ai-agent-book

从原理到代码,系统掌握 AI Agent 开发

《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。

开源 free 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 50065
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类智能体
开发团队bojieli
所属国家
官网地址
定价模式free
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
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★ 50065
30天Star增速
HF 下载量
上线时间2025-09-09 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

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

项目介绍

ai-agent-book 是学习教育领域的开源项目,由 bojieli 开发,2025 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(50,065)位列前 1%,在学习教育分类的 429 个项目里位列前 3%。

近 41 天,它的 GitHub 星标从 36,594 增加到 50,065,净增 13,471。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。开源书籍及配套代码,完全免费,无付费版本。

它主要面向的使用场景是:开发者系统学习AIAgent原理与架构设计。同类可对比的替代方案包括 LangChain、AutoGPT、AgentGPT。

同类项目推荐

awesome-awesome-ai 开源

一站式导航AI资源,告别收藏夹吃灰

An awesome list for collecting awesome lists related to AI.

★ 136 2026-08-09
machine-learning 开源

免费学AI,从入门到实战,社区共建资源库

Learn AI together, for free. AI learning and teaching resources for everyone.

★ 231 2026-08-09
groundhog 开源

拆解 Cursor 原理,手把手教你造 AI 编程助手

Groundhog's primary purpose is to teach people how Cursor and all these other coding···

★ 405 2026-08-09
notebooks 开源

跟着最新视觉模型教程,边看边跑代码,快速上手实战

A collection of tutorials on state-of-the-art computer vision models and techniques.···

★ 9686 2026-08-10