Kocoro-lab/ai-agent-book

解决的问题

构建 AI 智能体非常困难，因为目前缺乏公认的模式——大多数资料都绑定于特定的框架或专注于孤立的技巧。本书通过提供结构化的、与框架无关的 AI 智能体系统设计指南填补了这一空白，涵盖了从基础 ReAct 循环到企业级多智能体编排的所有内容。它旨在帮助工程师和架构师从玩具演示转向生产级系统。

工作原理

本书分为 9 个部分和 33 个章节。它从智能体基础（ReAct 循环）开始，随后探讨工具与扩展（MCP, Skills, Hooks）、上下文与记忆、单智能体模式（规划、反思、思维链）、多智能体编排（DAG, supervisor, handoff）、高级推理（思维树、辩论、研究）、生产架构、企业级功能（token 预算、OPA 策略、WASI 沙箱）以及前沿实践（如计算机使用和智能体编码）。全书使用名为 Shannon 的参考实现——一个包含 Go 语言编排器、Rust 语言智能体核心和 Python 语言 LLM 服务的参考系统，以及本地智能体工具 ShanClaw。这些模式的解释独立于任何特定框架，因此读者可以将它们应用于自己的技术栈。

目标读者

本书面向希望设计和部署 AI 智能体系统的开发人员、架构师和技术领导者。无论您是在构建单个自主智能体还是大型多智能体平台，它都非常有用。由于它与框架无关，因此非常适合那些已经掌握 AI/LLM 基础知识，但需要系统化了解智能体架构模式和生产环境考量的读者。

亮点

• 涵盖 9 个部分和 33 个章节，从基础知识到企业级和前沿实践
• 与框架无关——模式适用于任何智能体技术栈
• 包含具体的参考实现 (Shannon)，采用 Go/Rust/Python 三层设计
• 探讨了预算控制、策略执行、沙箱化和多智能体编排等生产环境主题
• 提供中文、日文和英文版本