图解AI编程

《图解AI Agent——从Python基础到企业实战》 ​

关于本书 ​

书名：《图解AI Agent——从Python基础到企业实战》

作者：兰剑

定位：用故事讲技术，用图解代文字。系统讲解AI Agent从原理到企业落地的全流程

目标读者：有编程基础，想系统学习AI Agent开发的开发者

写作特色：

  1. 故事叙事：每一章、每一节都以一个故事、场景或比喻开头，技术不再枯燥
  2. 图解穿插：大量图解穿插在各章节知识点中辅助讲解，一图胜千言
  3. 代码可运行：所有代码示例完整可运行，Mock模式支持零成本学习
  4. Day-by-Day项目：3个实战覆盖不同场景，渐进式建造完整企业级项目

第一部分：准备篇——环境与Python基础 ​

第1章 那天，我被ChatGPT吓到了 ​

  • 1.1 你还记得第一次用ChatGPT的感觉吗？
  • 1.2 已经有人在用了
  • 1.3 两条路，你选哪条？
  • 1.4 本章小结

第2章 别急，先把刀磨快 ​

  • 2.1 朋友问我怎么学AI
  • 2.2 依赖地狱，我也踩过
  • 2.3 工具选对了，写代码是享受
  • 2.4 这些库，后面会一个个认识
  • 2.5 不想花钱先学？Mock模式了解一下
  • 2.6 本章小结

第3章 写Agent之前，这些Python够用了 ​

  • 3.1 Agent的工作台
  • 3.2 写Agent代码的好帮手
  • 3.3 让代码更优雅
  • 3.4 让Agent同时做多件事
  • 3.5 Agent的眼睛和耳朵
  • 3.6 本章小结

第二部分：原理篇——AI Agent核心概念 ​

第4章 Agent不是魔法，它只是个聪明点的程序 ​

  • 4.1 朋友圈里的"Agent"和真Agent，差在哪？
  • 4.2 传统程序走流程，Agent走"想法"
  • 4.3 Agent是怎么一步步变聪明的？
  • 4.4 你的Agent适合哪种"工种"？
  • 4.5 本章小结

第5章 给Agent一个好脑子 ​

  • 5.1 LLM是怎么"想事情"的？
  • 5.2 教LLM学会新任务
  • 5.3 思维链与推理增强
  • 5.4 好的Prompt是写出来的，不是想出来的
  • 5.5 本章小结

第6章 光说不练假把式 ​

  • 6.1 Function Calling是怎么工作的？
  • 6.2 怎么设计好用的工具？
  • 6.3 不能让Agent为所欲为
  • 6.4 让工具调用变得像"插座插插头"一样简单
  • 6.5 本章小结

第7章 没记性的助理谁敢用 ​

  • 7.1 人的记忆分短期和长期，Agent也一样
  • 7.2 让Agent"临时抱佛脚"也能答对边
  • 7.3 Agent的"记忆仓库"
  • 7.4 让Agent"记得准、记得快"
  • 7.5 本章小结

第8章 会规划才值钱 ​

  • 8.1 让Agent学会"想一步、做一步"
  • 8.2 当"一条路走到黑"不够用的时候
  • 8.3 Agent是怎么"化整为零"的？
  • 8.4 Agent的"反思"能力
  • 8.5 本章小结

第9章 一个人不行？组个团 ​

  • 9.1 一个Agent忙不过来？那就多找几个
  • 9.2 多Agent怎么配合？
  • 9.3 Agent之间怎么"说话"？
  • 9.4 意见不合怎么办？
  • 9.5 用 LangGraph 实现多 Agent 协作
  • 9.6 本章小结

第10章 巨人的肩膀，挑哪个站 ​

  • 10.1 像搭积木一样组装AI应用
  • 10.2 当你的Agent需要"绕弯路"的时候
  • 10.3 让多个Agent"组队打怪"
  • 10.4 框架怎么选？
  • 10.5 本章小结

第三部分：进阶篇——框架、安全与架构 ​

第11章 从死脑筋到会拐弯 ​

  • 11.1 把Agent的"流水线"搭起来
  • 11.2 让Agent"说话有条理"
  • 11.3 多轮对话怎么存？
  • 11.4 当"一条直线"不够用的时候
  • 11.5 让Agent"睡一觉起来还能接着干"
  • 11.6 LangGraph 的条件路由与 ReAct
  • 11.7 本章小结

第12章 上了线，就放心了？ ​

  • 12.1 有人会"骗"你的Agent
  • 12.2 不能让Agent"越界"
  • 12.3 怎么知道你的Agent"好不好用"？
  • 12.4 Agent"在想什么"，你要看得清清楚楚
  • 12.5 Agent也会"犯错"，你要让它"摔得起"
  • 12.6 部署附录：Docker、K8s 与安全工具
  • 12.7 本章小结

第13章 给工具世界定个规矩 ​

  • 13.1 为什么需要MCP？
  • 13.2 Server、Client与协议规范
  • 13.3 让您的工具"即插即用"
  • 13.4 不是替代，是互补
  • 13.5 MCP生态与未来展望
  • 13.6 本章小结

第14章 知道边界在哪，比知道怎么做更难 ​

  • 14.1 Agent能做什么？不能做什么？
  • 14.2 Agent也会"胡说八道"，怎么验证事实？
  • 14.3 Agent做错了事，谁负责？
  • 14.4 你的下一个同事，可能是Agent
  • 14.5 未来展望：从Agent到AGI之路
  • 14.6 LangGraph 的人机交互
  • 14.7 本章小结

第15章 恭喜，你不只会写Agent了 ​

  • 15.1 没有"最好"，只有"最合适"
  • 15.2 面对一堆选项，怎么选？
  • 15.3 你不是一个人在战斗
  • 15.4 AI领域，停下来就是倒退
  • 15.5 结语：你的Agent之旅才刚刚开始
  • 15.6 本章小结

第四部分：实战篇——3个企业级项目 ​

第16章 【项目一】智能客服系统（7天） ​

  • Day 1：搭骨架，先跑起来
  • Day 2：Prompt模板与Mock LLM——让Agent有"人设"
  • Day 3：RAG——让Agent"有知识"
  • Day 4：工具调用——让Agent"能干活"
  • Day 5：LangGraph状态机——让Agent记住对话
  • Day 6：MCP改造——让工具变成标准接口
  • Day 7：FastAPI部署——Agent上线
  • 项目复盘

第17章 【项目二】文档分析助手（6天） ​

  • Day 1：文档解析Pipeline——读得懂，才分析得了
  • Day 2：LCEL链式处理——让文档"自己说话"
  • Day 3：asyncio并发——50份文档同时分析
  • Day 4：分析缓存——已经跑过的不重跑
  • Day 5：MCP服务化——让任何系统都能调你的分析能力
  • Day 6：Streamlit部署
  • 项目复盘

第18章 【项目三】AI代码助手（6天） ​

  • Day 1：AST解析——让Agent"看懂"你的代码
  • Day 2：LCEL审查链——让Agent"评价"你的代码
  • Day 3：并发审查——一个项目的代码一起审
  • Day 4：审查缓存——改过的文件才重审
  • Day 5：MCP服务化——让你的审查能力被任何IDE调用
  • Day 6：Streamlit审查面板
  • 项目复盘

万字题库系列 ​

  • LLM 篇
  • RAG 篇
  • Agent 篇
  • Skill & Prompt 篇
  • 向量数据库篇
  • 框架篇