相關主題
商品描述
《手搓AI智能體：輕量框架，100行搞定》圍繞大模型應用開發的核心原理與實踐方法展開。針對LangChain 擁有數十萬行代碼、CrewAI依賴繁多的問題，《手搓AI智能體：輕量框架，100行搞定》以100行Python代碼為起點，回歸本質，提出AI應用的統一抽象——“圖”，系統介紹聊天機器人、檢索增強生成、深度研究和智能體等典型應用的基本結構與實現方式。同時，《手搓AI智能體：輕量框架，100行搞定》深入分析影響AI應用效果的關鍵因素，包括提示詞設計、工具使用能力與上下文構建方法，強調覆雜系統也可通過簡潔代碼高效實現。《手搓AI智能體：輕量框架，100行搞定》內容緊湊實用，讀者不僅能夠理解每一個AI產品的實現邏輯，還能親手將其覆現與擴展。
目錄大綱
第1章 別再較勁了，你只需要100行
1.1 LangChain有40萬行以上的代碼，它們到底在幹什麼? 3
1.2 每個AI產品底層都是同一種圖 4
1.3 整個框架就100行，現在就讀一遍 6
1.4 一個30行的聊天機器人 11
1.5 圖這麼簡單，為什麼不是人人都能上手? 12
第2章 每個AI框架底層都是同一個東西——圖
2.1 Node和shared store：一個執行，一個記憶 16
2.2 Flow：四種方式，無窮組合 19
2.3 調大模型：框架的封裝就是個累贅 24
2.4 合在一起：30行的聊天機器人 27
2.5 重試和兜底：別自己寫try/except 30
2.6 結構化輸出：讓大模型乖乖聽話 33
2.7 批處理：同一個節點，1000條輸入 37
2.8 異步和並行：10秒變1秒 40
第3章 Workflow、Agent都是同一張圖換個接法
3.1 Workflow：三個專註的節點吊打一個臃腫的prompt 45
3.2 Agent：讓大模型自己決定走哪條路 48
3.3 Guardrail：擋在你的Agent和災難之間的那道門 51
3.4 chain of thought：循環本身就是智能 55
3.5 永遠別信一個大模型：裁判、投票、辯論 59
3.6 心跳：永不停歇的Agent 65
第4章 RAG就是5個節點排一排
4.1 你真的需要RAG嗎? 72
4.2 RAG管線：分塊器、存儲器、檢索器、生成器 74
4.3 Embedding：一個更聰明的相似度函數 79
4.4 Agentic RAG：跳過Embedding，讓Agent自己判斷 82
4.5 超越樸素RAG：RAG動物園和為什麼簡單的贏 86
4.6 真正的殺手：數據質量，不是算法 91
第5章 Deep Research就是一個for循環加搜索API
5.1 Deep Research怎麼跑的：三個節點，一個循環 96
5.2 搜索API比模型重要 99
5.3 Map：大模型寫查詢，不是你 103
5.4 Reduce和疊代：一輪永遠不夠 105
5.5 prompt就是產品 109
第6章 NotebookLM、Text to SQL、代碼庫分析，全是你畫得出來的工作流
6.1 NotebookLM：拆prompt，別換模型 114
6.2 Text to SQL：循環是Demo和產品的分水嶺 118
6.3 代碼庫分析：循環傳遞上下文，不只是修錯 123
6.4 潛在客戶生成：大部分“AI產品”裏大部分不是AI 127
第7章 Prompt Engineering：你的領域知識就是prompt
7.1 所有prompt技巧都是在給弱模型打補丁 132
7.2 領域知識就是prompt 134
7.3 三個技巧，把模糊prompt變具體 135
7.4 測試驅動的prompt，越跑越好 138
7.5 skill就是給你控制不了的Agent寫的prompt 140
7.6 微調改的是風格，不是知識 143
第8章 模型是大路貨，工具才是護城河
8.1 工具輸入：從安全到危險的三個層級 146
8.2 描述和輸出：Agent選工具不靠代碼 149
8.3 動作空間：15個工具好使，50個不行 152
8.4 合並和串聯：更少的工具，更強的能力 154
8.5 設計環境，不只是設計工具 156
第9章 Context Engineering：你的Agent不是蠢，是餓的
9.1 上下文窗口就是內存，而且沒人看過裏面裝了什麼 161
9.2 Workflow不需要省context，Agent才需要 164
9.3 Agent需要的是內存層級，不是更大的context垃圾堆 167
9.4 Agent淹死在自己的歷史裏：壓縮內存，用磁盤 172
第10章 Cursor、Trae、Cline，你完全可以從零搭一個
10.1 樸素Agent：3個工具，50行 179
10.2 編輯工具：解決真正的難題 184
10.3 驗證與安全：跑代碼，攔危險 190
10.4 兩個階段：別在同一個循環裏又規劃又編輯 194
10.5 你發布的是循環，不是模型 197
第11章 多Agent：所有人都想要，沒人真需要
11.1 Agent越多，效果越差 202
11.2 拆分的理由只有兩個 204
11.3 每種“多Agent模式”都是你搭過的圖 208
11.4 Agent當工具：唯一真正重要的模式 210
第12章 Agentic Coding：自然語言才是編程語言
12.1 100行vs 40萬行：猜猜AI記住了哪個 217
12.2 Agentic Coding就是瀑布流，這才是重點 218
12.3 一半AI項目還沒寫**行就擱淺了 223
12.4 你以為你要Agent，其實你要Workflow 226
12.5 AI每次都犯的五個錯 229
12.6 別debug AI代碼，重新生成 234
第13章 你的AI項目能跑了，但它能活多久?
13.1 部署：你的Agent就是個函數，給它裝個門 238
13.2 評估：80%的“AI失敗”其實是工具壞了 241
13.3 成本和可靠性：優化圖，不是優化模型 246
13.4 安全：你的Agent會乖乖聽攻擊者的話 249
