复合型AI Agent开发：从理论到实践

挺不错的，娓娓道来的感觉，虽然没有很多的地方浅尝辄止，但是这本身就要靠读者自己深入去挖掘的，全部写到一本书上，只会显得太重了，推荐大家阅读

感谢作者让我学习到了很多AI原理，让我和现在的AI助手也解除了很多错误认知。还激发了很多灵感。

总结的挺好，每章还有思维导图，看起来特别清晰，如何开发一个agent方方面面都考虑到了，从架构到细节，从安全到优化，从底层原理到前端UI。实践起来不管如何，至少提供了一个方向给了思路。

感谢作者的辛勤创作！写的很全面，完整记录了一位前端专家眼中agent开发的方方面面。 中评的原因是相关技术发展太快，站在2026这个时点，很多技术已经相对过时了，对我的帮助不大。

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/未來會在新產品里接入AI能力/肯定是會用到這些知識

一、先泼盆冷水：别被“复合型”这三个字忽悠了 市面上讲AI Agent的书不少，大多停留在调用一两个API、做个简单对话机器人的层面。这本书的价值在于它没绕开“复合”这两个字的复杂性——也就是当一个Agent不再只是单线程地回答问题，而是需要协调多个模型、多个工具、多个子任务时，整个系统的熵会呈指数级上升。 作者开篇就在纠正一个普遍的幻觉：很多人以为Agent就是给大模型套个外壳，接上几个插件就万事大吉。实际上，真正的复合型Agent是一个分布式系统问题，只不过恰好用自然语言做接口。你面对的不是一行行确定的代码逻辑，而是一个个概率模型。这意味着传统的软件工程思维在这里会撞墙，而纯AI的研究思维又太飘。这本书试图在两者之间找平衡点，告诉你怎么在工程可控的前提下，利用不确定性创造价值。 二、核心骨架：从单兵作战到集团军指挥 书的前半部分花了大量篇幅重构Agent的认知模型。它把Agent拆解成几个核心模块：规划（Planning）、记忆（Memory）、工具使用（Tool Use）和行动（Action）。这听起来像教科书，但作者高明之处在于指出了它们之间的耦合关系。 关于规划（Planning）。这是复合型Agent最难啃的骨头。书中详细讨论了ReAct、Reflexion等模式。我的理解是，这其实是让AI学会“想一步做一步，再做一步想一步”。单Agent的规划是线性的，而复合型Agent的规划是树状的，甚至是图状的。作者反复强调一个概念：不要把规划完全交给模型。大模型在微观步骤上还可以，但在宏观路径选择上经常犯蠢。真正稳健的架构，是把高层次的确定性逻辑留给代码，把低层次的具体执行留给模型。 关于记忆（Memory）。这部分是实战价值最高的。书里区分了短期记忆（上下文窗口）和长期记忆（向量数据库、知识图谱）。作者一针见血地指出，记忆管理的本质是信息压缩与检索的平衡。上下文窗口有限，你不可能把所有东西都塞进去；向量检索有召回率问题，搜回来的东西可能是错的。书中给出的方案是分层记忆架构：用缓存解决高频问题，用数据库解决历史记录，用摘要解决长程依赖。这不仅仅是技术问题，更是产品设计问题——你得决定让Agent记住什么，忘记什么。 关于工具使用（Tool Use）。书里没把工具仅仅当成API调用，而是将其视为Agent能力的延伸。重点在于工具的编排。当Agent拥有几十个工具时，选择哪个工具本身就成了瓶颈。作者提出了工具分类和动态加载的思路，这非常接地气。就像你不会把家里的所有扳手都扛在身上去修车，而是根据车型去拿对应的工具箱。 ------ 三、架构设计：为什么微服务思维在这里失效了 书的后半部分进入深水区——系统架构。这是大多数教程回避的地方。 多Agent协作模式。书中对比了集中式（Manager）、去中心化（Decentralized）和分层（Hierarchical）三种模式。作者通过案例分析得出的结论是：没有任何一种模式是银弹。做数据处理管道，集中式好管控；做开放式探索，去中心化更有创造力。最有价值的一章是关于Agent通信协议的讨论。当Agent之间需要对话时，JSON格式的指令往往比自然语言更稳定。这揭示了一个残酷的现实：为了让AI表现得像人，我们在底层不得不写更多死板的代码来约束它。 上下文管理与状态同步。这是复合型系统最容易崩盘的地方。当一个主Agent调度五个子Agent，每个子Agent又有自己的记忆和工具，状态怎么同步？书里给出了基于事件驱动的方案，以及状态快照机制。这让我想起当年的分布式事务处理。作者提醒，不要试图做到强一致性，那是自讨苦吃，最终一致性才是Agent世界的生存法则。 评估体系（Evaluation）。这可能是全书最反直觉的一章。作者直言，评估Agent比训练Agent更难。你不能用准确率这种单一指标来衡量一个助手。书里提出了一套多维度的评估框架：任务完成度、路径效率、工具调用准确率、鲁棒性（抗干扰能力）。特别值得注意的是关于“人类在环”（Human-in-the-loop）的讨论。作者认为，在很长一段时间内，最好的Agent不是全自动的，而是知道什么时候该停下来问人一句的。 ------ 四、实战中的暗礁：书里没明说但你必须知道的 读完这本书，结合我自己的经验，有几个关键点书里虽然提到了，但需要我再强调一遍，因为这是区分实验室Demo和生产系统的分界线： 第一，成本失控的风险。 书里讲了Token消耗，但没算细账。当你引入反思（Reflection）机制，让Agent自我纠错时，Token消耗会翻倍。如果是多Agent互相对话，消耗更是几何级数增长。在做架构设计时，必须在关键节点设置熔断机制和预算上限，否则一次跑通几千块钱就没了。 第二，延迟问题。 人类对于对话的耐心通常只有两三秒。一个复杂的复合Agent，经过多次推理、检索和工具调用，延迟很容易超过十秒。书中提到了流式输出（Streaming）和异步处理，但这治标不治本。真正的解决方案是预计算、缓存热点路径，以及接受某些复杂任务本来就该是异步通知的，而不是即时响应的。 第三，调试的地狱。 传统程序报错有堆栈跟踪。Agent出错往往是“幻觉”或者“逻辑跑偏”。书里介绍了追踪（Tracing）和日志可视化。我要补充的是，你必须建立一套“回放机制”。每次Agent跑偏了，你要能像看录像一样回放它每一步的思考过程（Chain of Thought），找出是哪个提示词（Prompt）或者哪个检索结果导致了偏差。没有这个，优化就是盲人摸象。 第四，安全边界。 当Agent有了调用API和执行代码的权力，它就有了作恶的能力。书里提到了沙箱（Sandboxing）。现实中，你需要做的是最小权限原则。不要让Agent拥有删除数据库的权限，即使它说是为了“清理垃圾”。 ------ 五、总结：这不是终点，只是一个新的起跑线 这本书没有给你一个万能模板，它给了你一堆零件和一张图纸，告诉你这些零件组合在一起可能会爆炸，也可能跑得很顺。它撕掉了AI Agent的神秘面纱，露出了背后工程实现的粗糙与复杂。 对于开发者来说，这本书的价值在于帮你建立了系统工程观。你不能再只盯着模型参数，你得盯着数据流、状态机、容错率和成本模型。 对于管理者或观察者来说，这本书告诉你：通用人工智能还很远，但专用智能体（Specialized Agents）已经成熟。现在的竞争，不在于谁家的模型更聪明，而在于谁能把这些聪明的模型像乐高积木一样，拼装成一个稳定、廉价、好用的系统，并且知道在哪里该让机器干活，哪里该让人接管。 归根结底，复合型AI Agent开发，本质上是用极高的工程复杂度，去换取极低的应用门槛。这条路很难，但也正因为难，才有护城河。如果你打算下场，做好打持久战的准备，别指望速成。

挺不错的。虽然没有讲到agent的skill相关的东西,但是agent相关的内容都进行了一个介绍，用来入门了解一下，相关的基础知识是十分不错的。

总体来说还是挺水的，感觉不出作者对agent开发有什么独到的见解，算是流水账试的开发笔记吧。随便看看也行。

一些基础概念和应用场景介绍得很全面，值得看看。

代码含量太大，chatui，kouzi 等的两个章节很没有必要，理论部分更多一些会好很多