AI Agent 技术书源码公开

前几天在视频平台有人推荐《深入理解 AI Agent：设计原理与工程实践》这本书，我顺手去 GitHub 上看了看，记录一下该书的具体情况。

作者为 Pine AI 首席科学家李博杰，全书正文、图表及 95 个配套实验均已在 GitHub 上开源（bojieli/ai-agent-book）。作者近期仍在持续维护——最新提交于今日（8 月 11 日），修复了第 4 章 Sidecar 的拼写问题；此前还同步了第 4、10 章的翻译，并新增了第 8 章的消融模块。

本书核心内容

书中将 Agent 归纳为以下公式：

Agent = LLM + 上下文 + 工具

即大脑、眼睛与手脚。大脑（LLM）负责决策，眼睛（上下文）决定视野，手脚（工具）决定行动力。

全书共十章，根据作者前言的划分，可归纳为四个部分：

构建 Agent（第二至五章）：上下文工程、记忆与知识库、工具、Coding Agent

评估与进化（第六至八章）：评估系统、模型后训练、持续进化

交互与协作（第九至十章）：多模态实时交互、多 Agent 协作

第一章搭建统一框架，将 Agent 从实现层、直觉层至学术层串联起来。

作者推荐的阅读路径：Agent 开发者按顺序阅读第一至八章；若时间紧张，可优先阅读第一、二章，因第二章 KV Cache 底层原理较为技术化，初学者可暂缓阅读。

本书的诞生过程

前言中作者透露，本书采用了其所谓的“口述式协作”（whisper coding）方式编写，他口述时使用的正是 Pine 自己的语音 Agent：

每次撰写讲稿前，我会先向它口述大致提纲，让其进行调研（survey），再由其整理初稿；课后结合 AI Agent 实战营学员的反馈，与其反复讨论、打磨，通过多次迭代，最终将这些讲稿扩展、整理成了现书。

后记中提及的两个待解决问题

其一为 Agent 如何流式、实时地与环境交互。目前的 Agent 多为回合制，而真实环境输入是持续变化的。作者提出了两条路径：架构上实现快慢分离，以及加快推理速度。

其二为 Agent 如何像人类一样从成败中持续积累经验。目前的模型在每次任务结束后，过程中获得的经验大多会随上下文一同丢弃。

仓库地址：https://github.com/bojieli/ai-agent-book