深入理解 AI Agent：从核心原理到工程实践的开源中文教材
一分钟看懂
这是一本围绕“Agent = LLM + 上下文 + 工具”展开的开源教材。2.0 版用十章连接基础原理、上下文工程、记忆与知识库、MCP 工具、Coding Agent、多模态交互、评估、后训练、持续进化和安全治理，并配套百余个实验，强调亲手验证而非只读概念。
你可以用它做什么
- 系统补齐 Agent 技术图谱，理解模型之外的 harness 工程。
- 通过章节实验练习提示、上下文压缩、RAG、知识图谱和 MCP。
- 学习 Coding Agent、Computer Use、语音/机器人动作空间和异步交互。
- 建立评测、后训练、自我改进与安全治理的工程认识。
- 直接在线阅读，或下载 PDF/EPUB 离线学习。
主要能力
中文正文和配图全部在仓库中，另有英语、西班牙语、日语等多种社区翻译。在线站支持章节折叠、全文搜索和实验跳转，并随主分支更新；Releases 提供固定版 PDF/EPUB。实验既含本地代码，也包含外部项目复现路线，读者可以按章循序实践。
适合哪些人
适合已经知道大模型基本概念、希望理解 Agent 系统怎样落地的开发者、产品经理、研究生和技术负责人。完全零基础读者可先补 Python、API 和基础机器学习知识；资深工程师则可按主题选读并运行实验。
怎么开始使用
最简单是打开在线版或在 Releases 下载最新中文 PDF/EPUB。按第一章到第十章阅读，每章结合对应实验目录运行；不要只复制命令，最好记录假设、结果和失败原因。若自行编译书稿，PDF 需要 pandoc、xelatex、ElegantBook 与相应字体，EPUB 按仓库专门文档操作。
使用前需要知道
Agent 技术变化很快，应优先查看最新发布，不要依赖旧 PDF。各语言由社区翻译，进度可能落后中文原版；README 对实验总数的不同统计口径也可能随外部复现项目调整。示例用于教学，不等于生产安全方案，运行会调用外部 API 或执行工具的实验前要检查费用、密钥、权限与数据。