《深入理解 AI Agent》2.0:从工具调用学到多 Agent 协作

如果你想系统地学习 AI Agent，除了调用模型和接入工具，还会遇到一系列设计问题：一段很长的任务记录该保留什么？哪些内容应该存进长期记忆？改了提示词以后，怎样知道效果真的变好了？

李博杰开源的《深入理解 AI Agent》把这些问题放进了同一本书。十章内容从上下文、记忆和工具讲起，继续讨论编程、语音、电脑操作、评估、训练和多 Agent 协作，配有 109 个实验与实践条目。

我们之前介绍过这本书，现在它已经更新到 2.0。新版重新组织了交互相关内容，提供中文及社区翻译在内的 15 种语言版本。截至 9 月 15 日，仓库已经超过 4.7 万 Star。

从上下文、记忆和工具理解 Agent

书里用一个公式介绍 Agent 的基本组成：Agent = LLM + 上下文 + 工具。

可以拿编程任务来理解。大模型负责分析需求；需求说明、相关代码和测试结果构成它当下的上下文；文件读写、终端和测试程序则提供实际执行的能力。

沿着这个例子，后面的章节就容易理解了。第二章讨论上下文工程，涉及提示词、Skill 和上下文压缩；第三章讲用户记忆和知识库，处理跨会话信息与外部资料；第四章介绍 MCP 和工具发现，解释 Agent 怎样接触更多工具。

到了第五章，这些内容会放到 Coding Agent 和通用 Agent 的设计中一起讨论。你可以对照自己的项目，检查某次失败究竟来自缺少资料、工具使用不当，还是执行后的检查有遗漏。弄清楚各部分负责什么，才知道应该从哪里改。

2.0 重新整理了语音、电脑操作和机器人交互

新版把旧版中的异步交互和多模态内容合并到第六章，统一讨论 Agent 怎样获取信息、执行动作，以及处理等待和事件。

比如，让 Agent 操作浏览器时，它要读取页面状态，点击或输入以后，还要观察页面发生了什么变化。如果网页正在加载，就要处理等待；如果出现了新的提示，也要决定是否调整下一步。语音交互和机器人操作同样涉及这样的连续反馈。

把这些内容放在一起，更方便比较不同任务的共同问题：Agent 能看到什么、能做什么，以及什么时候该继续执行。语音、屏幕和传感器提供的信息不同，后续动作也各有约束。

第七至第九章接着讨论评估、模型后训练和持续进化。评估与训练在旧版中就有，2.0 调整了它们的位置。按现在的顺序阅读，可以先理解 Agent 怎样行动，再学习怎样检查效果、利用运行记录改进系统。

这里的“改进”也有不同做法：补充知识、修改指令、调整程序，或者进一步训练模型。运行记录要经过分析和筛选，才可能用于这些改进；完成更多任务本身不会自动让模型变强。第十章则继续讨论多个 Agent 之间的分工和信息共享。

挑选适合自己的配套实验

书中的实践内容分为可运行实验、外部项目复现和设计练习，覆盖上下文压缩、知识检索、工具调用、编程、评估和训练等主题。

想动手时，可以先挑一个与你当前问题有关的条目，读完原理再看对应实现。带着“代码怎样处理书里讲的问题”去读，比单纯运行一次程序更容易理解设计思路。

仓库还提供了实验状态文档，列出已完成的步骤、证据和缺少的条件。109 个条目并不代表 109 项实验都已完整验证。部分需要模型 API，部分需要 GPU、浏览器或真实硬件，外部复现项目也有各自的依赖。

做实验前看一下对应 README 和状态记录，就能知道要准备什么、已有结果验证到了哪一步，避免安装完环境才发现还缺关键条件。

按你的目标安排阅读顺序

如果已经有开发目标，可以按下面的顺序选择章节。

刚开始做 Agent：先读第一至第四章，理解模型、上下文、记忆和工具，再读第七章的评估。这样每次修改系统，都能用同一组任务比较前后效果。

正在开发 Coding Agent：重点看第二、第四、第五和第七章，分别对应上下文管理、工具、编程任务执行和评估。

关注语音、电脑操作或机器人：有了基础后，重点读第六、七章。先了解可获取的信息和可执行的动作，再设计符合任务的评估方法。

准备研究训练和持续进化：按第七、八、九章的顺序读。先理解怎样评价结果，再学习监督微调（SFT）、强化学习，以及如何利用运行记录更新系统。

第十章的多 Agent 协作可以放在这些基础之后。学习时要把成员之间的分工、信息传递和整体效果一起考虑，才能判断增加一个 Agent 是否有帮助。

两本书可以怎样搭配阅读

昨天分享的《深入理解 AI Infra》，主要解释模型运行时的计算、显存、带宽和通信开销。而今天这本《深入理解 AI Agent》，主要讲怎样组织上下文、记忆、工具和评估，让模型完成任务。

两本书可以围绕同一个项目来读。比如，你正在做一个编程助手：怎样选择相关代码、调用终端、检查修改结果，可以查 Agent 这本书；如果任务记录越来越长，开始影响速度和显存，再查 Infra 中的相关章节。

想先做出应用，就从 Agent 开始；正在处理部署和性能问题，就先读 Infra。把书里的方法用到自己的项目上，每次弄清楚一个问题、验证一次修改，比急着读完整套书更容易留下收获。

项目地址：github.com/bojieli/ai-agent-book