《深入理解 AI Agent》开源了：88 个项目，把 Agent 从概念拽回工程现场

Github开源项目
Github开源项目

Go语言教程

2026年7月29日 13:21
陕西

在小说阅读器读本章

去阅读

老鬼看这种 AI 教程，一般不先看目录，先翻项目文件夹。

能不能独立跑？API Key 放哪？工具调用失败后有没有日志？还是又一份写满“规划、记忆、反思”的概念合集？

《深入理解 AI Agent：设计原理与工程实践》让我停下来的地方，就是仓库里那一排 chapter1 到 chapter10。不光有书，代码也跟着章节放进去了。目前项目已经拿到超过 1.4 万颗 Star。

全书抓住一个很朴素的公式：

Agent = LLM + 上下文 + 工具

别小看这句话。现在不少人学 Agent，上来就研究多智能体编排、反思循环，折腾半天，连上下文怎么压缩、工具 schema 为什么塞爆 token 都没搞明白。

书里没急着堆框架名，而是从上下文工程、记忆和知识库一路讲到工具调用、评估、后训练以及多 Agent 协作。MCP 也单独放在工具章节里讲——这里说的是模型上下文协议，不是“多智能体协作平台”，这两个概念别混在一起。

真正有用的还是那 88 个配套项目，其中 70 多个标注为可独立运行。

比如工具章节里，直接给了感知工具、执行工具、异步 Agent 和主动工具发现的实现；评估章节也不是只聊 benchmark 名词，而是放了延迟压测、成本分析这类更接近工程现场的东西。以前做 Agent Demo，最容易出问题的从来不是聊天框，而是工具选错、回调堵住、接口 429，最后还不知道钱花在哪儿。

不过先别急着把 88 个项目理解成 88 个一键启动 Demo。部分评测、训练和机器人实验依赖外部仓库，有些还要额外环境甚至真实硬件。API Key、依赖版本、模型费用，这些脏活仍然得自己处理。

这很正常。

至少它没有把工程实践写成几张架构图就收工。想系统补 Agent 基础，又不愿意只背 ReAct、RAG、MCP 这些词，可以从前四章开始，边读边挑一个项目跑。别一口气啃完，先把“上下文加工具”这条链路接通。

Github地址：bojieli/ai-agent-book。