过去两年，AI Agent 几乎已经成为大模型领域最热门的技术方向之一。

从最早的AutoGPT、BabyAGI，到后来的LangGraph、CrewAI、AutoGen，再到MCP、Multi-Agent、Agent Memory、Computer Use……围绕Agent的技术栈越来越丰富。

扫码回复【agent】

免费领取电子书+100论文合集

但一个问题也随之出现：我们会用Agent框架了，却未必真正理解Agent：为什么大模型调用一次工具之后还要再次回到模型？ReAct到底解决了什么问题？Agent 的Memory和普通聊天记录有什么区别？为什么Agent做复杂任务时容易跑偏？Planning、Reflection、RAG、MCP、Code Execution又应该分别放在系统的哪个位置？

甚至很多人已经能用LangGraph搭出一个 Agent，却很难解释：

一个真正的AI Agent，底层到底是怎么运行的？

2026年Manning出版了一本非常有意思的新书：《Build an AI Agent (From Scratch)》构建一个能够自主推理、规划和行动的AI Agent。这本书最大的特点，恰恰就在 From Scratch——从零开始构建。

扫码回复【agent】

免费领取电子书+100论文合集

如果你正在学习AI Agent，这本书最大的价值可能不是告诉你某个框架怎么调用，而是帮助你建立一套完整的Agent System Mental Model——智能体系统思维模型。通过亲手造一次Agent，让你真正理解：一个AI Agent为什么能够思考、行动、记忆、规划、协作，并不断完成越来越复杂的任务。对于准备系统学习Agent 的开发者、研究者和学生来说，这或许比单纯学会某一个框架，更重要。

《Build an AI Agent (From Scratch)》目录速览

Part 1：Building your first LLM agent

• Chapter 1：What is an AI agent?

  什么是 AI Agent

• Chapter 2：The brain of AI agents: LLMs

  Agent 的大脑：大语言模型

• Chapter 3：Enabling actions: Tool use

  赋予 Agent 行动能力：工具调用

• Chapter 4：Implementing a basic ReAct agent

  从零实现一个基础 ReAct Agent

Part 2：Developing advanced agent capabilities

• Chapter 5：Building knowledge bases with RAG

  通过 RAG 构建 Agent 知识库

• Chapter 6：Adding memory to your agent

  为 Agent 增加记忆系统

• Chapter 7：Planning and reflection for complex tasks

  复杂任务中的规划与反思

• Chapter 8：Empowering agents with code execution

  通过代码执行增强 Agent 能力

• Chapter 9：Orchestrating multi-agent systems

  构建与编排 Multi-Agent 系统

• Chapter 10：Evaluating agents

  Agent 的观察、评测与持续优化

扫码回复【agent】

免费领取电子书+100论文合集