12 章，每章包含完整 Python 代码示例，技术栈基于 2025-2026 年最新框架与模型。

第一部分：基础篇

第1章：智能体时代——AI Agent的崛起与变革

从规则系统到 LLM 驱动，全面解析 AI 智能体的定义、演进历程与 2026 年生态全景图。

第2章：智能体架构设计——从简单到复杂

深入剖析 ReAct、Plan-and-Execute、Reflection 等核心架构模式，附完整 Python 实现。

第3章：LLM核心引擎——大模型选型与集成

全面对比 OpenAI GPT-5.x、Claude 4.x、开源模型在智能体开发中的表现，附 API 集成实战。

第4章：提示工程进阶——为智能体设计高效Prompt

System Prompt 设计、思维链、结构化输出等提示工程技术在智能体开发中的实战应用。

第二部分：核心篇

第5章：工具调用机制——Function Calling实战

深入解析 LLM Function Calling 原理，从工具定义到调度执行，构建智能体的工具使用能力。

第6章：推理模式——ReAct与Plan-and-Execute

深入对比 ReAct 和 Plan-and-Execute 两种核心推理模式，用纯 Python 实现完整的智能体推理引擎。

第7章：记忆系统——让智能体拥有持久记忆

从短期对话记忆到长期向量记忆，构建让智能体记住过去经验的完整记忆架构。

第8章：RAG增强检索——知识库驱动的智能体

从文档分块到向量检索到生成回答，构建完整的 RAG 知识库驱动的 AI 智能体系统。

第三部分：进阶篇

第9章：多智能体协作——分工、编排与涌现

从 CrewAI 到 AutoGen，探索多智能体协作系统的架构模式、通信机制与实战代码。

第10章：MCP协议——智能体的标准化工具接口

深入解析 Anthropic Model Context Protocol 架构，从 Server 开发到 Client 集成的完整指南。

第11章：评估与可观测性——科学衡量智能体表现

从任务完成率到 Token 效率，构建 AI 智能体的全维度评估体系与可观测性平台。

第12章：生产化实战——从原型到可靠产品

从部署架构到安全护栏到成本优化，将 AI 智能体从原型推向生产环境的完整工程指南。

技术栈一览

适合读者

• 有一定 Python 基础，想系统学习 AI Agent 开发的工程师
• 正在使用 LLM API，想构建更复杂智能应用的开发者
• 对 LangChain/CrewAI 等框架感兴趣，想深入理解底层原理的技术人

💡 每章可独立阅读，也可按顺序系统学习。建议第一遍按顺序通读，第二遍按需查阅。