生成式人工智能彻底改变了组织解决问题的方式，加速了从概念到原型再到解决方案的旅程。虽然这些应用程序提高了效率，但它们通常需要大量的规划、起草和修改才能完成复杂的任务。通过结合其中许多作，人工智能代理提供了更大的自主权和效率，但理解和部署它们对于许多组织来说仍然是一个挑战，特别是随着技术和研究的快速发展。这本书是您穿越这片错综复杂且快速变化的景观不可或缺的指南。作者 Michael Albada 提供了一种实用且基于研究的方法来设计和实现单代理和多代理系统。它简化了复杂性，并为您提供了高效地从概念过渡到解决方案的工具。最后，您将：

了解支持基础模型的 AI 代理的独特功能

了解 AI 代理的核心组件和设计原则

探索设计权衡并实施有效的多智能体系统

设计和部署量身定制的人工智能解决方案，提高您所在领域的效率和创新

书名：Building Applications with AI Agents: Designing and Implementing Multiagent Systems
作者： Michael Albada

年份：2025

出版社：O'Reilly Media, Inc.

下载地址：

链接: https://pan.baidu.com/s/18cl02dQaJ0f03QCemb0hFw?pwd=bzfh

书籍汇总：

链接: https://pan.baidu.com/s/1FFw_24YdJIUfLGunRGT_7g?pwd=9at9

链接: https://pan.baidu.com/s/1wp1sxh_p5Cv9dI5OpBaSCg?pwd=2arp

本书导航

本书章节遵循构建人工智能代理应用程序的生命周期，分为三个主要部分。前三章涵盖核心概念、设计原则和基本组件：


第1章介绍代理、其前景、用例、与传统机器学习的比较以及最新进展。


第2章概述了代理系统的设计，包括场景选择、核心组件（模型选择、工具、内存、规划）、设计权衡、架构模式（单代理、多代理、模块化）和最佳实践。


第3章重点介绍用户体验设计，涵盖交互模式（文本、图形、语音、视频）、同步与异步体验、上下文保留、沟通能力、信任以及关键用户体验原则。接下来的五章重点介绍代理的创建、编排和扩展：


第4章深入探讨工具，包括设计（本地、基于 API、插件、层次结构）和自动化工具开发（代码生成、模仿学习、基于奖励的工具学习）。


第5章介绍编排，包括基础知识（参数化、工具选择、执行）、工具选择方法（生成式、语义式、层次式、机器学习式）、工具拓扑（分解、单次/并行/顺序执行、链式、树式、图式）和规划策略（增量执行、零样本、少样本、ReAct）。


第6章探讨记忆，包括基础方法（上下文窗口、基于关键词）、语义记忆和向量存储（语义搜索、RAG、经验记忆）、GraphRAG（知识图谱）和工作记忆（白板、笔记）。


第7章探讨了从经验中学习，包括非参数学习（以经验为例、探索/利用、反思）、参数学习（微调大/小模型）和迁移学习。


第8章讨论了从单智能体到多智能体的扩展，包括何时使用多智能体、协调机制（民主协调、管理协调、层级协调、演员-评论家协调、自动化设计）以及诸如 LangChain 之类的框架。


最后五章探讨了验证、监控、安全、改进和人机集成：


第9章涵盖了测量和验证，包括关键目标（准确性、稳健性、效率等）、评估集、单元测试（工具、规划、记忆、学习）、集成测试（端到端、一致性、幻觉）、局限性和部署准备。


第 10 章重点介绍生产监控，包括故障原因、代理指标（系统健康、自动/人工评估、反馈）、分布变化（分布式变化）以及大规模监控（分析、警报、日志记录）。


第 11 章探讨改进循环，包括反馈管道（问题检测、人工审核、改进、优先级排序）、实验（影子部署、A/B 测试、自适应、门控）和持续学习（情境学习、离线再训练、在线强化）。


第 12 章讨论保护代理系统，涵盖独特风险、保护 LLM（模型选择、防御、红队、微调）、数据保护（隐私、来源）、保护代理（安全措施、外部/内部保护）以及治理/合规性。


第 13 章讨论人类和代理，包括道德原则（监督、透明度、公平性、可解释性、隐私）、建立信任/监督、解决偏见以及问责/监管考虑。





微信群

内容中包含的图片若涉及版权问题，请及时与我们联系删除