华为天才少年把 Agent 写成开源书了
配套媒体
本页对应的 PPT 与演示视频
下载没反应？点这里复制直链
侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。
../../ai-agent-book-recommend.pptx../../ai-agent-book-recommend.mp4本文目录
华为天才少年把 Agent 写成开源书了
📌 核心价值：可能是中文 AI Agent 圈第一本「从原理到生产级工程实践」系统化开源书
李博杰（华为天才少年、Pine AI 首席科学家）把 10 章正文、428 页 PDF、92 个配套实验项目全部 Apache 2.0 开源。首日登顶 GitHub Trending 全榜 #1，单日新增 4.6k Star。
🚀 这本书到底讲什么？
AI Agent 这两年火得发烫，但你有没有这种感觉：
- 网上教程漫天飞，今天讲 RAG，明天讲 MCP，后天讲 Multi-Agent，但它们彼此什么关系、怎么拼成一个完整系统，没人说清楚
- 跟着 LangChain、Coze、Dify 学完，换一家厂商又得重新理解
- 真要上生产环境，100 个坑等着你，没人会告诉你怎么躲
李博杰写这本书，就是为了补这个空白。
全书围绕一个核心公式展开：
Agent = LLM + 上下文 + 工具
三个组件，掰开了揉碎了讲：
| 组件 | 角色 | 对应章节 |
|---|---|---|
| LLM | 大脑（理解 · 思考 · 决策） | 第 6 章 评估、第 7 章 后训练 |
| 上下文 | 眼睛（指令 · 记忆 · 知识 · 轨迹） | 第 2 章 上下文工程、第 3 章 知识库 |
| 工具 | 手脚（感知 · 执行 · 协作 · 代码） | 第 4 章 工具、第 5 章 代码生成 |
核心理念：Harness Engineering — 模型之外的一切工程能力，才是真正的竞争力所在。
📖 全书 10 章速览（一张图看懂）
▲ 这张图来自原书序章，把全书 10 章按"LLM / 上下文 / 工具"三条主线串起来，每章配套 4-16 个实验项目，70+ 个可独立运行。
🔥 三个让我拍桌叫绝的设计
① 五种 Harness 工作流模式（必看第 1 章）
▲ 上图是「编排器工作流」：一个 LLM 当总指挥，把任务拆给多个 Worker（修改 auth.py、加新端点、写测试用例），最后合并结果。
书中把工业界常用的 5 种 Agent 工作流模式全部画清楚：
| 模式 | 适用场景 | 图示 |
|---|---|---|
| 链式 Chaining | 步骤明确、串行依赖 | fig07 |
| 路由 Routing | 输入分流到不同处理路径 | fig08 |
| 并行 Parallel | 多任务并发处理 | fig09 |
| 编排器 Orchestrator | 复杂任务拆解派工 | fig02 |
| 评估器 Evaluator | 自我反思与质量控制 | fig03 |
这一节就把"OpenAI Function Calling、Anthropic Tool Use、LangChain LCEL"背后的本质模式讲透了。
② 上下文工程（KV Cache + 提示词 + 压缩 + Agent Skills）
▲ 这是第 2 章的核心：上下文决定 Agent 能力上限。
书中把"上下文工程"拆成 4 个层次：
- KV Cache 优化 — 同样的 prompt 用同样前缀，缓存命中可省 80% 成本
- 提示工程 — 不止是"写好 prompt"，还包括结构化输出、JSON 约束、工具调用格式
- Agent Skills — 把可复用的工作流封装成 Skill，让 Agent 主动调用
- 上下文压缩 — 长会话不爆 token：摘要、滑动窗口、递归总结三种策略
光这一章配套的 9 个实验项目就跑不完，从最基础的 KV cache 命中率测试，到完整的 Agent Skills 框架。
③ 工具 = MCP + 三类工具 + 主动发现
▲ 这是第 4 章的精华：MCP（Model Context Protocol）协议时序图。
李博杰在 2025 年就预言了 MCP 的崛起（Anthropic 后来把它变成了事实标准），并且把工具分成三大类：
- 感知类：读文件、查数据库、读 GitHub Issue
- 执行类：写文件、调 API、发邮件、执行命令
- 协作类：调其他 Agent、调用外部服务
更进一步，书里提出"主动工具发现"概念：Agent 不该被动等用户给工具，而是能根据任务自动找到合适的工具。这是迈向"自进化 Agent"的关键一步。
🆚 与同类学习资源的对比
▲ 我把它和市面上能搜到的 AI Agent 学习资源做了对比：
| 维度 | 这本开源书 | 微软 / DL.AI 课程 | 商业低代码平台 |
|---|---|---|---|
| 内容深度 | 系统化原理 + 工程实战 | 入门级英文教程 | 绑定特定厂商 |
| 是否中立 | ✅ 不绑定任何框架 | 多以 OpenAI 为主 | 绑定 Coze/Dify |
| 配套代码 | 92 个实验项目 | 示例代码片段 | 平台模板 |
| 语言 | 中 / 英 / 繁中 / 俄 / 泰米尔 / 越 | 英文为主 | 中文 UI |
| 协议 | Apache 2.0 完全开源 | 多付费课程 | 平台锁定 |
| 适合人群 | 工程师 / 进阶学习者 | 入门用户 | 非技术业务人员 |
结论：如果你想真懂 Agent 而不是停留在"调包侠"，这本开源书是目前最系统、最工程化的中文资料。
💡 谁应该读这本书？
按优先级排序：
✅ AI 工程师 / 后端转 Agent 的开发者 — 把"调包"变成"架构"，从底层原理理解为什么这么设计 ✅ AI 产品经理 / 技术 Lead — 用 10 章结构去规划自己的 Agent 产品路线图 ✅ 研究者 / PhD 学生 — 第 6/7/8 章直接对接学术前沿（评估、RL 后训练、自我进化） ✅ 技术博主 / 自媒体作者 — 一次挖到 92 个 demo 选题
❌ 不推荐：完全没碰过大模型的纯小白（建议先补基础再来）
🚀 怎么开始读？
最实用的三个建议：
- 先读第 1 章（Agent 基础知识 + Harness 概念）建立全局心智模型，30 分钟可读完
- 跟着第 2 章实验跑一遍（上下文工程），把 KV Cache 优化的实际收益测出来
- 挑你最痛的点对应的章节精读 + 跑配套代码
全书 PDF（中文 428 页）+ Markdown 源码 + 92 个实验项目全部免费：
📚 GitHub 仓库：github.com/bojieli/ai-agent-book 🌐 在线阅读：bojieli.github.io/ai-agent-book（支持多语言切换、章节折叠、全文搜索）
🎯 总结
一句话：这本开源书把 AI Agent 从"玄学 hype"变成了"可解释、可掌控的认知工程系统"。
围绕 Agent = LLM + 上下文 + 工具 一个公式 + Harness 工程一个理念，把碎片化的教程、RAG 论文、MCP 协议、Multi-Agent 框架、RL 后训练这些知识点，串成了一条从原理到生产级的完整路径。
加上 92 个可运行实验 + 6 种语言版本 + Apache 2.0 完全开源——这在中文技术书里几乎是前所未有的。
不用再"调包"了。来读这本书，做一个真正懂 Agent 的工程师。
📚 延伸阅读
- 📖 李博杰个人博客 — 更多 Agent 工程实战经验
- 🎓 Google DeepResearch — 多 Agent 协作的工业级参考
- 🛠️ MCP 协议规范 — 第 4 章延伸阅读
数据截至 2026-07-23，最新信息请以官网为准。