2026-09-16发表2026-09-16更新AI Agent11 分钟读完 (大约1722个字)0次访问

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、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。就像我们大部分同事，在用AI的过程，都是像在IM里面聊天一样。有的时候，感觉效果不错，有的时候，觉得很笨。那么可能大部分是自己的原因，比如：上下文过长、或者提示词不够清楚等。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

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

目前有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
目前有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」