2026 年了还在学 ChatGPT 调参？该升级了！
为什么写这篇书评
作为一个从 2024 年就开始接触 AI 的开发者，我读过不少大模型相关的书。但大多数书籍要么讲理论太深奥，要么讲实战太浅显——看完还是不知道怎么做 一个真正的 Agent。
直到遇到这本书，我的 Agent 开发才算入了门。
书籍核心内容
《动手做 AI Agent》由人民邮电出版社出版，作者黄佳。这本书有以下几个亮点：
1. 从 0 到 1 完整项目
书中包含 7 个完整的 Agent 项目实战，从简单的问答机器人到复杂的多 Agent 协作系统都有涵盖。每个项目都有完整可运行的代码，不是伪代码，是真的可以跑起来的那种。
2. 主流框架全覆盖
- LangChain 的正确打开方式
- LangGraph 工作流编排
- AutoGen 多 Agent 通信
- MCP 协议实战（这就是为什么我之前写了 MCP 协议的文章）
3. 生产级思维
不仅仅是"能跑"，书中还讲解了：
- 如何设计 Agent 的记忆机制
- 如何处理长对话上下文
- 如何做 Agent 的监控和调试
- 如何构建可复用的 Agent 组件
代码示例：5 分钟构建你的第一个 Agent
from langchain_openai import ChatOpenAI
from langchain.agents import AgentType, create_react_agent
from langchain.tools import Tool
# 初始化大模型
llm = ChatOpenAI(model="gpt-4", temperature=0)
# 定义一个搜索工具
def search_wiki(query: str) -> str:
"""维基百科搜索工具"""
# 实际项目中这里调用 Wikipedia API
return f"关于 {query} 的搜索结果..."
search_tool = Tool(
name="wiki_search",
func=search_wiki,
description="搜索维基百科内容，用于回答常识性问题"
)
# 创建 Agent
agent = create_react_agent(
llm,
[search_tool],
prompt="你是一个有用的助手，可以使用工具来回答用户问题。"
)
# 运行 Agent
result = agent.invoke({"input": "2026 年诺贝尔物理学奖得主是谁？"})
print(result["output"])
这就是一个最简单的 Agent：模型 + 工具 + 推理引擎。书中用这种清晰的结构，让复杂概念变得简单。
适合人群
| 群体 | 推荐理由 |
|---|---|
| AI 初学者 | 入门友好，不需要太多机器学习基础 |
| 传统开发者 | 想转型 AI Agent 开发的程序员 |
| 产品经理 | 理解 AI Agent 的能力边界 |
| 技术爱好者 | 了解最前沿的 AI 应用趋势 |
我的实践心得
读完这本书后，我用书中讲的方法做了两个小项目：
- 自动周报生成器：读取我的 GitHub 提交记录，自动生成本周工作小结
- 智能客服机器人：基于 RAG + Agent 的混合架构，回答用户的技术问题
说实话，这两个项目帮我省了不少时间。这可能就是 AI Agent 最大的价值——让机器做重复的事，让人做有创造性的事。
总结
如果你也想学 AI Agent，这本书是目前中文世界里为数不多的优质选择。豆瓣 7.1 分，人民邮电出版社出品，内容质量有保证。
声明：今日联盟商品中暂无技术书籍可选，本文暂不添加推广链接。如需购买此书，可在京东搜索"动手做AI Agent"找到对应商品。
互动时间：你在 Agent 开发中遇到过什么坑？欢迎在评论区分享你的经验！
如果你想了解更多 Agent 实战内容，可以看看我之前写的 MCP 协议实战，让 Agent 之间的通信更高效。
