ai-agent-book

从原理到代码,系统掌握 AI Agent 开发

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 智能体 🍴 复刻 6638 🐛 待处理 57 👀 关注 211
GitHub ↗
GitHub 星标 ★ 57428
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源书籍及配套代码,完全免费,无付费版本。

项目预览

ai-agent-book 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类智能体
开发团队bojieli
定价模式🏷️完全免费
价格说明开源书籍及配套代码,完全免费,无付费版本。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agent,agent-memory,ai-agent,book,coding-agent,context-engineering,large-language-models,llm,mcp,multi-agent,multimodal,rag,reinforcement-learning
GitHub 星标★ 57428
上线时间2025-09-09 00:00:00
代码更新2026-10-08
仓库体积777.1 MB
本站数据更新2026-11-08
维护状态维护中
收录时间2026-08-09
浏览次数7

项目介绍

《深入理解 AI Agent:设计原理与工程实践》是一本由李博杰撰写的开源技术书籍,旨在系统讲解 AI Agent 的设计原理与工程实践。该书解决了开发者从零构建智能体时缺乏系统性指南的问题,内容涵盖 Agent 核心概念、记忆机制、上下文工程、多智能体协作、MCP 协议、多模态处理等关键主题。仓库不仅提供全书正文的 Markdown 源文件,还附带编译好的 PDF 版本,以及按章节组织的配套代码示例(主要使用 Python),方便读者边学边练。作为一本开源书籍,它强调理论与实践结合,通过真实案例和可运行代码帮助读者深入理解 Agent 的底层逻辑,并提升实际开发能力。项目在 GitHub 上拥有超过 3.5 万星标,是 AI Agent 领域广受认可的学习资源。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 57428

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 6 步

环境要求

  • Python 3.11–3.13(第 8 章部分内置第三方组件需要 Python 3.12+)
  • 推荐安装 uv(官方文档 https://docs.astral.sh/uv/getting-started/installation/),pip 仍受支持
  • 运行会调用模型的实验,需要至少一个模型提供商的 API Key
  • 浏览器、CUDA、FFmpeg、Ollama、Playwright 浏览器等系统依赖,需参考各实验自己的 README

安装与启动步骤

  1. 1克隆仓库

    把书本正文与配套代码下载到本地,后续所有命令都在仓库根目录执行。

    git clone https://github.com/bojieli/ai-agent-book.git
    cd ai-agent-book
  2. 2用 uv 装章节依赖

    推荐方式,使用仓库提交的 uv.lock 获得可复现环境;ch1 可换成 ch2~ch10。

    uv sync --locked --extra ch1
  3. 3用 pip 装依赖

    没装 uv 时使用,从 pyproject.toml 重新解析依赖,不会使用锁文件。

    python -m pip install -e ".[ch1]"
  4. 4配置模型凭据

    支持根目录配置的实验,可复制 .env.example 为 .env 并填入至少一个提供商 Key。

    cp .env.example .env
  5. 5运行配套实验

    在仓库根目录执行某个实验的入口脚本,把路径换成你要跑的章节实验。

    uv run python chapter1/context/main.py
  6. 6pip 方式运行

    使用 pip 安装时可直接用 python 执行同一实验脚本。

    python chapter1/context/main.py

关键配置

配置项必填说明示例
.env 中的提供商 API Key是供调用模型的实验读取,填入至少一个提供商的密钥即可。sk-xxxxxxxx
extra(章节依赖组)是选择要安装的章节依赖,ch1 对应第 1 章,可换 ch2~ch10。ch1
--provider否仅当实验 README 或 CLI 明确列出 ollama 时才可使用。ollama

如何确认成功

安装过程无报错,且执行 uv run python chapter1/context/main.py(或 python chapter1/context/main.py)后能看到实验正常输出。

常见问题

Q:应该用 uv 还是 pip?

A:uv 是推荐方式,会用仓库提交的 uv.lock 得到可复现环境;pip 仍受支持,但从 pyproject.toml 重新解析,不读取锁文件。

Q:怎么安装其他章节的依赖?

A:把命令里的 ch1 换成 ch2~ch10。需要多个 extra 时合并到同一条命令,例如 uv sync --locked --extra ch2 --extra vllm,pip 对应 python -m pip install -e ".[ch2,vllm]"。

Q:能只装单个实验的依赖吗?

A:可以。各实验现有的 requirements.txt 在迁移期间继续有效,适合只运行单个项目或需要特殊版本约束的情况。

Q:能用本地 Ollama 跑吗?

A:只有当实验 README 或 CLI 明确列出 ollama 时,才可启动本地 Ollama 并添加 --provider ollama,其余情况请按实验说明配置凭据。

Q:运行时提示缺浏览器/CUDA/FFmpeg 怎么办?

A:这些属于系统依赖,需继续参考对应实验自己的 README 安装,本书统一安装命令不包含它们。

注意事项

  • `all` 是不含本地训练栈的 CPU 友好组合,并不代表覆盖每个实验,使用特殊 extra 时请合并到同一条命令。
  • 有些实验要求在自身目录放 .env 或直接导出环境变量,不一定都用仓库根目录的 .env。
  • 只是阅读书籍的话,推荐直接下载 PDF / EPUB 离线阅读,无需安装任何依赖。
  • 注意书稿版本已由 1.4 升级为 2.0,章节编号有调整,建议下载最新版 PDF。

核心亮点

  • 内容系统全面,覆盖 Agent 设计、记忆、上下文、多智能体等核心主题
  • 配套按章代码,Python 示例可直接运行,实践性强
  • 提供 PDF 编译版,阅读便捷,适合离线学习

不足之处

  • 书籍内容更新可能滞后于快速演进的 Agent 技术
  • 代码示例依赖特定库版本,环境配置可能稍复杂

适用场景

  • 开发者系统学习 AI Agent 原理与架构设计
  • 技术团队作为内部培训教材,提升 Agent 工程能力
  • 研究者快速查阅 Agent 相关技术综述与实现参考

替代项目

LangChain、AutoGPT、AgentGPT

同类项目推荐

zero-to-sglang 开源

从零手写 mini-sglang,读懂源码并提交第一个 PR

Official SGLang x Datawhale course on LLM inference: understand inference, build a m···

★ 1740 2026-09-16
certified-developer 开源

考取英特尔官方认证,证明你的技术实力

Official repository of the Intel Certified Developer Program

★ 87 2026-08-09
system-design-academy 开源

订阅 newsletter,系统补齐分布式与 AI 工程设计能力

If you want to become good at AI engineering & system design, join this newsletter

★ 29505 2026-10-21
tensorflow-ml-nlp 开源

韩语NLP入门到聊天机器人实战,一学就会

텐서플로우와 머신러닝으로 시작하는 자연어처리(로지스틱회귀부터 트랜스포머 챗봇까지)

★ 202 2026-08-09
llm-course 开源

跟着路线图+Colab 实战,从零上手大模型

Course to get into Large Language Models (LLMs) with roadmaps and Colab notebooks.

★ 84947 2026-08-09
tiny-universe 开源

手搓大模型,从零看懂Transformer

《大模型白盒子构建指南》:一个全手搓的Tiny-Universe

★ 5138 2026-08-09
cs249r_book 开源

哈佛ML系统课开源教材,从训练到部署到机器人一册打通

Machine Learning Systems: Foundations, Scaling, Agentic AI, and Physical AI (Vols I–···

★ 30057 2026-10-11