AI 智能体与执行框架基础：内容简介
本书适合希望理解“框架替你做了什么”的开发者。开篇用提示模板、聊天模型和链建立 LangChain 基础，并加入本地模型与链路追踪。随后构建带搜索工具和结构化输出的首个智能体，再深入代理底层机制。后半部分刻意离开封装，分别实现基础智能体循环和 ReAct 循环，最后回到提示词、上下文工程、LangGraph 与深度智能体，帮助读者在便利性和可控性之间做选择。
《AI 智能体与执行框架基础》主要内容
- 使用 LangChain 建立链、模型与提示模板
- 构建带工具调用和结构化输出的 ReAct 智能体
- 理解代理循环的规划、执行与观察步骤
- 不依赖框架实现智能体与 ReAct 循环
- 比较上下文工程、LangGraph 和深度智能体
适合哪些读者
适合有 Python 基础、接触过大语言模型 API 的开发者。若正在评估 LangChain 或 LangGraph，也可借目录理解框架层与底层循环的对应关系。
框架 API 迭代较快，代码运行前需核对对应版本文档。
目录、试读与相关阅读
可在本页“目录与试读”中查看章节和正文节选，在“书籍资料”中核对作者、版本、语言与 EPUB 文件大小。同主题读本包括AI 智能体实战（第二版）、Python 编程知识图谱，以及共存：人工智能的下一阶段。
继续浏览人工智能与 AI 工程，或查看EPUB 阅读与下载帮助。
目录与试读
目录
章节与主要小节（依据 EPUB 导航整理）：
前言
随书免费权益
第一章：理解 LangChain 基础
项目设置
LangChain 基础：提示模板、聊天模型和链
构建一个用于总结文本的 LangChain 链
使用本地开放权重模型与 LangChain 和 Ollama
集成 LangSmith 以进行 LangChain 应用链路追踪
摘要
第二章：构建你的第一个智能体
AI 智能体 – 高层概述
ReAct 智能体（又称工具调用智能体）
设置 LangChain 搜索智能体的环境
创建一个带有工具和大语言模型的第一个 LangChain 智能体
使用 Tavily 和 LangChain 工具集成实时搜索
使用 Pydantic 通过 LangChain 智能体实现结构化输出
摘要
参考资料
第三章：深入了解代理的底层机制
理解三层抽象
项目主题概述
理解ReAct算法/智能体循环
配置环境
第 1 层：使用 LangChain 工具调用的 ReAct 循环
理解 LangChain 中的 ReAct 智能体循环
摘要
第 4 章：无框架构建智能体循环
第 1 层 – 手动 JSON 架构 vs. LangChain 工具抽象
使用原生 Ollama SDK 构建 ReAct 智能体循环
摘要
第 5 章：从零开始构建 ReAct：不使用函数调用实现智能体循环
理解 ReAct 提示词及其在智能体推理中的作用
理解智能体循环结构与工作流程
为 ReAct 提示词创建工具描述
在智能体循环中演示作为推理引擎的 ReAct 提示词
统一的提示词构建与输出控制
从大语言模型输出中解析最终答案
基于正则表达式的行动提取
执行工具
类型不匹配错误处理
追踪智能体推理和输出
通过智能体框架抽象化解析
摘要
第 6 章：提示词与上下文工程
LLM 的精髓（GIST）
提示技术：从零样本到 ReAct
思维链提示
ReAct提示
函数调用
提示工程：快速技巧
上下文工程
摘要
第7章：智能体框架与深度智能体
生产系统中的代理分类学
浅层智能体及其局限性
深度智能体
应用层的创新
什么让一个智能体变得“深”？
Deep Agents 中的规划工具
子代理与层级委托
Deep Agents 中的文件系统访问
系统提示词
智能体安全简介
摘要
第 8 章：解锁代码包和 PDF 版本
通过三个简单步骤解锁本书的免费权益
您可能喜欢的其他书籍
试读节选
本书中的每一个智能体，从下一章中仅 40 行的 ReAct 循环到接近尾声的长程框架，归根结底都由三个基本构件组成：一个可以通过消息与之对话的模型、一种将其输出的语句转化为实际执行动作的方式，以及一种观察每一步发生了什么的方式。本章正是围绕这些内容展开的。
