智能體開發實戰（微課版）

孔華鋒

智能體開發實戰（微課版） 預覽內頁
  • 出版商: 人民郵電
  • 出版日期: 2026-08-01
  • 定價: $359
  • 售價: $358
  • 語言: 簡體中文
  • 頁數: 214
  • ISBN: 7115700648
  • ISBN-13: 9787115700643
  • 相關分類: LangChain

    • 下單後立即進貨 (約4週~6週)

  • 智能體開發實戰（微課版）-preview-1
智能體開發實戰（微課版）-preview-1

買這商品的人也買了...

相關主題

商品描述

本書主要講解智能體（AI Agent）技術的原理和開發技術以及在實際場景中的應用，包括（LangChain、LangGraph、LlamaIndex、Coze、Dify）全書共9章。主要內容包括初識AI Agent、AI Agent核心技術、大模型技術基礎與提示詞工程、AI Agent開發技術架構與環境搭建、基於LangChain的Agent開發、基於LlamaIndex的AI Agent開發、基於LangGraph的AI Agent開發、基於Dify的AI Agent開發實踐、基於Coze的AI Agent開發實踐。 本書采用知識講解配合案例實踐的思路，詳細介紹智能體軟件開發的操作方法，從而達到讓讀者掌握AI Agent開發的技能、提高讀者實際掌握軟件操作能力的目的。同時，所有課堂案例、實戰案例均配有微課視頻，讀者可以自行掃描二維碼觀看。 本書可作為高等學校計算機類專業相關課程的配套教材，也可供對大模型、智能體感興趣的讀者閱讀。

作者簡介

孔德鏞 畢業於西北大學計算機專業系統結構方向，高級工程師，信息系統項目管理師，陜西省美術家協會會員，陜西省社會科學院藝術研究中心會員。曾任中興通訊智能基站通訊算法專家，對深度學習、強化學習、知識蒸餾等理論有豐富的實戰經驗。

目錄大綱

第1章 認識AI Agent
1.1 人工智能技術
1.1.1 什麼是人工智能
1.1.2 人工智能發展簡史
1.2 人工智能技術理論
1.2.1 什麼是深度學習
1.2.2 卷積神經網絡
1.2.3 自然語言處理
1.2.4 通用人工智能
1.2.5 大模型
1.2.6 多模態大模型
1.2.7 生成式人工智能
1.3 大模型技術的應用層次
1.3.1 大模型的基礎應用
1.3.2 大模型與外部數據進行交互
1.3.3 大模型增量優化——大模型微調
1.4 AI Agent介紹
1.4.1 AI Agent簡介
1.4.2 AI Agent的特征
1.4.3 AI Agent與Agentic AI
1.4.4 智能體的原理
1.4.5 智能體的功能與組成
1.4.6 智能體工作流概念
1.4.7 智能體與大模型
1.5 AI Agent在不同領域的應用
1.5.1 專業分析領域
1.5.2 角色扮演領域
1.5.3 知識問答領域
1.5.4 自媒體運營領域
1.5.5 效率辦公領域
1.6 AI Agent對個人和企業的價值
1.6.1 AI Agent改變個人生活方式
1.6.2 AI Agent改變企業工作流程
1.7 AI Agent與大模型
1.7.1 主流AI技術與AI Agent的關系
1.7.2 ChatGPT大模型介紹
1.7.3 千問大模型介紹
1.7.4 DeepSeek大模型介紹
1.7.5 AI Agent出現後的大模型應用
1.8 AI Agent技術未來的發展
1.8.1 多智能體協作
1.8.2 多模態智能體
1.9 本章小結
1.10 課後練習
第2章 AI Agent核心技術
2.1 AI Agent開發知識儲備
2.1.1 Python與人工智能
2.1.2 CUDA技術與AIGC
2.1.3 機器學習框架
2.1.4 基於大模型的智能體
2.2 AI Agent的組成
2.2.1 大模型
2.2.2 工具調用
2.2.3 規劃
2.2.4 記憶
2.3 常見AI Agent開發框架與平臺
2.3.1 目前主流的開源AI Agent開發框架
2.3.2 BabyAGI
2.3.3 CrewAI
2.3.4 AutoGen
2.3.5 CAMEL
2.3.6 LlamaIndex
2.3.7 LangChain
2.3.8 LangGraph
2.3.9 MetaGPT
2.3.10 n8n
2.3.11 Dify
2.3.12 Coze
2.3.13 Manus
2.4 AI Agent開發流程
2.4.1 需求分析
2.4.2 大模型選型
2.4.3 提示詞設計與優化
2.4.4 開發框架選擇
2.4.5 發布方式選擇
2.5 AI Agent前置環境
2.5.1 Python基礎開發環境
2.5.2 CUDA環境
2.5.3 Anaconda環境
2.5.4 PyTorch環境
2.5.5 VS Code與Jupyter Notebook的使用
2.6 【實戰案例】搭建PyTorch深度學習開發環境
2.7 本章小結
2.8 課後練習
第3章 大模型技術基礎與提示詞工程
3.1 大模型介紹
3.2 大模型技術基礎
3.3 大模型的應用
3.3.1 大模型的應用場景
3.3.2 大模型的裏程碑——GPT
3.3.3 大模型的核心應用產品——ChatGPT
3.3.4 國產大模型
3.4 大模型開發技術
3.4.1 大模型微調
3.4.2 LoRA
3.4.3 RAG
3.5 Transformer
3.5.1 Transformer架構
3.5.2 編碼器-解碼器結構
3.5.3 位置編碼
3.5.4 嵌入
3.5.5 自註意力機制與多頭註意力機制
3.6 Stable Diffusion
3.6.1 生成對抗網絡
3.6.2 CLIP
3.6.3 Stable Diffusion的原理與構成
3.6.4 變分自編碼器
3.6.5 AI繪畫的原理
3.7 提示詞工程
3.7.1 提示詞工程的定義
3.7.2 任務分解的提示詞鏈設計
3.7.3 思維鏈和思維樹
3.7.4 常見的提示詞框架
3.7.5 設計清晰、準確的提示詞
3.8 【實戰案例】提示詞工程寫作案例
3.9 本章小結
3.10 課後練習
第4章 AI Agent開發技術架構與環境搭建
4.1 AI Agent的組成與核心技能
4.1.1 AI Agent的組成
4.1.2 AI Agent的長短期記憶能力
4.1.3 AI Agent的規劃和決策能力
4.2 Function Calling
4.3 ReAct架構
4.3.1 ReAct概述
4.3.2 Plan-and-Execute
4.4 模型上下文協議
4.5 多智能體通信的A2A協議
4.6 智能體與用戶交互的AG-UI協議
4.7 使用Python實現ReAct的程序設計思想
4.7.1 用Python的函數來模擬ReAct的智能體思想
4.7.2 函數設計基本思想
4.8 在AI Agent開發中部署大模型
4.8.1 Ollama
4.8.2 Chatbox
4.8.3 Cherry Studio
4.8.4 ChatGPT Playground
4.9 通過代碼訪問大模型
4.9.1 訪問權限和API密鑰
4.9.2 通過OpenAI接口訪問大模型
4.9.3 使用Chat Completions進行對話與參數配置
4.10 【實戰案例】使用Ollama搭建本地大模型
4.11 【實戰案例】使用Ollama和Python與本地大模型對話
4.12 【實戰案例】使用Python與千問大模型對話
4.13 本章小結
4.14 課後練習
第5章 基於LangChain的AI Agent開發
5.1 LangChain及其應用場景
5.1.1 LangChain概述
5.1.2 LangChain的應用場景
5.2 LangCha

類似商品