博客來
《AI Agent開發與應用：基於大模型的智能體構建》詳盡地闡述智能體的基礎理論、開發工具以及不同層次的開發方法，通過融合自然語言理解、多輪對話和任務自動化技術，為讀者提供從理論到實踐的全方位指導，旨在幫助讀者構建高效的智能體。
《AI Agent開發與應用：基於大模型的智能體構建》分為3個部分，共12章。
第1部分(第1～5章)深入解析智能體的工作原理及開發所需的工具鏈，包括智能體的定義、類型及其與大語言模型(LLM)的關係，探討智能體框架結構和核心模塊的設計，並介紹LangChain和LlamaIndex等技術如何助力任務自動化和數據管理，使讀者能夠親身體驗智能體的基礎開發過程。
第2部分(第6、7章)聚焦于智能體的淺度開發，通過訂票系統和智能翻譯智能體等實例，展示如何將理論知識應用於實際項目。
第3部分(第8～12章)深入探索智能體的高級開發技巧。其中，第8～10章通過郵件處理、面試助手、個性化推送等案例，展現智能體在實際應用中的強大功能；第11、12章則基於這些應用進行拓展，結合多種部署方案，進一步拓寬讀者的視野，使其能夠全面掌握智能體的多樣化應用場景。
《AI Agent開發與應用：基於大模型的智能體構建》不僅適合智能體開發人員、人工智能從業者和AI技術愛好者閱讀，還可作為培訓機構和高校相關課程的教材或參考書。
| FindBook |
有 1 項符合
AI Agent開發與應用：基於大模型的智能體構建的圖書 |
 |
AI Agent開發與應用：基於大模型的智能體構建 作者：凌峰 出版社：清華大學出版社 出版日期：2025-04-01 語言：簡體中文 規格：平裝 / 278頁 / 19 x 26 x 1.39 cm / 普通級/ 1-1 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：AI Agent開發與應用：基於大模型的智能體構建
內容簡介
目錄
第1部分 初窺智能體
第1章 何為智能體
1.1 智能體的定義與構成
1.1.1 智能體的基本概念與特點
1.1.2 智能體的核心組件與架構
1.1.3 智能體的開發流程與實施方法
1.1.4 智能體在實際應用中的運行模式
1.2 智能體與大語言模型的關係
1.2.1 大語言模型如何賦能智能體
1.2.2 智能體與大語言模型的集成方式
1.2.3 大語言模型如何提升智能體的用戶體驗
1.2.4 大語言模型的局限性與智能體的應對策略
1.3 智能體的類型與應用領域
1.3.1 按功能分類的智能體類型
1.3.2 智能體在不同領域中的典型應用
1.3.3 多智能體系統與分布式任務執行
1.4 本章小結
1.5 思考題
第2章 大模型驅動的Agent技術框架
2.1 大語言模型（LLM）在智能體中的核心作用
2.1.1 LLM的自然語言理解與生成能力
2.1.2 LLM賦能智能體的知識推理能力
2.1.3 持續學習與動態更新的智能體構建
2.1.4 多語言支持與跨文化交互的實現
2.2 Agent技術框架的結構與關鍵模塊
2.2.1 感知、決策、執行：Agent的三層結構解析
2.2.2 上下文管理與記憶模塊的集成設計
2.3 智能體與API、向量數據庫的無縫集成
2.3.1 智能體與RESTfulAPI的集成方法
2.3.2 向量數據庫在語義檢索中的作用
2.4 常見框架與開發者平臺：ReAct、HuggingFace和LangChain
2.4.1 ReAct框架的核心思想與應用場景
2.4.2 HuggingFace平臺與模型管理
2.4.3 LangChain在複雜任務中的應用
2.5 本章小結
2.6 思考題
第3章 用LangChain打造全能智能體
3.1 LangChain的核心組件與功能介紹
3.1.1 鏈式邏輯與任務分解機制
3.1.2 數據流管理與上下文傳遞
3.1.3 集成LLM進行推理與生成
3.1.4 回調與實時監控功能
3.2 使用LangChain實現多步驟推理和任務自動化
3.2.1 任務分解與模塊化設計
3.2.2 條件推理與決策鏈條構建
3.2.3 任務自動化與觸發機制
3.2.4 任務鏈的優化與性能提升
3.3 如何集成外部數據源與工具
3.3.1 集成數據庫與向量存儲
3.3.2 API調用與外部系統集成
3.3.3 文件與文檔處理模塊的集成
3.3.4 物聯網與邊緣設備的集成方案
3.4 構建具備記憶能力的對話系統
3.4.1 短期記憶與上下文管理的實現
3.4.2 長期記憶模塊的設計與實現
3.4.3 多輪對話系統中的記憶優化
3.4.4 應對複雜對話場景中的挑戰
3.5 基於LangChain構建一個智能體模型
3.6 本章小結
3.7 思考題
第4章 LlamaIndex賦能智能體應用
4.1 LlamaIndex的架構與索引機制解析
4.1.1 數據索引的基本原理與關鍵算法
4.1.2 支持高效查詢的倒排索引設計
4.1.3 LlamaIndex與向量數據庫的集成方案
4.2 如何將非結構化數據轉換為智能體知識庫
4.2.1 文本解析與自然語言處理技術的應用
4.2.2 數據清洗與格式標準化流程設計
4.2.3 通過LlamaIndex與LangChain的無縫集成實現知識庫構建
4.3 實現實時數據查詢與響應
4.3.1 實時查詢管道的設計與優化
4.3.2 緩存機制與查詢性能的提升策略
4.3.3 在LlamaIndex中實現多模態查詢
4.3.4 與API和物聯網設備的動態數據對接
4.4 本章小結
4.5 思考題
第5章 快速上手智能體開發
5.1 智能體開發的一般流程
5.1.1 需求分析與功能設計
5.1.2 系統架構與模塊劃分
5.1.3 開發與測試的迭代流程
5.2 開發初體驗：利用GPT在線快速開發智能體
5.2.1 利用GPT在線開發智能體
5.2.2 初步體驗：旅行出遊智能體
5.2.3 發佈與測試智能體原型
5.3 智能體初步應用：論文潤色專家
5.3.1 論文潤色的基本流程
5.3.2 配置智能體詳細信息以完成智能體開發
5.4 本章小結
5.5 思考題
第2部分 智能體基礎應用開發
第6章 貼身管家：出行訂票智能體
6.1 探索智能體：讓代碼思考起來
6.1.1 解析LangChain與ReAct的核心思想
6.1.2 智能體如何簡化出行訂票流程
6.2 從0到1：你的第一位出行助手
6.2.1 搭建開發環境：必備工具與環境配置詳解
6.2.2 智能體核心模塊解析：代碼實現與邏輯設計
6.3 本章小結
6.4 思考題
第7章 智能翻譯系統的開發與部署
7.1 需求分析與設計規劃
7.1.1 用戶需求與目標定義
7.1.2 多語言支持與術語一致性設計
7.1.3 輸入輸出格式與核心模塊規劃
7.2 核心邏輯與代碼原理：多語言模型與翻譯算法詳解
7.2.1 多語言
第1章 何為智能體
1.1 智能體的定義與構成
1.1.1 智能體的基本概念與特點
1.1.2 智能體的核心組件與架構
1.1.3 智能體的開發流程與實施方法
1.1.4 智能體在實際應用中的運行模式
1.2 智能體與大語言模型的關係
1.2.1 大語言模型如何賦能智能體
1.2.2 智能體與大語言模型的集成方式
1.2.3 大語言模型如何提升智能體的用戶體驗
1.2.4 大語言模型的局限性與智能體的應對策略
1.3 智能體的類型與應用領域
1.3.1 按功能分類的智能體類型
1.3.2 智能體在不同領域中的典型應用
1.3.3 多智能體系統與分布式任務執行
1.4 本章小結
1.5 思考題
第2章 大模型驅動的Agent技術框架
2.1 大語言模型（LLM）在智能體中的核心作用
2.1.1 LLM的自然語言理解與生成能力
2.1.2 LLM賦能智能體的知識推理能力
2.1.3 持續學習與動態更新的智能體構建
2.1.4 多語言支持與跨文化交互的實現
2.2 Agent技術框架的結構與關鍵模塊
2.2.1 感知、決策、執行：Agent的三層結構解析
2.2.2 上下文管理與記憶模塊的集成設計
2.3 智能體與API、向量數據庫的無縫集成
2.3.1 智能體與RESTfulAPI的集成方法
2.3.2 向量數據庫在語義檢索中的作用
2.4 常見框架與開發者平臺：ReAct、HuggingFace和LangChain
2.4.1 ReAct框架的核心思想與應用場景
2.4.2 HuggingFace平臺與模型管理
2.4.3 LangChain在複雜任務中的應用
2.5 本章小結
2.6 思考題
第3章 用LangChain打造全能智能體
3.1 LangChain的核心組件與功能介紹
3.1.1 鏈式邏輯與任務分解機制
3.1.2 數據流管理與上下文傳遞
3.1.3 集成LLM進行推理與生成
3.1.4 回調與實時監控功能
3.2 使用LangChain實現多步驟推理和任務自動化
3.2.1 任務分解與模塊化設計
3.2.2 條件推理與決策鏈條構建
3.2.3 任務自動化與觸發機制
3.2.4 任務鏈的優化與性能提升
3.3 如何集成外部數據源與工具
3.3.1 集成數據庫與向量存儲
3.3.2 API調用與外部系統集成
3.3.3 文件與文檔處理模塊的集成
3.3.4 物聯網與邊緣設備的集成方案
3.4 構建具備記憶能力的對話系統
3.4.1 短期記憶與上下文管理的實現
3.4.2 長期記憶模塊的設計與實現
3.4.3 多輪對話系統中的記憶優化
3.4.4 應對複雜對話場景中的挑戰
3.5 基於LangChain構建一個智能體模型
3.6 本章小結
3.7 思考題
第4章 LlamaIndex賦能智能體應用
4.1 LlamaIndex的架構與索引機制解析
4.1.1 數據索引的基本原理與關鍵算法
4.1.2 支持高效查詢的倒排索引設計
4.1.3 LlamaIndex與向量數據庫的集成方案
4.2 如何將非結構化數據轉換為智能體知識庫
4.2.1 文本解析與自然語言處理技術的應用
4.2.2 數據清洗與格式標準化流程設計
4.2.3 通過LlamaIndex與LangChain的無縫集成實現知識庫構建
4.3 實現實時數據查詢與響應
4.3.1 實時查詢管道的設計與優化
4.3.2 緩存機制與查詢性能的提升策略
4.3.3 在LlamaIndex中實現多模態查詢
4.3.4 與API和物聯網設備的動態數據對接
4.4 本章小結
4.5 思考題
第5章 快速上手智能體開發
5.1 智能體開發的一般流程
5.1.1 需求分析與功能設計
5.1.2 系統架構與模塊劃分
5.1.3 開發與測試的迭代流程
5.2 開發初體驗：利用GPT在線快速開發智能體
5.2.1 利用GPT在線開發智能體
5.2.2 初步體驗：旅行出遊智能體
5.2.3 發佈與測試智能體原型
5.3 智能體初步應用：論文潤色專家
5.3.1 論文潤色的基本流程
5.3.2 配置智能體詳細信息以完成智能體開發
5.4 本章小結
5.5 思考題
第2部分 智能體基礎應用開發
第6章 貼身管家：出行訂票智能體
6.1 探索智能體：讓代碼思考起來
6.1.1 解析LangChain與ReAct的核心思想
6.1.2 智能體如何簡化出行訂票流程
6.2 從0到1：你的第一位出行助手
6.2.1 搭建開發環境：必備工具與環境配置詳解
6.2.2 智能體核心模塊解析：代碼實現與邏輯設計
6.3 本章小結
6.4 思考題
第7章 智能翻譯系統的開發與部署
7.1 需求分析與設計規劃
7.1.1 用戶需求與目標定義
7.1.2 多語言支持與術語一致性設計
7.1.3 輸入輸出格式與核心模塊規劃
7.2 核心邏輯與代碼原理：多語言模型與翻譯算法詳解
7.2.1 多語言
|
