深入淺出AI智能體：基於DeepSeek的AI Agent開發實戰
饒俠
商品描述
本書系統性地介紹AI智能體的基礎理論、關鍵技術、開發方法與實戰案例。書中技術內容以國產DeepSeek大模型為核心，結合多個主流開發框架及平臺展示，旨在為讀者提供一條從入門到精通的高效學習路徑。本書共14章，內容涵蓋AI智能體與DeepSeek模型概述、AI智能體開發環境搭建、提示詞工程、知識庫與RAG技術、單智能體與多智能體系統開發、通用AI智能體構建、AI智能體協議、AI智能體進階技術、企業級大模型部署與知識庫搭建、企業級AI智能體開發，以及AI智能體的行業落地與AI智能體的前沿探索。同時，每章都融合了理論講解與代碼實戰，力求在闡明原理的同時提升讀者的動手能力。值得一提的是，本書強調“基於DeepSeek”的實戰導向。書中提供了大量完整可運行的示例代碼，涵蓋API調用、AI智能體開發、RAG系統搭建、多智能體協作等典型場景，幫助讀者在真實環境中鞏固知識。
本書適合具有一定Python編程基礎的讀者閱讀，可可供從事AI應用開發、算法研究、企業智能化轉型的技術人員和項目經理參考使用，也作為人工智能、計算機科學相關專業學生的參考書。
作者簡介
饒俠，北京大學碩士，曾擔任甲骨文公司首席工程師、中央結算公司高級架構師，現任建信信托執行總經理、證券科技中心負責人，具有多年科技行業和金融行業從業經驗，目前專註於人工智能在金融領域的落地應用。
目錄大綱
第 1 章 AI 智能體與 DeepSeek 1
11 什麼是 AI 智能體 1
111 AI 智能體簡介 1
112 AI 智能體的類型 2
113 AI 智能體的應用 2
12 AI 智能體的技術架構 3
121 AI 智能體的核心模塊 3
122 AI 智能體的設計模式 4
123 AI 智能體的推理引擎 4
124 AI 智能體與外部交互 5
125 智能體工作流 6
13 什麼是 DeepSeek 7
131 DeepSeek 的核心特點 7
132 DeepSeek 的模型架構創新與訓練優化策略 7
133 DeepSeek 的調用方式 8
134 DeepSeek 的生態 13
實戰：DeepSeek API 調用示例 14
實戰：基於 DeepSeek API 實現函數調用 16
第 2 章 AI 智能體開發環境 18
21 線上智能體開發平臺簡介 18
211 字節跳動的扣子開發平臺 18
212 百度的文心智能體開發平臺 20
213 阿裏的百寶箱智能體開發平臺 23
22 在本地搭建 AI 智能體開發環境 24
221 基礎環境介紹 25
222 智能體開發框架介紹 26
實戰：基於 Dify 搭建 AI 智能體開發環境 26
實戰：基於 LangChain 和 DeepSeek 搭建 AI 智能體開發環境 30
第 3 章 提示詞工程 32
31 提示詞工程簡介 32
311 提示詞工程的特點 32
312 提示詞中的主要角色 33
313 提示詞分類 34
32 提示詞框架 36
321 提示詞框架簡介 36
322 ICIO 框架 37
323 CRISPE 框架 37
324 BROKE 框架 37
325 CO-STAR 框架 38
33 提示詞優化 38
331 提示詞優化技巧 38
332 DeepSeek 官方提示詞庫 41
333 上下文感知與多輪對話設計 43
實戰：股票研究報告結構化提示詞模板 46
第 4 章 知識庫與 RAG 50
41 知識庫 50
411 知識庫介紹 50
412 線上知識庫 51
413 本地知識庫 52
42 RAG 53
421 RAG 介紹 53
422 向量數據庫 55
423 嵌入模型 57
424 重排序器 59
43 RAG 框架 60
431 RAGFlow 框架 60
432 LlamaIndex 框架 61
433 Haystack 框架 61
434 LangChain 框架 62
實戰：基於 LlamaIndex 框架和 DeepSeek 的 RAG 應用 62
實戰：結合 Milvus 向量數據庫的 RAG 應用 63
第 5 章 單智能體開發 68
51 線上智能體開發 68
511 扣子的智能體開發功能簡介 69
512 使用扣子搭建智能體 70
513 使用扣子搭建智能體工作流 73
514 使用扣子開發 AI 應用 76
52 本地智能體開發 78
521 Dify 簡介 78
522 使用 Dify 開發本地智能體 79
523 使用 Dify 開發本地工作流 82
實戰：基於 DeepSeek API 實現 ReAct AI 智能體 85
實戰：使用 LangChain 和 DeepSeek 開發單智能體 88
第 6 章 多智能體系統開發 96
61 多智能體系統簡介 96
611 什麼是多智能體系統 96
612 多智能體系統的應用場景 97
613 多智能體系統開發框架 97
62 多智能體系統的評估和優化 99
621 多智能體系統的評估 99
622 多智能體系統的優化 101
實戰：使用 LangGraph 開發多智能體系統 102
實戰：使用 AutoGen 開發多智能體系統 105
第 7 章 通用 AI 智能體構建 108
71 Manus 與通用 AI 智能體 108
711 Manus 簡介 108
712 Manus 技術原理解析 109
713 開源方案介紹 110
714 商業對手介紹 111
72 AI 自動化工具 113
721 Browser Use 113
722 Computer Use 114
723 DroidRun 114
實戰：基於 DeepSeek 構建通用 AI 智能體 115
第 8 章 AI 智能體協議 122
81 MCP 122
811 MCP 簡介 123
812 MCP 與函數調用的區別 123
813 MCP 的工作原理 124
82 A2A 協議 125
821 A2A 協議簡介 125
822 A2A 協議的關鍵概念 125
823 A2A 協議的工作原理 126
83 ANP 126
84 AG-UI 協議 127
實戰：開發和使用 MCP 服務器 127
實戰：從零開始跑通 A2A 協議 132
第 9 章 AI 智能體進階技術 137
91 上下文工程 137
911 上下文工程簡介 137
912 Manus 的上下文工程經驗分享 140
92 AI 智能體的元認知 141
921 什麼是元認知 141
922 元認知在 AI 智能體中的重要性 141
93 多模態 AI 智能體 142
931 多模態模型簡介 143
932 多模態 AI 智能體的實現 144
94 進階 RAG 技術 146
941 上下文檢索 147
942 緩存增強生成 147
943 知識圖譜 RAG 148
944 代理 RAG 148
945 多模態 RAG 149
實戰：基於 DeepSeek、LangChain 和 Milvus 的多模態 RAG 系統 150
第 10 章 大模型的企業級部署與企業級知識庫搭建 153
101 DeepSeek 的企業級部署 153
1011 DeepSeek 私有化部署方案 153
1012 DeepSeek 信創適配方案 155
1013 DeepSeek 金融行業微調方案 157
102 企業級知識庫搭建 159
1021 本地知識庫搭建流程 160
1022 本地知識庫的典型應用場景 162
實戰：基於 DeepSeek、Milvus 和 AnythingLLM 搭建知識庫 162
實戰：基於 DeepSeek 和 RAGFlow 搭建知識庫 165
第 11 章 企業級 AI 智能體開發 170
111 企業級 AI 智能體構建的全流程 170
1111 步驟 1：明確 AI 智能體的功能 170
1112 步驟 2：為 AI 智能體制定工作流程 171
1113 步驟 3：利用提示詞打造 MVP 171
1114 步驟 4：AI 智能體的構建 171
1115 步驟 5：AI 智能體的測試與疊代 172
1116 步驟 6：AI 智能體的部署、擴展與持續完善 172
112 企業級 AI 智能體的項目介紹 173
1121 DACA 設計模式與項目介紹 173
1122 企業級 AI 智能體開源項目介紹 175
實戰：對沖基金 AI 智能體開發 176
第 12 章 企業級 AI 智能體部署 184
121 企業級 AI 智能體的部署方案 184
1211 部署架構 184
1212 部署流程 185
1213 部署安全的 AI 智能體 185
1214 部署評估與成本管理 186
122 AI 智能體與企業 RPA 的融合 190
1221 RPA 簡介 190
1222 RPA 與 AI 智能體的融合 190
123 AI 智能體與企業管理系統的對接 192
1231 對接的步驟與應用場景 192
1232 對接面臨的挑戰 193
實戰：基於 LangChain 和 DeepSeek 的 AI 智能體監控與評估系統 195
第 13 章 AI 智能體的行業落地 198
131 AI 智能體行業落地挑戰 198
1311 數據隱私保護 198
1312 安全性與可靠性 200
1313 倫理風險應對 201
132 AI 智能體可信度評估與 AI 偏見消除 202
1321 AI 智能體可信度評估 202
1322 AI 偏見消除 204
實戰：基於 AI Fairness 360 和 DeepSeek 減少偏見 206
第 14 章 AI 智能體前沿探索 210
141 大模型及 AI 智能體的發展趨勢 210
1411 大模型的發展趨勢 210
1412 AI 智能體的發展趨勢 211
142 智能體社會與多智能體社會模擬 212
1421 智能體社會 212
1422 多智能體社會模擬 214
143 具身智能與 AI 智能體 216
1431 具身智能簡介 216
1432 具身智能與 AI 智能體的結合 217
1433 具身智能的發展 218
實戰：基於 AutoGen 和 DeepSeek 的多智能體社會模擬 218
後記 223
