目 录
第 1 部分 初窥智能体
第 1 章 何为智能体 3
1.1 智能体的定义与构成 3
1.1.1 智能体的基本概念与特点 3
1.1.2 智能体的核心组件与架构 4
1.1.3 智能体的开发流程与实施方法 6
1.1.4 智能体在实际应用中的运行模式 9
1.2 智能体与大语言模型的关系 9
1.2.1 大语言模型如何赋能智能体 9
1.2.2 智能体与大语言模型的集成方式 10
1.2.3 大语言模型如何提升智能体的用户体验 10
1.2.4 大语言模型的局限性与智能体的应对策略 11
1.3 智能体的类型与应用领域 11
1.3.1 按功能分类的智能体类型 11
1.3.2 智能体在不同领域中的典型应用 13
1.3.3 多智能体系统与分布式任务执行 13
1.4 本章小结 14
1.5 思考题 14
第 2 章 大模型驱动的Agent技术框架 16
2.1 大语言模型（LLM）在智能体中的核心作用 16
2.1.1 LLM的自然语言理解与生成能力 16
2.1.2 LLM赋能智能体的知识推理能力 17
2.1.3 持续学习与动态更新的智能体构建 18
2.1.4 多语言支持与跨文化交互的实现 21
2.2 Agent技术框架的结构与关键模块 22
2.2.1 感知、决策、执行：Agent的三层结构解析 22
2.2.2 上下文管理与记忆模块的集成设计 22
2.3 智能体与API、向量数据库的无缝集成 24
2.3.1 智能体与RESTful API的集成方法 24
2.3.2 向量数据库在语义检索中的作用 25
2.4 常见框架与开发者平台：ReAct、Hugging Face和LangChain 28
2.4.1 ReAct框架的核心思想与应用场景 29
2.4.2 Hugging Face平台与模型管理 29
2.4.3 LangChain在复杂任务中的应用 31
2.5 本章小结 32
2.6 思考题 32
第 3 章 用LangChain打造全能智能体 33
3.1 LangChain的核心组件与功能介绍 33
3.1.1 链式逻辑与任务分解机制 33
3.1.2 数据流管理与上下文传递 37
3.1.3 集成LLM进行推理与生成 38
3.1.4 回调与实时监控功能 38
3.2 使用LangChain实现多步骤推理和任务自动化 40
3.2.1 任务分解与模块化设计 40
3.2.2 条件推理与决策链条构建 43
3.2.3 任务自动化与触发机制 43
3.2.4 任务链的优化与性能提升 45
3.3 如何集成外部数据源与工具 48
3.3.1 集成数据库与向量存储 49
3.3.2 API调用与外部系统集成 50
3.3.3 文件与文档处理模块的集成 51
3.3.4 物联网与边缘设备的集成方案 51
3.4 构建具备记忆能力的对话系统 52
3.4.1 短期记忆与上下文管理的实现 52
3.4.2 长期记忆模块的设计与实现 53
3.4.3 多轮对话系统中的记忆优化 54
3.4.4 应对复杂对话场景中的挑战 55
3.5 基于LangChain构建一个智能体模型 56
3.6 本章小结 60
3.7 思考题 60
第 4 章 LlamaIndex赋能智能体应用 61
4.1 LlamaIndex的架构与索引机制解析 61
4.1.1 数据索引的基本原理与关键算法 61
4.1.2 支持高效查询的倒排索引设计 63
4.1.3 LlamaIndex与向量数据库的集成方案 65
4.2 如何将非结构化数据转换为智能体知识库 66
4.2.1 文本解析与自然语言处理技术的应用 67
4.2.2 数据清洗与格式标准化流程设计 67
4.2.3 通过LlamaIndex与LangChain的无缝集成实现知识库构建 68
4.3 实现实时数据查询与响应 69
4.3.1 实时查询管道的设计与优化 69
4.3.2 缓存机制与查询性能的提升策略 70
4.3.3 在LlamaIndex中实现多模态查询 71
4.3.4 与API和物联网设备的动态数据对接 71
4.4 本章小结 77
4.5 思考题 77
第 5 章 快速上手智能体开发 78
5.1 智能体开发的一般流程 78
5.1.1 需求分析与功能设计 78
5.1.2 系统架构与模块划分 79
5.1.3 开发与测试的迭代流程 79
5.2 开发初体验：利用GPT在线快速开发智能体 80
5.2.1 利用GPT在线开发智能体 80
5.2.2 初步体验：旅行出游智能体 84
5.2.3 发布与测试智能体原型 86
5.3 智能体初步应用：论文润色专家 87
5.3.1 论文润色的基本流程 88
5.3.2 配置智能体详细信息以完成智能体开发 89
5.4 本章小结 95
5.5 思考题 95
第 2 部分 智能体基础应用开发
第 6 章 贴身管家：出行订票智能体 99
6.1 探索智能体：让代码思考起来 99
6.1.1 解析LangChain与ReAct的核心思想 99
6.1.2 智能体如何简化出行订票流程 103
6.2 从0到1：你的第一位出行助手 104
6.2.1 搭建开发环境：必备工具与环境配置详解 104
6.2.2 智能体核心模块解析：代码实现与逻辑设计 108
6.3 本章小结 120
6.4 思考题 121
第 7 章 智能翻译系统的开发与部署 122
7.1 需求分析与设计规划 122
7.1.1 用户需求与目标定义 122
7.1.2 多语言支持与术语一致性设计 123
7.1.3 输入输出格式与核心模块规划 125
7.2 核心逻辑与代码原理：多语言模型与翻译算法详解 127
7.2.1 多语言模型的调用与上下文保持 128
7.2.2 翻译优化与错误处理机制 130
7.2.3 Prompt设计与多轮交互实现 131
7.3 代码实现与智能体集成：从开发到部署的全流程 133
7.3.1 开发环境配置与API集成 134
7.3.2 翻译系统的代码实现与模块测试 135
7.3.3 智能翻译系统的部署与优化 144
7.4 本章小结 149
7.5 思考题 150
第 3 部分 智能体深度开发
第 8 章 秒回邮件：智能邮件助理 153
8.1 需求分析：邮件助手的核心功能与用户痛点 153
8.1.1 任务分类与优先级排序的需求分析 153
8.1.2 用户需求的多样化与场景适应性设计 154
8.2 实现多任务邮件管理的技术架构 157
8.2.1 异步任务队列与高并发处理架构设计 157
8.2.2 邮件分类与存储结构的优化设计 158
8.2.3 API接口与邮件服务器的无缝集成设计 160
8.2.4 多用户管理与权限控制的实现架构 161
8.3 集成LLM处理自然语言邮件回复 163
8.3.1 LLM在多轮对话中的语境保持 163
8.3.2 个性化与情感分析在邮件回复中的应用 163
8.3.3 模板化与自定义语句生成的实现设计 164
8.3.4 错误处理与异常情况的回复策略 167
8.4 个性化优化：学习用户风格的邮件写作 168
8.4.1 用户行为追踪与语言模型的训练优化 168
8.4.2 自适应个性化邮件模板的设计与实现 170
8.5 本章小结 176
8.6 思考题 176
第 9 章 未来招聘官：智能面试助手 178
9.1 面向招聘的需求分析与系统设计 178
9.1.1 招聘流程的模块化拆解与系统目标设定 178
9.1.2 系统架构设计与任务调度策略 179
9.1.3 用户管理与权限控制机制的实现 181
9.2 NLP在简历解析与匹配中的应用 184
9.2.1 简历解析算法与文本结构化处理 184
9.2.2 岗位需求分析与简历的精准匹配 189
9.3 面试中的情感与行为分析 191
9.4 自动化评估与生成候选人的评价报告 194
9.5 本章小结 198
9.6 思考题 198
第 10 章 个性化推送：智能推荐系统 200
10.1 推荐系统的需求分析与数据来源 200
10.1.1 用户行为数据的采集与分析策略 200
10.1.2 推荐系统中的特征工程与数据标注 202
10.2 协同过滤与内容推荐算法的应用 205
10.2.1 基于用户和物品的协同过滤算法 206
10.2.2 基于内容的推荐算法实现 210
10.2.3 混合推荐系统的设计与实现 211
10.2.4 算法优化与模型训练 217
10.3 本章小结 220
10.4 思考题 220
第 11 章 专业撰稿人：智能写作助手 222
11.1 需求分析与功能设计 222
11.1.1 内容生成的应用场景与需求挖掘 222
11.1.2 多语言支持与语义校准的必要性 224
11.1.3 个性化写作与用户偏好定制 227
11.2 模块设计与核心算法：搭建智能写作系统的逻辑框架 230
11.2.1 内容生成与续写算法的实现原理 230
11.2.2 多轮交互与上下文保持策略 233
11.3 代码实现与系统部署 237
11.3.1 智能写作系统的核心代码实现 237
11.3.2 API集成与功能扩展方案 240
11.3.3 系统部署与性能优化 243
11.4 本章小结 246
11.5 思考题 247
第 12 章 电商好帮手：智能在线客服 248
12.1 用户需求与功能设计 248
12.1.1 电商平台用户的主要需求与痛点分析 248
12.1.2 智能客服的核心功能规划与模块设计 249
12.1.3 用户交互方式与多渠道集成方案 252
12.2 核心算法与自然语言处理：智能客服的技术架构 255
12.2.1 意图识别与对话管理：智能客服的基础逻辑 256
12.2.2 多轮对话与上下文保持：实现连贯的用户交互 260
12.2.3 算法与工具选型：自然语言处理与推荐系统的集成 263
12.3 从代码实现到系统部署：打造可扩展的智能客服智能体 266
12.3.1 核心代码实现与模块集成 267
12.3.2 系统测试与性能优化策略 270
12.3.3 系统部署与优化：将智能客服智能体投入实际应用 273
12.4 本章小结 277
12.5 思考题 277
