如果你一直在找一个「系统讲清楚 AI Agent 到底是什么」的中文资料，那这本书可能是你等了 3 年的答案。
李博杰（前华为开源能力中心、知名技术博主）把新书《深入理解 AI Agent：设计原理与工程实践》全文 + PDF + EPUB 直接开源到了 GitHub。不到一年，仓库已经攒到 18,472 ⭐、1,826 Fork，活跃度远超同期大部分 AI 项目。（仓库地址：https://github.com/bojieli/ai-agent-book）
这不是又一份「速成手册」，也不是只贴代码的 cookbook。它的野心更大——用一本书把 AI Agent 的原理、协议、框架、实践串成一条完整的工程链路。
下面这篇文章会带你速读全书脉络、摘出最值得读的章节，并告诉你怎么用起来。
一、这本书想解决什么问题
2025 年起，AI Agent 几乎被吹成了「万能词」。但真要落到工程里，你会发现：
- 概念满天飞——RAG、ReAct、Memory、Tool Use、Context Engineering、MCP——但没有一个统一框架把它们串起来
- 教程要么太浅（ChatGPT 提示词入门），要么太散（论文搬运工）
- 真正要手搓一个 Agent 时，上下文怎么管理、记忆怎么存、工具怎么接、多 Agent 怎么协作，全是坑
李博杰在这本书开头就抛出一个非常简洁的公式：
Agent = LLM + 上下文 + 工具
整本 10 章都围绕这个公式展开：LLM 是大脑，上下文是工作记忆，工具是手脚。理解了这一点，你就不会再被「Agent 是个 Agent」这类话术绕晕。
二、18,472 ⭐ 的仓库里到底有什么
打开 bojieli/ai-agent-book 这个仓库，你会发现它不是普通的教程项目。它的资产规模几乎等于一个中型开源组织：
| 资产 | 数量 / 说明 |
|---|---|
| 正文章节 | 10 章（从基础原理到生产部署） |
| 配套实验 | 92 个（70+ 独立可运行） |
| 翻译语言 | 7 种（中文 / 正体中文 / 英文 / 俄语 / 泰米尔语 / 越南语 / 日语） |
| 电子书格式 | PDF + EPUB（双语版本） |
| 在线阅读 | GitHub Pages 站点 |
| 许可证 | 全文开源，可自由下载学习 |
注意它不是「3 个月赶出来的网红书」。从仓库 README 来看，正文经过多轮社区审校，配套实验代码全部跑过 Python 3.10+。
三、章节结构速览
全书 10 章呈"由浅入深 + 由原理到工程"的梯度：
前 3 章：原理打底
- 第 1 章 AI Agent 综述：定义、能力边界、与传统软件的区别
- 第 2 章 大模型基础：提示词工程、Function Calling、结构化输出
- 第 3 章 上下文工程（Context Engineering）：全书精华之一——讲清楚怎么设计 Agent 的"工作记忆"
中 4 章：能力模块
- 第 4 章 工具调用：从 Function Calling 到 MCP 协议
- 第 5 章 记忆系统：短期记忆、长期记忆、RAG、知识图谱
- 第 6 章 多 Agent 协作（Multi-Agent）：另一个精华——分层、协同、通信
- 第 7 章 多模态 Agent：视觉、语音、视频的理解与生成
后 3 章：工程落地
- 第 8 章 Agent 协议与 MCP：MCP（Model Context Protocol）专题解析
- 第 9 章 智能体评估与强化学习
- 第 10 章 生产部署：性能、成本、安全、可观测性
重点章节推荐
如果你时间有限，优先读 3 个章节：
- 第 3 章 上下文工程——这是 2026 年 Agent 领域最热门的话题之一，全书讲得最系统
- 第 6 章 多 Agent 协作——架构选型必备，从单 Agent 升级到团队 Agent 的关键
- 第 8 章 MCP 协议——MCP 正在成为 Agent 工具生态的"USB-C 接口"，理解它能帮你选型
四、配套的 92 个实验，能做什么
这本书最良心的地方不仅是正文，还有配套实验代码。
92 个实验项目按章节分布，70+ 可独立运行。典型例子：
- Chapter 3 实验：流式上下文压缩、Token 预算调度、上下文窗口监测
- Chapter 5 实验：向量检索 + BM25 混合 RAG、记忆遗忘曲线实现
- Chapter 6 实验：Supervisor 模式多 Agent、Hierarchical Agent、A2A 协议
- Chapter 8 实验：MCP Server 端开发、MCP Client 集成、Tool 沙箱
对于想自己搭一套 AI 工作台的开发者，这些实验几乎是「手把手」级别。
五、怎么获取这本书
仓库提供三种阅读方式：
1. 在线阅读（推荐先试读）
bojieli.github.io/ai-agent-book——GitHub Pages 站点，无需下载任何东西即可浏览全文。
2. 下载 PDF 离线阅读
| 格式 | 下载链接 |
|---|---|
| 中文 PDF | AI-Agents-in-Depth-zh-CN.pdf |
| 中文 EPUB | AI-Agents-in-Depth-zh-CN.epub |
EPUB 版本适合 Kindle / iPad / 微信读书导入。
3. 直接 clone 仓库自己编译
git clone https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book
# 全书使用 Markdown + Pandoc，支持自定义排版六、谁适合读这本书
按"读者收益"排序：
| 读者类型 | 适合度 | 主要收益 |
|---|---|---|
| AI Agent 开发者 | ⭐⭐⭐⭐⭐ | 系统化补全从原理到工程的全链路 |
| 技术管理者 / 架构师 | ⭐⭐⭐⭐⭐ | 多 Agent 选型决策依据 |
| 产品经理 / 业务负责人 | ⭐⭐⭐⭐ | 理解 Agent 能力边界，避免被忽悠 |
| AI 入门学习者 | ⭐⭐⭐ | 前 3 章打底，但需要配 ChatGPT/Claude 实操 |
| 纯研究人员 | ⭐⭐⭐ | 偏工程实践，理论深度比不上 Hinton 团队论文 |
特别说一句：如果你正在用 Claude、Cursor、Cline、OpenClaw 这类 AI 工具，前三章会让你"突然开窍"——你会明白为什么这些工具的 System Prompt 设计成那样，为什么有的上下文一长就崩。
七、与同类资料的对比
市面上讲 AI Agent 的中文资料不少，我把它们按定位分一下：
| 资料 | 定位 | 特点 |
|---|---|---|
| 李博杰《AI Agent》 | 系统专著 | 10 章 + 92 实验 + 7 种语言 |
| Anthropic Prompt Engineering 教程 | 入门教程 | 偏提示词，不涉及 Agent 架构 |
| LangChain 中文文档 | 框架文档 | 偏 API 翻译，不讲原理 |
| Hugging Face smol-course | 实操课程 | 偏训练/微调，不聚焦 Agent |
| Google Agents 专项白皮书 | 概念框架 | 偏理论，缺工程实践 |
一句话总结：如果你想找一本"能讲清原理 + 有配套代码 + 中文可读"的 AI Agent 资料，这本是目前的最优解。
八、写在最后：为什么这个项目值得 1.8 万⭐
最后想回答一个常见问题：为什么这个仓库能攒到 18,472⭐？
答案藏在三个细节里：
- 作者是真实从业者——李博杰不是"AI 讲师"，他写过开源项目、做过高性能存储架构工程师，研究 Agent 是从工程实践出发
- 内容密度够高——10 章正文 + 92 个实验，每章都能独立支撑一个工程师 1-2 周的学习
- 是真的开源——不只是「放个 GitHub 链接收粉」，全文 PDF/EPUB 全部免费，仓库还可以 clone 自己编译
这三点凑齐，1.8 万⭐就是水到渠成。
对于想自己动手搭 AI 工作台的读者——无论是个人效率工具、团队协作 Agent，还是电商场景下的客服/选品/营销自动化——这本书都能给你一张相对清晰的工程地图。
九、参考资料
- GitHub 仓库：bojieli/ai-agent-book
- 在线阅读：bojieli.github.io/ai-agent-book
- 中文 PDF：AI-Agents-in-Depth-zh-CN.pdf
- 中文 EPUB：AI-Agents-in-Depth-zh-CN.epub