《深入理解 AI Agent》开源书体验评测：10章+88实验，428页免费读完到底值不值（附PDF下载）
本文首发于公众号「GO FUNNY」，专注 AI 前沿解读与 GitHub 热门项目寻宝。
前言
AI Agent 这两年很火，但学习资源有个尴尬的问题：不够系统。
今天一篇 RAG 教程，明天一篇 MCP 协议介绍，后天一篇多 Agent 协作科普。每篇单独看都有收获，但合在一起很散，不知道这些东西之间的逻辑关系，不知道先学什么后学什么，更不知道它们怎么拼成一个完整的 Agent 系统。
官方文档呢？OpenAI 强调 function calling，Anthropic 强调 tool use，Google 强调 grounding。跟着一家学完，换另一家又得重新理解。
市面上缺一种东西：能把 Agent 从原理到工程落地讲清楚，不绑定某家厂商，还附带可运行代码的系统性教程。
《深入理解 AI Agent：设计原理与工程实践》就是来补这个缺口的。
项目信息
| 项目 | 详情 |
|---|---|
| 书名 | 《深入理解 AI Agent：设计原理与工程实践》 |
| 作者 | 李博杰（Bojie Li），前华为"天才少年"，现 Pine AI 首席科学家 |
| GitHub | github.com/bojieli/ai-… |
| 协议 | Apache License 2.0（允许自由分发） |
| 内容 | 10 章正文 + 88 个配套实验（70+ 可独立运行） |
| 版本 | v1.2，中文 PDF 约 428 页 |
| 多语言 | 中文（原版）、英文、繁体、泰米尔语、越南语 |
核心公式与 Harness 工程
全书围绕一个公式展开：
Agent = LLM + 上下文 + 工具
并提出独创的 Harness 工程概念：模型之外的一切工程能力（上下文管理、工具设计、记忆系统、评估），才是真正的竞争力所在。
这个视角很关键。当行业都在卷模型参数时，这本书把目光放在"模型之外"——上下文怎么压缩、工具怎么设计、记忆怎么管理、Agent 怎么评估。这些才是生产环境里决定 Agent 好坏的地方。
10 章结构速览
| 章 | 主题 | 配套实验 | 重点 |
|---|---|---|---|
| 1 | Agent 基础 | 4 | RL vs LLM，模型即 Agent |
| 2 | 上下文工程 | 9 | KV Cache、Agent Skills、上下文压缩 |
| 3 | 记忆与知识 | 13 | RAG、GraphRAG、Agentic RAG |
| 4 | 工具（MCP） | 7 | 感知/执行/协作三类工具，异步 Agent |
| 5 | Coding Agent | 12 | 生产级 Coding Agent 全景（旗舰章） |
| 6 | Agent 评估 | 10 | 评估环境、指标、统计显著性 |
| 7 | 模型后训练 | 14 | 预训练/SFT/RL 三阶段对比 |
| 8 | Agent 自我进化 | 6 | 不改权重也能成长 |
| 9 | 多模态与实时交互 | 7 | 语音三范式、Computer Use、机器人 |
| 10 | 多 Agent 协作 | 6 | 协作框架、Agent 社会 |
最值得跑的 3 个实验（零门槛）
# 1. 克隆仓库
git clone https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book
# 2. 跑第一个实验：最简单的 Agent
cd chapter1
pip install -r requirements.txt
python hello_agent.py
# 3. 上下文压缩实验（第2章）
cd ../chapter2
python kv-cache.py
# 4. 感知工具实验（第4章，用免费公共 API）
cd ../chapter4
python perception-tools.py
注意：大部分实验需要至少一个 LLM API Key（书里推荐 Kimi、智谱 GLM、Siliconflow、火山引擎、OpenRouter）。部分实验需要 GPU、外部数据集或浏览器环境，不能假设全部实验都能在普通笔记本上直接运行。
我的真实体验
优点：
- 系统性强。从基础范式一路讲到多 Agent 协作，逻辑线清晰，不绑定任何厂商。
- 代码可跑。88 个实验 70+ 能独立运行，不是"伪代码"。
- 深度够。第 7 章后训练讲 SFT vs RL 的取舍，是论文级别的内容。
- 免费开源。Apache 2.0，PDF/EPUB 直接下，还能参与 PR 贡献。
不足：
- 门槛不低。428 页信息密度高，需要一定的工程基础，纯小白会吃力。
- 部分实验依赖外部资源。API Key、GPU、数据集，跑通全套成本不低。
- 中文原版更新最快。社区译本（英/繁/泰/越）可能滞后。
适合谁
- 会调大模型、想从"调 API"升级到"搭 Agent 系统"的开发者
- 做 Agent 技术选型的 PM（第 6 章评估方法论很实用）
- 想啃后训练/自我进化的研究者（第 7-8 章硬核）
下载方式
- GitHub Release 直接下载 PDF/EPUB：github.com/bojieli/ai-…
- 在线阅读 Markdown 源文：仓库
book/目录
本书为 Apache 2.0 开源作品，版权归原作者李博杰所有。本资源仅作便捷分发，请支持原作者，去 GitHub 点个 Star。
