深入理解 AI Agent：設計原理與工程實踐

基於開源書籍《深入理解 AI Agent》（李博杰 著）整理的系統學習內容。
核心公式：Agent = LLM + 上下文 + 工具

書籍資源

10 章完整架構

章節主題核心內容
1AI Agent 入門Agent 定義、Harness 工程
2上下文工程KV Cache、提示工程、上下文壓縮
3用戶記憶與知識庫RAG、知識圖譜、結構化索引
4工具MCP 協議、感知/執行/協作工具
5Coding Agent程式生成、工具創造、生產級實現
6交互擴展非同步、語音、Computer Use
7Agent 評估評估環境、指標、統計顯著性
8模型後訓練SFT vs RL、工具調用內化
9持續進化從軌跡學習、更新知識/指令/參數
10多 Agent 協作協作框架、上下文共享、Agent 社會

學習路徑建議

  1. 先理解核心公式：LLM + 上下文 + 工具
  2. 掌握上下文工程與 RAG（第 2、3 章）
  3. 學習工具調用與 MCP（第 4 章）
  4. 實作 Coding Agent 與多 Agent 協作（第 5、10 章）
  5. 進階：評估、後訓練與持續進化

本站已有相關實戰：AI Agents 初階課程（Microsoft） | Agentic AI 原理與應用 | n8n 自動化 | Dify

會員進階資源

🔒 會員可解鎖：書籍實驗本地運行指南、重點筆記、與本站工具（n8n、Dify、Ollama）整合範例。

登入會員 | 立即開通

← 返回首頁 | Agentic AI 課程

學習進度

登入會員後可標記完成並同步至儀表板。