AI智能体设计:从认知架构到实战开发

AI智能体设计:从认知架构到实战开发

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。

作品简介

本书聚焦从大模型到AI智能体的架构思维转型,为读者提供循序渐进的设计指南。核心内容涵盖三大部分:基础篇解析智能体定义、发展历程及大模型、规划、记忆等核心组件,讲解开发环境搭建;应用篇通过8种典型智能体(如 AutoGPT、BabyAGI),分类型呈现安装、配置与使用方法;开发篇依托7种主流开源框架,结合实战案例,详解智能体开发关键技术与多模态应用。全书贯穿架构设计核心原则,阐释“感知-决策-执行”闭环逻辑,助力读者具备从基础应用到实战开发的完整能力。

陈清华,博士,教授、高级工程师、高级技师(人工智能训练师),现为温州职业技术学院大数据技术专业专任教师,温州大学硕士生导师,是大数据技术专业国家级职业教育创新教学团队核心成员、浙江省万人计划青年人才、省一流课程负责人、温州市科技创新青年拔尖人才,多次担任国家、省级技能竞赛,全国大学生创新大赛“人工智能专项”的专家和裁判。从事计算机研发及教学工作15余载,主要研究方向为数据挖掘、人工智能,公开发表论文40余篇,其中SCI索引论文10篇;授权发明专利(第一发明人)13项,转让8项;登记软著10项,主编教材6部,其国规1部,省重点2部。曾获浙江省教学成果奖一等奖;职业教育教师教学能力比赛省特等奖、全国二等奖。指导学生获得技能大赛省部级以上赛项40余项,获中国智能机器人戏剧舞蹈大赛全国一等奖、灭火比赛全国二等奖、全国职业技能竞赛“大数据技术与应用”赛项二等奖、世界职业院校技能大赛总决赛争夺赛银奖、“一带一路”技能竞赛全国一等奖等。赵尚宇,浙江省技术能手,人工智能高级技师。

作品目录

  1. 前言
  2. 第1篇 AI智能体之“源”
  3. 第1章 重新定义“助手”:从软件工具到智能实体
  4. 1.1 什么是AI智能体:不仅是陪聊者,更是行动者
  5. 1.2 进化阶梯:从辅助到自主智能
  6. 1.3 系统解构:智能体=大模型+规划+记忆+工具
  7. 1.4 核心差异:对比传统自动化与认知型自动化
  8. 1.5 范式转移:智能体如何重构数字世界?
  9. 第2章 智慧引擎:以大模型为核心的大脑
  10. 2.1 底层逻辑:从“文字接龙”到“世界模型”
  11. 2.2 慢思考机制:思维链如何激活推理能力?
  12. 2.3 模型谱系:如何为智能体选对大脑?
  13. 2.4 模型参数:调节大脑的“创造力旋钮”
  14. 2.5 指令遵循:提示词工程即“自然语言编程”
  15. 2.6 认知边界:上下文窗口与“幻觉”陷阱
  16. 第2篇 AI智能体之“构”
  17. 第3章 感知与记忆:构建智能体的“感知中枢”
  18. 3.1 短期记忆与长期记忆:从对话流中捕捉用户画像
  19. 3.2 RAG:外接“无限图书馆”的知识神经
  20. 3.3 向量数据库:让智能体拥有“语义联想”能力
  21. 3.4 多模态感知:打破文本界限的“全感官交互”
  22. 第4章 规划与决策:构建智能体的“决策中枢”
  23. 4.1 任务拆解:从“直觉反应”到“棋手思维”
  24. 4.2 编排模式:流程工程
  25. 4.3 ReAct框架:“推理+行动”双轮驱动模式
  26. 4.4 反思机制:从错误中修正的闭环反馈
  27. 第5章 行动与工具:构建智能体的“执行中枢”
  28. 5.1 函数调用:大模型连接API的“适配器”
  29. 5.2 能力延伸:联网、代码与环境操控
  30. 5.3 技能封装:从“裸代码”到“原子化技能”
  31. 5.4 连接标准:打破数据孤岛的MCP协议
  32. 5.5 行动边界:人机回环与安全护栏
  33. 第3篇 AI智能体之“器”
  34. 第6章 开发路径的分野:定制化代码与标准化平台
  35. 6.1 智能体技术栈:透视L1至L3的全栈图谱
  36. 6.2 选型决策策略:构建智能体开发的实战矩阵
  37. 第7章 代码优先路径:LangChain与复杂系统的深度治理
  38. 7.1 LangChain核心:从“线性逻辑”到声明式编程
  39. 7.2 LangGraph进阶:基于图论的循环逻辑与状态管理
  40. 7.3 MCP应用:打通分布式协同的“神经中枢”
  41. 7.4 运行时框架:OpenClaw的自治架构与系统级执行引擎
  42. 7.5 工程实践:DeerFlow深度研究框架的架构剖析
  43. 第8章 平台优先路径:低代码生态下的敏捷生产力
  44. 8.1 Dify:开源的中间派解决方案
  45. 8.2 Coze:字节跳动的“生态派”实践
  46. 8.3 兵器谱:BaaS与SaaS的选型指南
  47. 第4篇 AI智能体之“术”
  48. 第9章 知识库:搭建知识增强型智能体
  49. 9.1 Dify RAG:构建安全高效智能体知识底座
  50. 9.2 LangChain RAG:全链路搭建与优化
  51. 9.3 落地指南:路径选型、效果优化与进阶融合
  52. 第10章 工作流:搭建任务执行型智能体
  53. 10.1 Coze路径:搭建自媒体全自动运营助手
  54. 10.2 LangGraph路径:开发全自动代码审查员
  55. 10.3 方法论沉淀:智能体搭建的通用框架与避坑指南
  56. 第11章 分工协作:构建多智能体系统
  57. 11.1 多智能体协同:从单体智能到群体智能的跃迁
  58. 11.2 A2A协议:智能体间高效协同的底层规则
  59. 11.3 Coze实战:模块化分工摆脱复杂任务困境
  60. 11.4 OpenClaw实战:突破沙箱的系统级双向协作
  61. 11.5 实践进阶:多智能体系统的落地优化与风险管控
  62. 第12章 优化与评估:打造高效能智能体
  63. 12.1 评测指标:准确率与响应速度
  64. 12.2 Token经济学:利用MCP协议与语义压缩重塑效能边界
  65. 12.3 调试技巧:解决幻觉与复读机问题的路径
  66. 第5篇 AI智能体之“融”
  67. 第13章 从创意到收益:智能体的商业化
  68. 13.1 发布与分发:如何上架出售AI智能体?
  69. 13.2 商业模式画布:智能体的盈利逻辑
  70. 13.3 技术架构:MaaS平台的核心能力
  71. 13.4 智联网经济:当智能体之间开始互相“交易”
  72. 13.5 宏观生态:构建技术、人才与规则的共生网络
  73. 13.6 替代与增强:哪些岗位将被AI智能体重塑?
  74. 13.7 确权与定责:商业化路上的法律基石
  75. 第14章 具身与共生:通往AGI之路
  76. 14.1 具身智能:当AI智能体拥有“身体”
  77. 14.2 技术挑战:大脑、小脑与本体的协同
  78. 14.3 伦理边界:物理世界的安全与控制
  79. 14.4 人机共生:走向协同进化的新纪元
  80. 参考文献