bojieli/ai-agent-book: +1.4k stars this week

Rank of bojieli/ai-agent-book in each topic for today, this week and this month
Topic	Today	This week	This month
Machine learning	#6of 23	#10of 118	#20of 209
MCP	#63of 91	#72of 238	#63of 341
Agent skills	#69of 100	#79of 207	#65of 254
LLM	#133of 217	#131of 551	#122of 758
Coding agents	#127of 181	#132of 407	#132of 529
AI agents	#153of 234	#184of 605	#169of 826
Python	#164of 263	#187of 734	#139of 1065

深入理解 AI Agent：设计原理与工程实践

中文 ← 当前 · English · Español · Bahasa Indonesia · العربية · 繁體中文（台灣） · Русский · Tiếng Việt · தமிழ் · 日本語 · Türkçe · 한국어 · Magyar · עברית · Português (Brasil)

📥 下载 PDF / EPUB（推荐）— 推荐使用 PDF / EPUB 离线阅读，排版最佳；也可在线阅读（支持多语言切换、章节折叠、高亮与笔记，每次推送自动更新）。

Agent = LLM + 上下文 + 工具——本书围绕这个核心公式，用 10 章把 AI Agent 从原理讲到工程实战。全书正文、配图、109 个配套实验全部开源，欢迎亲手把实验跑一遍。

📚 姊妹篇《深入理解 AI Infra：量化分析与系统设计》已开源发布，欢迎阅读：github.com/bojieli/ai-infra-book

要开发好基于模型的应用，还需要理解这类应用赖以运行的基础设施。姊妹篇讨论的就是支撑模型训练与推理的 AI Infra：参数和上下文状态存在哪里，计算怎样执行，多个加速器怎样协作。

📢 2.0 版变更（相较 1.4 版）：本仓库书稿版本已由 1.4 升级为 2.0。2.0 版将原第四章中的“异步交互”部分与原第九章中关于“多模态 Agent”的内容合并，重组为新的第六章“交互：观察与动作空间的扩展”。原第六章“Agent 的评估”、第七章“模型后训练”和第八章“Agent 的持续进化”依次后移一章，现分别为第七、八、九章。

如果你看到的是旧版 PDF，建议下载最新版 PDF。新版还包含许多内容修正与调整，请以最新版为准。

📚 10 章正文，从基础到生产	📂 109 个配套实验（含本地项目与外部复现轨道）	🌐 15 种语言：中 / 英 / 西 / 印尼 / 阿 / 繁體中文（台灣） / 俄 / 泰米尔 / 越 / 日 / 土耳其 / 韩 / 匈牙利 / 希伯来 / 葡萄牙语（巴西）

📖 电子书

📥 离线下载（推荐，全书正文，开源免费）。以下链接始终指向 main 分支的最新构建；固定版本见 Releases：

中文（原版）：PDF · EPUB

英文（社区翻译，by @nsdevaraj、@whanyu1212）：PDF · EPUB

西班牙语（社区翻译，by @santhreal）：PDF · EPUB

印度尼西亚语（社区翻译，by @jojixyz666）：PDF · EPUB

繁體中文（台灣）（社区翻译，by @tigercosmos）：PDF · EPUB

俄语（社区翻译，by @ui99ru）：PDF · EPUB

泰米尔语（社区翻译，by @nsdevaraj）：PDF · EPUB

越南语（社区翻译，by @toanalien）：PDF · EPUB

日语（社区翻译，by @eltociear）：PDF · EPUB

阿拉伯语（社区翻译，by @TheSyBuilder）：PDF · EPUB

土耳其语（社区翻译，by @memisemre）：PDF · EPUB

韩语（社区翻译，by @JeongJaeSoon）：PDF · EPUB

匈牙利语（Magyar）（社区翻译，by @barmivalami0-ux）：PDF · EPUB

希伯来语（עברית）（社区翻译，by @itzikwo）：PDF · EPUB

葡萄牙语（巴西）（社区翻译，by @leofn，配图翻译 by @LibnaRaffaely）：PDF · EPUB

🌐 也可在线阅读 — 支持多语言切换、章节折叠、高亮与笔记、配套实验直达，每次 main 分支推送后自动重新构建。

中文正文源码位于 book/；英文/西班牙语/印度尼西亚语/阿拉伯语/繁體中文（台灣）/俄语/泰米尔/越南语/日语/土耳其语/韩语/匈牙利语/希伯来语/葡萄牙语（巴西）版本为社区贡献（可能滞后于中文原版），分别位于 book-en/、book-es/、book-id/、book-ar/、book-zhtw/、book-ru/、book-ta/、book-vi/、book-ja/、book-tr/、book-ko/、book-hu/、book-he/、book-ptbr/。

🔧 想自行编译 PDF / EPUB？（PDF 需 pandoc / xelatex / ElegantBook）

EPUB：使用统一的构建脚本，详情请参阅 EPUB 构建说明
正文源码：book/introduction.md（引言）、book/chapter1.md ~ book/chapter10.md（第一至第十章）、book/afterword.md（后记）
编译：安装 pandoc、xelatex、ElegantBook 文档类与相关字体后，运行
```
cd book && bash build_pdf.sh
```
图表以 SVG 文件存于 book/images/，编译时直接使用；排版细节见 book/preamble.tex 与 book/*.lua。

📑 内容速览（第 1–10 章）

全书围绕核心公式 Agent = LLM + 上下文 + 工具 展开，十章层层递进：

章	主题	一句话核心	正文	实验
1	🚀 AI Agent 入门	Agent = LLM + 上下文 + 工具；Harness 工程才是竞争力	读	4
2	🎯 上下文工程	上下文决定能力上限：KV Cache、提示工程、Agent Skills、上下文压缩	读	10
3	📚 用户记忆和知识库	跨会话记住用户、接入外部知识：用户记忆、RAG、结构化索引、知识图谱	读	12
4	🛠️ 工具	工具是 Agent 的双手：MCP 协议、感知/执行/协作三类工具与主动工具发现	读	5
5	💻 Coding Agent 与通用 Agent	代码是「能创造新工具的工具」，生产级 Coding Agent 全景	读	16
6	🎙️ 交互：观察与动作空间的扩展	从模态与时序两个维度扩展 Agent 的观察与动作空间：异步与事件驱动、语音交互、Computer Use 和机器人操作	读	14
7	🎯 Agent 的评估	把表现变成可比较信号：评估环境、指标、统计显著性、评估驱动选型	读	14
8	🧠 模型后训练	预训练/SFT/RL 三阶段：何时选 SFT、何时选 RL，工具调用内化、样本效率	读	19
9	🔄 Agent 的持续进化	从运行轨迹获得学习信号，更新知识、指令、程序与参数	读	9
10	🤝 多 Agent 协作	群体智能高于个体：协作框架、上下文共享/隔离、涌现的「Agent 社会」	读	6

💡 读 = 在 GitHub 网页直接读章节正文（markdown）；N = 该章正文实验数，点击查看实现与复现说明。项目类型说明（✅ 可运行 / 📖 复现 / 🚧 设计）见各章 README。

📚 如何高效阅读本书？详见 学习建议（核心理念、学习路径、难度分级、实践建议）。

💻 运行配套实验

项目统一支持 Python 3.11–3.13。请在仓库根目录按章节安装依赖；将 ch1 替换为 ch2 ~ ch10 即可安装对应章节：

# 推荐：使用提交到仓库的 uv.lock，获得可复现的章节环境
uv sync --locked --extra ch1

# 未安装 uv 时：使用 pip 从 pyproject.toml 重新解析
python -m pip install -e ".[ch1]"

运行会调用模型的实验前，请按该实验 README 配置凭据：支持根目录配置的实验可复制 .env.example 为 .env 并填入至少一个提供商 Key；有些实验要求在自身目录放 .env 或直接导出环境变量。只有在实验 README 或 CLI 明确列出 ollama 时，才可启动本地 Ollama 并添加 --provider ollama。

安装后可从仓库根目录运行实验，例如：

uv run python chapter1/context/main.py
# 使用 pip 安装时也可直接运行：python chapter1/context/main.py

uv 安装方法见官方文档；pip 仍受支持，但不会使用锁文件。
各实验现有的 requirements.txt 在迁移期间继续有效，适合只运行单个项目或需要特殊版本约束的情况。
all 是不含本地训练栈的 CPU 友好组合，并不代表每个实验；uv sync 每次都会精确同步当前选择，使用特殊 extra 时请合并到同一条命令，例如 uv sync --locked --extra ch2 --extra vllm 或 uv sync --locked --extra ch7 --extra unsloth；pip 对应为 python -m pip install -e ".[ch2,vllm]"。
浏览器、CUDA、FFmpeg、Ollama、Playwright 浏览器及外部仓库等系统依赖，请继续参考各实验 README。第 8 章部分内置第三方组件需要 Python 3.12+。

🔑 API 密钥

建议申请下面几个平台的 API Key 方便学习。模型选型可参考这篇指南。

平台	链接	特色	访问节点
Kimi（月之暗面）	https://platform.moonshot.cn/	Kimi 系列，Coding、Agent 能力强	中国大陆
智谱 GLM	https://open.bigmodel.cn/	GLM-5.2 等，Coding、Agent 能力强	中国大陆
Siliconflow	https://siliconflow.cn/	各种开源模型（DeepSeek、Qwen 等），中国大陆访问速度快	中国大陆
DeepSeek	https://platform.deepseek.com/	DeepSeek 官方 API	全球 + 中国大陆
Atlas Cloud	https://www.atlascloud.ai/	通过 OpenAI 兼容接口访问多个厂商的模型	全球
Krill AI	www.krill-code.com	一站式访问全球及国内主流模型（OpenAI、Claude、Gemini、Grok、Kimi、GLM、DeepSeek、Qwen、Minimax）	全球 + 中国大陆
OpenRouter	https://openrouter.ai/	一站式访问全球及国内主流模型（GPT、Claude、Gemini、Kimi、GLM、DeepSeek、Qwen 等）	全球

❓ 常见问题

Q：有 PDF / EPUB 吗？需要自己编译吗？ 不需要。电子书一节列出了 15 种语言的 PDF / EPUB 下载链接，始终指向 main 分支的最新构建；也可以在线阅读。只有想修改书稿并重新排版时才需要自行编译。

Q：阅读本书需要哪些前置知识？ 引言的“前置知识”一节有完整说明：能读懂并修改中等复杂度的 Python 代码；用过 ChatGPT、Claude 等 LLM 产品；熟悉至少一款 AI 辅助编程工具（Claude Code、Codex、Cursor 等）；了解命令行、Git、JSON、REST API 等软件工程常识。除第八章后训练外，全书对数学和机器学习的要求很低。

Q：知识点多、读完就忘，怎么消化？ 不要只读正文。推荐的方式是结合每章实验自己动手——不是看配套代码，而是读懂书中的设计原则后，借助 coding agent 从头实现一遍，观察输出、排查不符合预期的地方；每章末尾的思考题也是很好的自测。更系统的路径见学习建议。一位读者的总结很贴切：先把书看薄，再把书看厚，再把书看薄。

Q：实验代码需要逐行弄明白吗？ 不需要。本书的配套代码全部由 coding agent 根据书稿生成，作者也不会逐行阅读。关键是把架构、核心组件和设计原则想清楚，然后让 AI 去写代码、跑测试、修 bug，人负责最初的设计和最终的验收。

Q：思考题有参考答案吗？ 有：book/reference-answers.md（在线版）。它们只是参考，不是标准答案，欢迎在 Discussions 里讨论你的不同看法。

Q：读完之后有什么可以落地的实践项目？ 推荐从头做一个像 Claude Code、Codex 那样的 coding agent：第 1–5 章足以做出一个可用的 coding agent；第 7、9 章帮它建立评估集并从失败案例中持续改进；第 8 章介入模型本身；第 6、10 章为它增加语音、Computer Use 等交互方式和多 Agent 协作。评测、观测、可靠性这些工程环节，可以从第 7 章的评估实验入手：先为自己的 agent 建一个十几条任务的小评估集，再围绕失败用例做改进。

Q：哪里提问和讨论？

书稿勘误、实验 bug、翻译问题：开 Issue，请注明章节、小节和原文句子。
阅读疑问、思考题讨论、经验分享、资料推荐：请使用 GitHub Discussions。

Q：发现错误想修改怎么做？ 欢迎直接提 PR。中文版 book/ 是正本，其余语言由中文同步：修改正文时只需改中文版并在 PR 里说明，翻译会在合并后统一同步。详见贡献。

💎 赞助商

感谢 Krill AI 赞助本项目！Krill 提供 GPT / Claude / Gemini / 多款国产模型的官方稳定极速 API 中转服务，支持企业级定制、报销开票、7×16h 专属技术支持，更有独家适配的 WebSocket 连接方式，畅享极速首字速度。

Krill 为本书读者提供特别优惠：使用此链接注册并在充值时填写优惠码「ai-agent-book」，首次购买 Codex 套餐可享 77 折优惠！

🧪 配套实验的执行状态、证据与未完成门禁单独记录在 docs/EXPERIMENT_STATUS.md；克隆或安装源码不代表实验完成。

📦 附录 · 外部仓库获取

本附录列出第 6、7、8、10 章与实验直接映射的 22 个外部仓库，另含 1 个辅助训练 cookbook；它们不作为本书源码内置依赖（出于体积与版权），需要自行克隆到对应目录。部分训练项目还会按各自 README 拉取模型、数据集和模拟器依赖，不计入这 22 个直接映射。以下版本来自 2026-07-30 工作区 checkout 或同日只读上游审计；固定源码只建立复现起点，不代表训练、硬件、浏览器或多 Agent 实验已经执行。

一键克隆脚本

🔧 展开克隆命令（共 23 个 checkout：22 个实验映射 + 1 个辅助 cookbook）

# 第 6 章 · GUI 与机器人外部复现轨道
git clone https://github.com/anthropics/claude-quickstarts.git chapter6/claude-quickstarts && git -C chapter6/claude-quickstarts checkout --detach 9bcc95e316e5ef6542b4c9d0469f4078829eead5  # 实验 6-8 使用 computer-use-demo/
git clone https://github.com/browser-use/browser-use.git chapter6/browser-use && git -C chapter6/browser-use checkout --detach ec9277c5001f2cb78ee419c927775a3cfc227ff8  # 实验 6-9
git clone https://github.com/Vector-Wangel/XLeRobot.git chapter6/XLeRobot && git -C chapter6/XLeRobot fetch origin 3d14695e40c9c68229c0aacffca6053c75cd3eb6 && git -C chapter6/XLeRobot checkout --detach 3d14695e40c9c68229c0aacffca6053c75cd3eb6 && test "$(git -C chapter6/XLeRobot rev-parse HEAD)" = "3d14695e40c9c68229c0aacffca6053c75cd3eb6"  # 实验 6-10、6-12 共用
git clone https://github.com/Grigorij-Dudnik/RoboCrew.git chapter6/RoboCrew && git -C chapter6/RoboCrew fetch origin c749148f29bd14e61347f9fc3530c343fff0d994 && git -C chapter6/RoboCrew checkout --detach c749148f29bd14e61347f9fc3530c343fff0d994 && test "$(git -C chapter6/RoboCrew rev-parse HEAD)" = "c749148f29bd14e61347f9fc3530c343fff0d994"  # 实验 6-11、6-12；RoboCrew v0.3.1
git clone https://github.com/StoneT2000/lerobot-sim2real.git chapter6/lerobot-sim2real && git -C chapter6/lerobot-sim2real fetch origin 87d6c1d969f6e0ca4dc5697940804e231118a63a && git -C chapter6/lerobot-sim2real checkout --detach 87d6c1d969f6e0ca4dc5697940804e231118a63a && test "$(git -C chapter6/lerobot-sim2real rev-parse HEAD)" = "87d6c1d969f6e0ca4dc5697940804e231118a63a"  # 实验 6-14

# 第 7 章 · 评测基准
git clone https://github.com/google-research/android_world.git chapter7/android_world && git -C chapter7/android_world checkout --detach 0e95d641e244504c22087cc29b013f3b2428a261
git clone https://huggingface.co/datasets/gaia-benchmark/GAIA chapter7/GAIA && git -C chapter7/GAIA checkout --detach 682dd723ee1e1697e00360edccf2366dc8418dd9
git clone https://github.com/xlang-ai/OSWorld.git chapter7/OSWorld && git -C chapter7/OSWorld checkout --detach 8365edc975efd0477a0d62444a5beed562ab5a7b
git clone https://github.com/SWE-bench/SWE-bench.git chapter7/SWE-bench && git -C chapter7/SWE-bench checkout --detach 5cd4be9fb23971679cbbafe5a0ecade27cef99be
git clone https://github.com/sierra-research/tau2-bench.git chapter7/tau2-bench && git -C chapter7/tau2-bench checkout --detach 8d005b0e5b9e4af0bc055886fa7f95fc86d1710e
git clone https://github.com/laude-institute/terminal-bench.git chapter7/terminal-bench && git -C chapter7/terminal-bench checkout --detach 8384a179b1b8688f6ea5233a4d9d51218df1ac96

# 第 8 章 · 训练框架（bojieli/* 为本书适配的分支）
git clone https://github.com/bojieli/minimind.git chapter8/MiniMind-pretrain/minimind && git -C chapter8/MiniMind-pretrain/minimind fetch origin 8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795 && git -C chapter8/MiniMind-pretrain/minimind checkout --detach 8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795 && test "$(git -C chapter8/MiniMind-pretrain/minimind rev-parse HEAD)" = "8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795"  # 实验 8-3
git clone https://github.com/bojieli/minimind-v.git chapter8/MiniMind-pretrain/minimind-v && git -C chapter8/MiniMind-pretrain/minimind-v fetch origin ead791c530fa5f9a3549dbfe9e11ec732d18d2e5 && git -C chapter8/MiniMind-pretrain/minimind-v checkout --detach ead791c530fa5f9a3549dbfe9e11ec732d18d2e5 && test "$(git -C chapter8/MiniMind-pretrain/minimind-v rev-parse HEAD)" = "ead791c530fa5f9a3549dbfe9e11ec732d18d2e5"  # 实验 8-4
git clone https://github.com/bojieli/AdaptThink.git chapter8/AdaptThink-original && git -C chapter8/AdaptThink-original checkout --detach 0033ad172dd53ac64004b763477407014f21b838  # 实验 8-10
git clone https://github.com/bojieli/SFTvsRL.git chapter8/SFTvsRL && git -C chapter8/SFTvsRL checkout --detach fef0a4a3367260a0934be1e40b01e4021698e023  # 实验 8-11、8-12
git clone https://github.com/bojieli/AWorld.git chapter8/AWorld && git -C chapter8/AWorld checkout --detach a52d61d6d483e66b22ef16970eae5bbf4f4ab2ec  # 实验 8-15
git clone https://github.com/bojieli/verl.git chapter8/verl && git -C chapter8/verl checkout --detach 1593fc3a8cf894debdc3dece2a23ed739c282789  # 实验 8-14 ReTool 配方；8-15 训练后端
git clone https://github.com/bojieli/SandboxFusion.git chapter8/SandboxFusion && git -C chapter8/SandboxFusion fetch origin 4a0d573ebd64c98234c190a9d1d49e4276199a0c && git -C chapter8/SandboxFusion checkout --detach 4a0d573ebd64c98234c190a9d1d49e4276199a0c && test "$(git -C chapter8/SandboxFusion rev-parse HEAD)" = "4a0d573ebd64c98234c190a9d1d49e4276199a0c"  # 实验 8-14 代码沙箱
git clone https://github.com/thinking-machines-lab/tinker-cookbook.git chapter8/tinker-cookbook && git -C chapter8/tinker-cookbook checkout --detach fc8449187041cf102905f3f751e6d2eac7f9f754
git clone https://github.com/19PINE-AI/rlvp.git chapter8/RLVP/rlvp && git -C chapter8/RLVP/rlvp fetch origin 1ad30bc7e338911fb733739393d92c420f4d8bee && git -C chapter8/RLVP/rlvp checkout --detach 1ad30bc7e338911fb733739393d92c420f4d8bee && test "$(git -C chapter8/RLVP/rlvp rev-parse HEAD)" = "1ad30bc7e338911fb733739393d92c420f4d8bee"  # 实验 8-16
git clone https://github.com/PRIME-RL/SimpleVLA-RL.git chapter8/SimpleVLA-RL/SimpleVLA-RL && git -C chapter8/SimpleVLA-RL/SimpleVLA-RL checkout --detach 7c51662df27b586f9e8a1ab35fcf849f2b8852f9  # 实验 8-13

# 第 10 章 · 双 Agent 架构（已独立为 TalkAct 项目）+ 斯坦福 AI 小镇
git clone https://github.com/19PINE-AI/TalkAct.git chapter10/use-computer-while-calling && git -C chapter10/use-computer-while-calling fetch origin 7d70007f72d45ddfc1a14e8e229b6d444e4919a2 && git -C chapter10/use-computer-while-calling checkout --detach 7d70007f72d45ddfc1a14e8e229b6d444e4919a2 && test "$(git -C chapter10/use-computer-while-calling rev-parse HEAD)" = "7d70007f72d45ddfc1a14e8e229b6d444e4919a2"  # 实验 10-3
git clone https://github.com/joonspk-research/generative_agents.git chapter10/generative_agents && git -C chapter10/generative_agents fetch origin fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4 && git -C chapter10/generative_agents checkout --detach fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4 && test "$(git -C chapter10/generative_agents rev-parse HEAD)" = "fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4"  # 实验 10-5

上述九个当前缺失的 checkout（8-3、8-4、8-16、8-14 的 SandboxFusion、6-10/6-12 共用的 XLeRobot、6-11/6-12 的 RoboCrew、6-14 的 lerobot-sim2real、第 10 章固定并发基线、10-5）也已固定到不可变 SHA；命令会 detached checkout 并用 rev-parse HEAD 做相等性校验。第 10 章 use-computer-while-calling 已发展为独立维护的 19PINE-AI/TalkAct。源码存在或安装成功都不是实验完成声明。

🤝 贡献

本书与配套代码全部开源，非常欢迎社区通过 Pull Request 参与共建：

类型	说明
📝 书籍内容改进	勘误、补充、更清晰的表述，或新增前沿进展（正文见 `book/chapter*.md`）
🐛 代码改进与 Bug 修复	让配套项目更健壮、更易用、更贴近生产实践
🧪 新的实践项目	为某个实验补充/替换更好的实现，或贡献全新的示例项目
🎨 配图设计改进	直接改进 `book/images/` 中已签入的 SVG 图表，让它们更清晰美观
🌐 新语言翻译	欢迎翻译成更多语言，可参考英文（`book-en/`）、阿拉伯语（`book-ar/`）、繁體中文（台灣）版（`book-zhtw/`）、俄语（`book-ru/`）、泰米尔语（`book-ta/`）、越南语（`book-vi/`）、日语（`book-ja/`）、土耳其语（`book-tr/`）、韩语（`book-ko/`）、匈牙利语（`book-hu/`）、希伯来语（`book-he/`）、葡萄牙语（巴西）（`book-ptbr/`）的组织方式