整本书紧扣 AI Agent 的黄金核心公式：$$\text{Agent} = \text{LLM} + \text{Context} + \text{Tools}$$
我们不谈空洞的概念，只专注工程落地、原理深度与前沿实践。全书共 10 章，完整构建你的 Agent 知识版图：🧱 核心基石：单体 Agent 的深度修炼
第 1 章 · Agent 基础： 重新定义“模型即 Agent”，剖析 Harness 体系——模型之外的工程设计，才是构建护城河的关键。
第 2 章 · 上下文工程： 上下文决定 Agent 的上限。深入 KV Cache 友好设计、动态 Prompt、Agent Skills 及上下文压缩策略。
第 3 章 · 用户记忆与知识库： 攻克跨 Session 记忆难题。从基础 RAG 管道，到超越扁平文本的知识图谱与结构化索引。
第 4 章 · 工具链（Tools）： 工具是 Agent 的双手。详解 MCP（Model Context Protocol）协议、工具选择难题及异步事件驱动。
第 5 章 · Coding Agent 与代码生成： 代码是“创造工具的工具”。以生产级 Coding Agent 为例，拆解最强通用工具的完整实现。
⚙️ 进阶跃迁：评估、微调与自我进化
第 6 章 · Agent 评估（Evaluation）： 告别“玄学”调优。构建评测集、指标体系，解析生产级内部评估与模拟环境。
第 7 章 · 模型后训练（Post-Training）： 深度拆解 SFT 与 RL（强化学习）。探讨何时用 SFT、何时用 RL，以及如何训练模型学会精准 Tool Calling。
第 8 章 · Agent 自我进化： 不改权重也能变强。探索主动工具发现、“从工具使用者到工具创造者”的闭环学习。
🌐 拓宽边界：多模态交互与群体智能
第 9 章 · 多模态与实时交互： 走向物理世界。解析全双工语音、流式感知、Computer Use（计算机操作）及机器人控制。
第 10 章 · 多智能体协同（Multi-Agent）： 什么时候多 Agent 真的优于单 Agent？剖析协作框架、上下文共享机制、失效模式与涌现现象。
💡 为什么写这本书？
在 Agent 爆火的今天，市面上不缺“快速上手 5 分钟写个玩具”的教程，但极度缺乏能够指导生产实践的硬核系统性图书。本书的核心目的，就是帮助开发者和研究者跨越从“Toy Demo”到“Production-Ready”的鸿沟。无论你是想优化企业内部的 RAG 知识库，还是在研发能自动写代码的 AI 程序员，亦或是探索多智能体协同的复杂场景，这本书都能为你提供理论支撑与工程落地的解题思路。👋 欢迎共建与反馈！
开源只是第一步，真正的生命力来自社区。
欢迎大家下载 PDF 开启阅读之旅。
如果您在阅读过程中发现任何笔误、逻辑硬伤，或者有不同的工程见解，请毫不犹豫地在 GitHub 提交 Issue 或 Pull Request！
如果这本书对您的工作或学习有所启发，还请帮忙 转发 并去 GitHub Repo 点个 ⭐ Star，这对我非常重要！
再次感谢大家一路以来的支持，让我们在 AI Agent 的工程之路上并肩前行！#