AI Agent開發-零基礎構建複合智能體 梁志遠 9787302700869 【台灣高等教育出版社】

內容簡介
本書聚焦于基於大語言模型（LLM）構建智能體系統的全面解析。內容包括：LLM的核心原理、Agent的內部架構組成、LangChain與LangGraph框架、RAG檢索增強生成機制、MCP上下文通信協議、A2A多智能體協作協議以及扣子低代碼平台等一系列關鍵技術要點。書中配備了大量翔實的案例與實戰項目，引領讀者逐步精通從模型調用直至系統集成的全流程操作，並詳細闡釋如何將諸如Qwen 3.0、DeepSeek-VI這類通用語言模型與外部工具進行深度整合，從而打造出擁有記憶功能、自主推理能力、任務分解技巧以及多輪交互特性的先進智能體系統。此外，本書還貼心提供了配套的教學視頻和示例源碼，助力讀者更加高效地學習本書知識。 本書兼具內容的深入淺出、案例的豐富多元以及技術的前沿先進性，無論是渴望踏入LLM應用開發領域的初學者，還是致力於探索Agent開發的工程實踐者，亦或是負責搭建企業AI平台的技術負責人，都能從中受益。

作者簡介
梁志遠 畢業於北京航空航天大學。長期從事人工智能、大語言模型的開發，專註于深度學習、自然語言處理、數據分析與智能決策等領域。主持或參与過多項科研項目，涵蓋模型訓練優化、知識蒸餾、自動推理與多模態學習等方面。致力於推動人工智能技術在工業應用、智能交互與數據驅動中的實踐與發展。

目錄
第1章 大模型與智能體技術基礎
1.1 智能體發展的技術背景
1.1.1 從專家系統到語言模型
1.1.2 感知-認知-執行
1.1.3 智能體的系統級結構模型
1.2 大模型的基本架構
1.2.1 Transformer結構剖析
1.2.2 編碼器與解碼器機制
1.2.3 注意力機制與多頭注意力
1.2.4 位置編碼與上下文建模
1.3 大模型能力邊界與應用介面
1.3.1 通用能力與推理能力
1.3.2 輸入長度限制與窗口控制
1.3.3 提示詞工程
1.3.4 多模態模型
1.4 構建語言智能體的基本流程
1.4.1 任務建模與輸入輸出結構定義
1.4.2 大模型API設計模式
1.4.3 基於上下文的行為規劃設計
1.5 本章小結
第2章 智能體系統的組成結構與運行機制
2.1 智能體核心模塊構成
2.1.1 感知模塊：輸入理解與解析
2.1.2 決策模塊：推理與規劃邏輯
2.1.3 行動模塊：工具執行與響應
2.1.4 記憶模塊：上下文與持久狀態
2.2 智能體生命周期管理
2.2.1 啟動與初始化過程
2.2.2 對話狀態追蹤機制
2.2.3 中斷恢復與持久化上下文機制
2.2.4 智能體註銷與資源釋放機制
2.3 與外部系統的集成方式
2.3.1 調用WebAPI與插件機制
2.3.2 與資料庫系統的讀寫操作
2.3.3 文件系統與代碼執行環境
2.3.4 UI輸入輸出的中間層介面
2.4 本章小結
第3章 大模型開發基礎
3.1 模型服務部署架構
3.1.1 OpenAI式SaaS調用方式
3.1.2 本地部署Qwen3.0模型流程
3.1.3 模型微調與LoRA注入機制
3.1.4 GPU資源調度與推理優化
3.2 API調用設計模式
3.2.1 ChatCompletionAPI設計
3.2.2 函數調用標準結構
3.2.3 批處理與流式傳輸機制
3.3 安全與內容控制機制
3.3.1 敏感詞過濾與紅線審查
3.3.2 輸出可信度評估機制
3.4 本章小結
第4章 LangChain框架與智能體構建流程
4.1 LangChain的核心組件
4.1.1 LLM介面抽象結構
4.1.2 Chains鏈式邏輯構造器
4.1.3 Tools與Agent集「本資訊為台灣高等教育出版社所有，請前往本社賣場訂購，商用複製必究。」成機制
4.1.4 Memory記憶管理模塊
4.2 工具集成與函數調用機制
4.2.1 工具函數包裝規範
4.2.2 Tool執行環境與沙盒控制
4.2.3 多工具調用順序管理
4.3 LangChainAgent運行機制
4.3.1 ReAct智能體結構
4.3.2 自定義提示詞驅動智能體
4.3.3 工具鏈動態規劃邏輯
4.4 本章小結
第5章 LangGraph智能體編排與任務流管理
5.1 LangGraph概述
5.1.1 從LangChain到LangGraph
5.1.2 LangGraph在智能體體系中的定位
5.1.3 面向複雜任務的圖式化編排需求
5.2 LangGraph的核心概念與結構
5.2.1 節點與邊的定義
5.2.2 狀態與上下文存儲機制
5.2.3 任務依賴與執行路徑
5.3 LangGraph與LangChain的互補關係
5.3.1 鏈式調用與圖式編排的差異
5.3.2 與LangChain工具鏈的集成方式
5.3.3 在複雜Agent系統中的聯合使用
5.4 LangGraph工程化實戰
5.4.1 LangGraph安裝與運行環境準備
5.4.2 基於LangGraph的簡單任務流示例
5.4.3 面向科研助手的多步驟任務實現
5.4.4 結合外部工具與資料庫的集成案例
5.5 LangGraph與協議層的銜接
5.5.1 與MCP的介面映射
5.5.2 與A2A（多Agent通信協議）的結合
5.5.3 面向大規模Agent網絡的擴展性設計
5.6 本章小結
第6章 RAG機制：檢索增強智能體
6.1 RAG原理與系統架構
6.1.1 檢索-生成雙階段框架
6.1.2 向量資料庫的嵌入機制
6.1.3 文檔切片與Chunking策略
6.1.4 基於語義相關度的召回機制
6.2 文檔預處理與向量化
6.2.1 文本清洗與句元切分
6.2.2 Embedding模型選擇
6.2.3 Faiss/Weaviate/Chroma部署
6.3 基於LangChain的RAG實現
6.3.1 RetrievalQA鏈路構建
6.3.2 多段檢索與Top-K融合
6.3.3 文本與結構化數據混合檢索
6.4 本章小結
第7章 MCP協議：模型上下文通信標準
7.1 MCP協議基礎設計理念
7.1.1 模型上下文管理的核心難題
7.1.2 上下文段結構化表示
7.1.3 系統提示、記憶段、工具段定義
7.2 上下文標註與路由機制
7.2.1 metadata標籤語義結構
7.2.2 信息路由控制策略
7.2.3 模型分支路由與入口決策邏輯
7.3 上下文存儲與回調機制
7.3.1 持久化上下文日誌設計
7.3.2 提示詞緩存與快速回放機制
7.3.3 動態上下文合併策略
7.4 本章小結
第8章 單智能體系統構建實戰
8.1 單智能體結構設計
8.1.1 輸入輸出流封裝標準
8.1.2 智能體狀態管理機制
8.2 工具調用鏈設計與調試
8.2.1 工具註冊與執行框架
8.2.2 輸入參數解析與封裝
8.2
詳細資料或其他書籍請至台灣高等教育出版社www.thep.com.tw查詢，查後請告知ISBN或書號，我們即於CYB上架。