複合型AI Agent開發：從理論到實踐

挺不錯的，娓娓道來的感覺，雖然沒有很多的地方淺嘗輒止，但是這本身就要靠讀者自己深入去挖掘的，全部寫到一本書上，只會顯得太重了，推薦大家閱讀

感謝作者讓我學習到了很多AI原理，讓我和現在的AI助手也解除了很多錯誤認知。還激發了很多靈感。

總結的挺好，每章還有思維導圖，看起來特別清晰，如何開發一個agent方方面面都考慮到了，從架構到細節，從安全到優化，從底層原理到前端UI。實踐起來不管如何，至少提供了一個方向給了思路。

感謝作者的辛勤創作！寫的很全面，完整記錄了一位前端專家眼中agent開發的方方面面。 中評的原因是相關技術發展太快，站在2026這個時點，很多技術已經相對過時了，對我的幫助不大。

二零二六年讀完的第十本書/跟AI Agent開發相關的/讀完這本書能把一些跟開發相關的概念理解了一下/目前我還在重構產品階段/未來會在新產品裏接入AI能力/肯定是會用到這些知識

一、先潑盆冷水：別被“複合型”這三個字忽悠了 市面上講AI Agent的書不少，大多停留在調用一兩個API、做個簡單對話機器人的層面。這本書的價值在於它沒繞開“複合”這兩個字的複雜性——也就是當一個Agent不再只是單線程地回答問題，而是需要協調多個模型、多個工具、多個子任務時，整個系統的熵會呈指數級上升。 作者開篇就在糾正一個普遍的幻覺：很多人以爲Agent就是給大模型套個外殼，接上幾個插件就萬事大吉。實際上，真正的複合型Agent是一個分佈式系統問題，只不過恰好用自然語言做接口。你面對的不是一行行確定的代碼邏輯，而是一個個概率模型。這意味着傳統的軟件工程思維在這裏會撞牆，而純AI的研究思維又太飄。這本書試圖在兩者之間找平衡點，告訴你怎麼在工程可控的前提下，利用不確定性創造價值。 二、核心骨架：從單兵作戰到集團軍指揮 書的前半部分花了大量篇幅重構Agent的認知模型。它把Agent拆解成幾個核心模塊：規劃（Planning）、記憶（Memory）、工具使用（Tool Use）和行動（Action）。這聽起來像教科書，但作者高明之處在於指出了它們之間的耦合關係。 關於規劃（Planning）。這是複合型Agent最難啃的骨頭。書中詳細討論了ReAct、Reflexion等模式。我的理解是，這其實是讓AI學會“想一步做一步，再做一步想一步”。單Agent的規劃是線性的，而複合型Agent的規劃是樹狀的，甚至是圖狀的。作者反覆強調一個概念：不要把規劃完全交給模型。大模型在微觀步驟上還可以，但在宏觀路徑選擇上經常犯蠢。真正穩健的架構，是把高層次的確定性邏輯留給代碼，把低層次的具體執行留給模型。 關於記憶（Memory）。這部分是實戰價值最高的。書裏區分了短期記憶（上下文窗口）和長期記憶（向量數據庫、知識圖譜）。作者一針見血地指出，記憶管理的本質是信息壓縮與檢索的平衡。上下文窗口有限，你不可能把所有東西都塞進去；向量檢索有召回率問題，搜回來的東西可能是錯的。書中給出的方案是分層記憶架構：用緩存解決高頻問題，用數據庫解決歷史記錄，用摘要解決長程依賴。這不僅僅是技術問題，更是產品設計問題——你得決定讓Agent記住什麼，忘記什麼。 關於工具使用（Tool Use）。書裏沒把工具僅僅當成API調用，而是將其視爲Agent能力的延伸。重點在於工具的編排。當Agent擁有幾十個工具時，選擇哪個工具本身就成了瓶頸。作者提出了工具分類和動態加載的思路，這非常接地氣。就像你不會把家裏的所有扳手都扛在身上去修車，而是根據車型去拿對應的工具箱。 ------ 三、架構設計：爲什麼微服務思維在這裏失效了 書的後半部分進入深水區——系統架構。這是大多數教程迴避的地方。 多Agent協作模式。書中對比了集中式（Manager）、去中心化（Decentralized）和分層（Hierarchical）三種模式。作者通過案例分析得出的結論是：沒有任何一種模式是銀彈。做數據處理管道，集中式好管控；做開放式探索，去中心化更有創造力。最有價值的一章是關於Agent通信協議的討論。當Agent之間需要對話時，JSON格式的指令往往比自然語言更穩定。這揭示了一個殘酷的現實：爲了讓AI表現得像人，我們在底層不得不寫更多死板的代碼來約束它。 上下文管理與狀態同步。這是複合型系統最容易崩盤的地方。當一個主Agent調度五個子Agent，每個子Agent又有自己的記憶和工具，狀態怎麼同步？書裏給出了基於事件驅動的方案，以及狀態快照機制。這讓我想起當年的分佈式事務處理。作者提醒，不要試圖做到強一致性，那是自討苦喫，最終一致性纔是Agent世界的生存法則。 評估體系（Evaluation）。這可能是全書最反直覺的一章。作者直言，評估Agent比訓練Agent更難。你不能用準確率這種單一指標來衡量一個助手。書裏提出了一套多維度的評估框架：任務完成度、路徑效率、工具調用準確率、魯棒性（抗干擾能力）。特別值得注意的是關於“人類在環”（Human-in-the-loop）的討論。作者認爲，在很長一段時間內，最好的Agent不是全自動的，而是知道什麼時候該停下來問人一句的。 ------ 四、實戰中的暗礁：書裏沒明說但你必須知道的 讀完這本書，結合我自己的經驗，有幾個關鍵點書裏雖然提到了，但需要我再強調一遍，因爲這是區分實驗室Demo和生產系統的分界線： 第一，成本失控的風險。 書裏講了Token消耗，但沒算細賬。當你引入反思（Reflection）機制，讓Agent自我糾錯時，Token消耗會翻倍。如果是多Agent互相對話，消耗更是幾何級數增長。在做架構設計時，必須在關鍵節點設置熔斷機制和預算上限，否則一次跑通幾千塊錢就沒了。 第二，延遲問題。 人類對於對話的耐心通常只有兩三秒。一個複雜的複合Agent，經過多次推理、檢索和工具調用，延遲很容易超過十秒。書中提到了流式輸出（Streaming）和異步處理，但這治標不治本。真正的解決方案是預計算、緩存熱點路徑，以及接受某些複雜任務本來就該是異步通知的，而不是即時響應的。 第三，調試的地獄。 傳統程序報錯有堆棧跟蹤。Agent出錯往往是“幻覺”或者“邏輯跑偏”。書裏介紹了追蹤（Tracing）和日誌可視化。我要補充的是，你必須建立一套“回放機制”。每次Agent跑偏了，你要能像看錄像一樣回放它每一步的思考過程（Chain of Thought），找出是哪個提示詞（Prompt）或者哪個檢索結果導致了偏差。沒有這個，優化就是盲人摸象。 第四，安全邊界。 當Agent有了調用API和執行代碼的權力，它就有了作惡的能力。書裏提到了沙箱（Sandboxing）。現實中，你需要做的是最小權限原則。不要讓Agent擁有刪除數據庫的權限，即使它說是爲了“清理垃圾”。 ------ 五、總結：這不是終點，只是一個新的起跑線 這本書沒有給你一個萬能模板，它給了你一堆零件和一張圖紙，告訴你這些零件組合在一起可能會爆炸，也可能跑得很順。它撕掉了AI Agent的神祕面紗，露出了背後工程實現的粗糙與複雜。 對於開發者來說，這本書的價值在於幫你建立了系統工程觀。你不能再只盯着模型參數，你得盯着數據流、狀態機、容錯率和成本模型。 對於管理者或觀察者來說，這本書告訴你：通用人工智能還很遠，但專用智能體（Specialized Agents）已經成熟。現在的競爭，不在於誰家的模型更聰明，而在於誰能把這些聰明的模型像樂高積木一樣，拼裝成一個穩定、廉價、好用的系統，並且知道在哪裏該讓機器幹活，哪裏該讓人接管。 歸根結底，複合型AI Agent開發，本質上是用極高的工程複雜度，去換取極低的應用門檻。這條路很難，但也正因爲難，纔有護城河。如果你打算下場，做好打持久戰的準備，別指望速成。

挺不錯的。雖然沒有講到agent的skill相關的東西,但是agent相關的內容都進行了一個介紹，用來入門瞭解一下，相關的基礎知識是十分不錯的。

總體來說還是挺水的，感覺不出作者對agent開發有什麼獨到的見解，算是流水賬試的開發筆記吧。隨便看看也行。

一些基礎概念和應用場景介紹得很全面，值得看看。

代碼含量太大，chatui，kouzi 等的兩個章節很沒有必要，理論部分更多一些會好很多