
ai-agent-book
从原理到代码,系统掌握 AI Agent 开发
项目预览
项目数据
项目介绍
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
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 -
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
learning-llms-and-genai-for-dev-···
开源
一站式学会在开发、运维和安全中应用大模型
A set of lessons aimed at anyone learning LLM and generative AI concepts, with sect···
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···
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
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
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)
genai_interview_questions
开源
刷完这些题,GenAI面试心里有底
Possibly futile attempt at grounding hype with theory and fundamentals
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.
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
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–···