AI Agents 权威指南：从 LLM 到生产级 Agent 系统

本书源自 O'Reilly 出版的《AI Agents - The Definitive Guide》（作者 Nicole，配套代码仓库 ai-agents-the-definitive-guide）。本页面将原书配套的 12 章 Jupyter Notebook 整理为可在线阅读的章节，技术栈以 LangChain / LangGraph 为主。

原创来源声明：本内容整理自开源项目 Nicolepcx/ai-agents-the-definitive-guide（O'Reilly《AI Agents - The Definitive Guide》官方配套代码），版权归原作者与 O'Reilly 所有。原书可在 O'Reilly 或 Amazon 购买。

关于这本书

这是一本工程实战指南。它不满足于告诉你 Agent 有哪些概念，而是沿着一条完整的技术主线，从一次普通的 LLM 调用讲起，一路走到生产部署、评估、记忆、成本优化与安全防护。原书配套 30+ 个可运行的 Jupyter Notebook，这里整理成 12 个可在线阅读的章节。

这本书的读者是：有 Python 基础、想系统掌握 Agent 工程实践的开发者。读完这本书，你将理解一个生产级 Agent 系统的完整拼图——架构模式、模型选择、可靠执行、安全治理、评估观测、记忆机制与成本设计。

一句话论点

Agent 的可靠性不来自模型本身，而来自编排与约束。从 ReAct 到多智能体，从沙箱到防火墙，一个生产级 Agent 系统需要把规划、工具、契约、安全、评估、记忆与成本全部纳入工程考量——这本书就是这份完整地图。

全书结构（12 章）

本书沿"基础 → 架构 → 生产 → 评估 → 进阶 → 安全"的主线组织，每一章都配有原书的可运行代码示例。

章节导航

第一部分：基础与架构（第 1-3 章）

• 第 1 章 从 LLM 到 Agent：基础蓝图：无状态 LLM 调用 → 工具调用循环 → 用 LangGraph 构建最小 Agent（typed state、路由、checkpoint、thread）
• 第 2 章 架构与模式：规划、反应式与多智能体系统：CoT、ToT、ReAct、HITL（6 种人机协作模式）、分层 Agent 团队、Swarms
• 第 3 章 高级规划、推理与可扩展执行：ART + RULER 训练数学解题 Agent、RULER 评测排序、TreeQuest（AB-MCTS 搜索）

第二部分：模型与生产（第 4-7 章）

• 第 4 章 Agent 背后的模型：能力与优化：Supervisor Agent 团队
• 第 5 章 从原型到生产：契约、工具与可靠执行：Deep Agents、MCP 集成、Lusser 可靠性定律、Pydantic 结构化输出与治理
• 第 6 章 安全执行与工具治理：受治理的 A2A + MCP 层、大型工具生态（Composio）、E2B 沙箱、程序化工具调用（Monty）
• 第 7 章 在真实产品中部署 Agent：加固骨架（可序列化状态、熔断器、检查点）、推理后端（vLLM/TGI/SGLang）、跨模型 fallback 与漂移防御

第三部分：评估与观测（第 8-9 章）

• 第 8 章 Agent 系统的基础评估与运维观测：OWASP ASI 2026 对抗评估、通用 Eval Harness
• 第 9 章 定制化与高级评估：AgentVista、对接 Langfuse/LangSmith 的外部评估管线、RULER trace 答案排序

第四部分：记忆与成本（第 10-11 章）

• 第 10 章 Agent 记忆：持久化如何让 Agent 进化为演化系统：短期/语义/情景/程序记忆、time travel、记忆服务层与加密
• 第 11 章 从算力到成本：设计高效 Agent 系统：基于拓扑的成本估算、带记忆缓存的群研究引擎、KV Cache / 吞吐 / GPU 需求计算

第五部分：安全（第 12 章）

• 第 12 章 AI Agent 威胁建模：用 LlamaFirewall 构建分层提示安全防火墙（注入检测、信任上下文、语义评分）