AI AGENT开发实战：从基础原理到企业级应用

（1）案例驱动，读者拿来即用：覆盖ReAct、Plan-and-Execute、RAG与多模态等主流Agent模式，提供可复用代码与最佳实践，让读者快速见成效。
（2）打通全栈工具链，赋能企业落地：融合LangChain、LlamaIndex、LangGraph、AutoGen与OpenAI Swarm等框架，讲透函数调用、工具集成、多Agent协作与工程化部署，直达企业级落地。
（3）实力派作者，传授有效经验：作者拥有10+年架构与管理经验，经历众多大型项目的真实锤炼，保障内容稳、准、狠。

这是一本案例驱动的AI Agent开发指南，提供丰富的“即插即用”的案例代码和最佳实践，帮助读者迅速掌握Agent开发的主流模式和完整流程，满足现实的业务场景需求，符合用户的真实诉求。
本书分为8章，共3篇，全面阐述Agent的表现类型、技术体系、开发模式和落地案例，具体内容如下：
（1）AI Agent基础篇（第1、2章） 介绍AI Agent的基本概念和开发模式，引出AI Agent的技术体系和实现方式，并以最常见的OpenAI LLM为例，演示从零构建一个AI Agent的过程，提供OpenAI Swarm框架的使用方式和案例。
（2）AI Agent实现篇（第3~5章） 介绍AI Agent的典型实现模式，包括通用型的ReAct Agent和Plan-and-Execute Agent、集成RAG技术的知识型Agent，以及整合图像和音频处理技术的多模态Agent，并在实现过程中引入LangChain和LlamaIndex这些常用框架。
（3）AI Agent应用篇（第6~8章） 从实际需求出发，全面介绍构建企业级AI Agent所需的各项工程化技术。同时，引入多Agent系统应对复杂场景，并采用LlamaIndex、AutoGen、LangGraph等主流框架完成多个实战案例，从而详细阐述多Agent系统的设计开发过程以及相应的技术组件以及实现技巧。

CONTENTS<br />目　录<br />前言<br />AI Agent基础篇<br />第1章　AI Agent开发模式2<br />1.1　认识AI Agent2<br />1.1.1　Agent的定义2<br />1.1.2　Agent的应用场景4<br />1.2　集成LLM6<br />1.2.1　LLM的技术体系6<br />1.2.2　LLM与提示工程11<br />1.3　Agent关键技术14<br />1.3.1　规划15<br />1.3.2　记忆16<br />1.3.3　工具20<br />1.3.4　行动22<br />1.4　Agent的实现类型22<br />1.4.1　通用型Agent22<br />1.4.2　知识型Agent23<br />1.4.3　多模态Agent25<br />1.4.4　多Agent系统27<br />1.5　Agent开发工具和框架28<br />1.5.1　原生LLM28<br />1.5.2　LangChain和LangGraph29<br />1.5.3　LlamaIndex和工作流32<br />1.5.4　多Agent框架36<br />1.6　本章小结40<br />第2章　LLM和Agent42<br />2.1　集成OpenAI LLM42<br />2.1.1　引入OpenAI LLM42<br />2.1.2　集成OpenAI API44<br />2.1.3　理解函数调用49<br />2.2　基于OpenAI LLM从零构建并执行Agent59<br />2.2.1　构建Agent60<br />2.2.2　执行Agent65<br />2.3　基于OpenAI Swarm构建Agent75<br />2.3.1　OpenAI Swarm开发模式75<br />2.3.2　OpenAI Swarm案例解析78<br />2.4　本章小结83<br />AI Agent实现篇<br />第3章　通用型Agent86<br />3.1　ReAct Agent86<br />3.1.1　ReAct架构解析86<br />3.1.2　基于LlamaIndex构建ReAct Agent88<br />3.1.3　基于LangChain构建ReAct Agent94<br />3.2　Plan-and-Execute Agent101<br />3.2.1　Plan-and-Execute架构解析101<br />3.2.2　基于LangChain实现Plan-and-Execute Agent104<br />3.3　本章小结109<br />第4章　知识型Agent111<br />4.1　引入Agentic RAG111<br />4.1.1　RAG应用开发流程111<br />4.1.2　实现Agentic RAG架构113<br />4.2　基于LangChain构建知识型Agent117<br />4.2.1　处理文档117<br />4.2.2　集成向量数据库121<br />4.2.3　增强检索功能126<br />4.2.4　整合ReAct Agent128<br />4.3　基于LlamaIndex构建多级知识型Agent131<br />4.3.1　文档处理和检索132<br />4.3.2　实现两层文档处理Agent136<br />4.4　本章小结141<br />第5章　多模态Agent143<br />5.1　引入多模态技术143<br />5.1.1　图像处理技术基础143<br />5.1.2　语音处理技术基础145<br />5.2　基于LangChain实现多模态145<br />5.2.1　实现图像处理146<br />5.2.2　实现语音处理148<br />5.3　多模态Agent案例分析150<br />5.3.1　构建Agent150<br />5.3.2　实现交互流程158<br />5.4　本章小结164<br />AI Agent应用篇<br />第6章　企业级Agent工程化技术166<br />6.1　Agent工程化技术栈166<br />6.2　Agent运行时管理167<br />6.2.1　基于Ollama实现私有化部署167<br />6.2.2　基于LangSmith实现运行监控169<br />6.2.3　基于Phoenix实现链路跟踪172<br />6.3　Agent可视化交互174<br />6.3.1　使用Streamlit构建Web应用174<br />6.3.2　Agent可视化案例解析176<br />6.4　Agent外围技术182<br />6.4.1　开放Web API183<br />6.4.2　集成数据持久化186<br />6.5　本章小结190<br />第7章　多Agent系统191<br />7.1　多Agent系统的实战基础191<br />7.1.1　多Agent系统的构建模式191<br />7.1.2　多Agent协作模式192<br />7.2　基于LlamaIndex构建多Agent系统195<br />7.2.1　工作流和LlamaIndex195<br />7.2.2　健康管理的多Agent系统案例分析200<br />7.3　基于AutoGen构建多Agent系统213<br />7.3.1　AutoGen的工作原理213<br />7.3.2　AutoGen的核心组件215<br />7.3.3　客户洞察的多Agent系统案例分析224<br />7.4　本章小结231<br />第8章　多Agent系统的实战案例232<br />8.1　多Agent智能报告案例分析232<br />8.1.1　案例系统的场景分析232<br />8.1.2　案例系统的架构设计233<br />8.2　基于LangGraph构建多Agent系统234<br />8.2.1　LangGraph的开发模式234<br />8.2.2　LangGraph的高级特性241<br />8.3　多Agent智能报告案例实现243<br />8.3.1　构建工具243<br />8.3.2　创建Agent和节点246<br />8.3.3　定义StateGraph252<br />8.4　多Agent智能报告案例演示253<br />8.4.1　系统运行和验证254<br />8.4.2　系统监控和跟踪255<br />8.5　本章小结259