![](https://developer.qcloudimg.com/http-save/yehe-12631087/5d6da8b032b52265ac13cab01c9fc61a.png)

哈喽，大家好！

我是阿星！

最近想系统学 AI Agent，最容易遇到的问题不是没有资料，而是资料太碎。

今天看提示词，明天看 RAG，后天又冒出 MCP、Agent Skill、Coding Agent、评估、多 Agent。每个词似乎都懂一点，但真要做一个完整项目，还是不知道这些模块为什么存在，又该怎么连起来。

我最近挖到一个很适合补这张“全局地图”的开源项目：

《深入理解 AI Agent：设计原理与工程实践》

GitHub👉🏻 bojieli/ai-agent-book

在线阅读👉🏻://bojieli.github.io/ai-agent-book/

先说结论：这不是一份把热门名词堆在一起的资源清单，而是一套“正文 + 实验 + 在线版 + PDF / EPUB”的完整开源教材。

它值得收藏，但也不是零基础的“一键入门课”。如果你有基本的 Python、Git 和命令行经验，它的价值会更大。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/d43ed79dbae5f0a45c1be192687c9306.png)

图片来源：项目官方在线阅读页

## 01 它到底开放了什么？

作者在引言中介绍，这本书源自技术讲座和配套实验，之后继续整理、扩展成书。

截至我核实时，仓库 README 给出的规模是：

```
10 章正文。
```

```
92 个配套实验，其中 70 多个可以独立运行。
```

```
中文原版和 7 种社区翻译，共 8 种语言。
```

```
在线阅读、PDF、EPUB 三种阅读方式。
```

```
主项目采用 Apache License 2.0；部分子项目以各自的许可证说明为准。
```

写这篇文章时，GitHub 页面显示约 2.39 万 Star、2.4k Fork、811 次提交。更重要的是，仓库当天仍有文档和实验代码更新。它不是上传完就不再维护的静态资料，而是一套仍在迭代的开源教材。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/640c028af5ba19cd1d0fca1549381ab9.png)

图片来源：项目 GitHub 仓库首页；Star 等数据会继续变化

## 02 我最喜欢的，是它先给了一张完整地图

很多 Agent 教程的问题，是从某个框架或某个 Demo 开始讲。你能照着跑起来，却不一定知道整个系统还缺什么。

这本书先用一句公式统一全书：

Agent = LLM + 上下文 + 工具

简单说，模型负责理解、思考和决策；上下文决定模型能看到什么；工具决定它能对外部世界做什么。

沿着这条主线，十章内容不是平铺，而是逐层推进：

第一章先建立 Agent 的基本框架；第二到第五章讲上下文、记忆、知识库、工具和 Coding Agent；第六到第八章进入评估、后训练和持续进化；最后两章再扩展到语音、GUI、机器人和多 Agent 协作。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/275bec36d76d03048fcdf63955c157b5.png)

图片来源：项目 README 的“内容速览”

这套结构有一个很实际的好处：以后再看到 RAG、MCP、Skill、Computer Use 或 Agentic RL，你不再只是多记住一个术语，而是知道它属于模型、上下文、工具、评估还是进化链路。

对刚进入这个领域的人来说，这张地图往往比又学一个框架更重要。

## 03 它不是只教你做一个聊天机器人

真正让我觉得这是“宝藏资源”的地方，是正文和实验基本按章节对应。

比如第五章讲 Coding Agent 与代码生成，配套项目不是只有一个最小聊天 Demo，而是包含了：

```
用代码辅助数学和逻辑推理。
```

```
把论文生成 PPT，再用 Vision 模型检查渲染结果。
```

```
从 PPT、讲解词和 TTS 生成带旁白的视频。
```

```
用自然语言剪辑视频，并通过抽帧复核结果。
```

```
解析新格式日志、诊断故障并生成回归测试。
```

```
把自然语言转成 SQL，让 Agent 操作 ERP 数据。
```

```
用纯 Python 实现一套综合 Coding Agent。
```

![](https://developer.qcloudimg.com/http-save/yehe-12631087/5976ec023465c2e2a0c52feb262d7fa3.png)

图片来源：项目第五章配套项目页面

这些实验的意义，不只是“项目很多”。

它们把同一套 Agent 方法放进了内容生产、数据处理、软件工程和自动化场景。你会看到上下文怎么组织、工具怎么设计、结果怎么验证，以及为什么一个 Agent 不能只负责生成，还需要检查和反馈闭环。

对于开发者，这是一组可以拆开研究的工程样例；对于产品经理和内容创作者，它也能帮助你理解，一项 Agent 能力从演示走向真实工作流，中间还需要补哪些环节。

## 04 不同基础的人，可以走不同路线

项目已经给出一份官方学习建议，把全书分成基础、上下文、工具、评估与进化、拓展与协作五部分，并标注了章节难度。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/8e0b871d28960766b1888cdb7133da6a.png)

图片来源：项目官方《学习建议》

如果你时间有限，我建议先读第一章和第二章。

第一章帮你建立全局认知，第二章讲最关键的上下文工程。官方也特别说明，第二章的 KV Cache 原理偏技术，第一次可以先跳过底层细节，只抓住核心结论。

如果你准备真正开发 Agent，可以按第一到第六章顺序推进。前五章负责“怎么构建”，第六章负责“怎么验证”。如果你已经在做模型训练或复杂 Agent，再进入第七、八章的 SFT、RL 和持续进化，最后按需要选读多模态与多 Agent 协作。

阿星不建议第一天就从第七章开始啃强化学习，也不建议一次克隆所有外部项目。先读一章、跑一个实验、改一个变量，再观察结果，学习效率会更高。

## 05 第一次动手，建议从这 3 个实验开始

如果你不知道从哪个项目入手，可以按下面的顺序选。

### 第一个：1-1 context

它用消融实验展示上下文各组件的重要性。

所谓消融实验，就是一次去掉或替换一个组件，看结果怎么变化。这个过程能让你直观看到：同一个模型，为什么在上下文不同的情况下，表现会差很多。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/ea87b1a86cfcc06e4afd6f22956fc50f.png)

### 第二个：4-2 execution-tools

它把文件操作、代码解释器、虚拟终端和外部系统集成做成执行工具，并加入二次审批机制。

这个实验适合用来理解一个关键问题：Agent 会调用工具还不够，真正进入工作现场以后，还要处理权限、误操作和人工确认。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/8170bbb669936a0193908685e9d22866.png)

### 第三个：5-4 paper-to-ppt

它把“论文转 PPT”设计成一个提议者—审核者循环：一个 Agent 生成 Slidev，另一个环节把页面真实渲染成 PNG，再让 Vision 模型检查并继续修改。

如果你是内容创作者、产品经理或独立开发者，这个实验很容易建立直觉。它展示的不是一次生成，而是“先产出、再渲染、再检查、再迭代”的交付闭环。

想在本地开始，可以先执行：

```
# 克隆开源书和配套实验
git clone https://github.com/bojieli/ai-agent-book.git

# 进入项目目录
cd ai-agent-book

# 查看第一章实验清单（macOS）
open chapter1/README.md
```

每个实验的依赖和启动方式不完全相同，进入具体目录后，

应先读对应 README，再配置环境和 API Key。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/df07d1d4dd261bd9ffdec507dd7d1ca6.png)

## 06 收藏之前，也要知道它的门槛

这套资源很完整，但有三个边界需要提前说明。

第一，它更适合有一点技术基础的读者。

官方列出的基础包括 Python、命令行、Git、JSON、REST API，以及基本的大模型使用经验。只想了解概念，可以直接读在线版；要跑实验，还是需要动手配环境。

第二，不是所有内容都已经装在主仓库里。

出于体积和许可证等原因，第六、七、九、十章涉及的 19 个评测基准、训练框架和机器人平台需要另外克隆；部分实验还需要 API Key、GPU 或真实硬件。仓库已经明确标注“可独立运行”“复现指南”“设计文档”等类型，开始前要先看清楚。

第三，内容仍在快速更新。

中文是原版，社区翻译可能落后；在线站点会随 main 分支更新，PDF 和 EPUB 也有滚动构建。如果你在意最新修订，优先看中文在线版和 GitHub 主仓库。

## 最后说一句

这个项目真正值得推荐的，不只是“开源”或“实验多”。

它把 AI Agent 学习从零散术语，重新组织成一条可以行动的路线：

先理解模型、上下文和工具，再动手运行实验；做出结果之后，用评估判断系统是否真的进步；最后才进入训练、持续进化、多模态和多 Agent 协作。

这也是我认为更有效的 Agent 学习方式：

不是看完多少教程，而是能不能把一个原理放进代码里运行、比较、修改和验证。

如果你最近正想系统补 AI Agent，这个仓库值得放进收藏夹。但收藏之后，最好马上挑一个最小实验跑起来。

## 信息来源

![](https://developer.qcloudimg.com/http-save/yehe-12631087/602cbb0843d3cb44e12e4057cf8a247f.png)



今天看提示词，明天看 RAG，后天又冒出 MCP、Agent Skill、Coding Agent、评估、多 Agent。每个词似乎都懂一点，但真要做一个完整项目，还是不知道这些模块为什么存在，又该怎么连起来。

2.4万人星标的AI学习手册，带你从原理一路撸到多Agent协作丨开源项目ai-agent-book

人工智能

开发工具

《深入理解AIAgent》开源项目提供10章正文+92个实验，涵盖LLM、上下文、工具等核心模块，适合有Python基础的开发者系统学习AIAgent。项目持续更新，包含PDF/EPUB/在线阅读多种形式，通过实践案例帮助理解Agent设计原理与工程实现。

聊天机器人

上下文工程

回归测试

强化学习

代码解释

数据处理

软件工程

解释器

Python

GitHub

Agent

JSON

2026上云采购 | AI焕新·智启新局

lexiang

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

2.4万人星标的AI学习手册，带你从原理一路撸到多Agent协作丨开源项目ai-agent-book-腾讯云开发者社区-腾讯云

2.4万人星标的AI学习手册，带你从原理一路撸到多Agent协作丨开源项目ai-agent-book

2.4万人星标的AI学习手册，带你从原理一路撸到多Agent协作丨开源项目ai-agent-book

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐