目    录

第 1 章　初识智能体 1

1.1  从大语言模型到智能体 1

1.1.1  智能体的诞生 1

1.1.2  智能体的核心能力与技术支柱 3

1.2  智能体革新日常应用 5

1.2.1  智能体重塑应用 5

1.2.2  智能体构建过程 11

1.3  LangGraph 1.0开发框架全面解析 13

1.3.1  LangGraph新技术底座 13

1.3.2  LangGraph让Agent开发更快、更灵活 14

1.4  本章小结 16

第 2 章　Agent环境安装与大模型配置 18

2.1  Python环境的安装与配置 18

2.1.1  Miniconda的下载与安装 18

2.1.2  PyTorch的下载与安装 21

2.1.3  PyCharm的安装与使用 24

2.2  网页端Qwen3的使用 27

2.2.1  网页端Qwen3的注册与基本使用 27

2.2.2  不同提示（Prompt）对回答的影响 28

2.3  Qwen3在线API的使用 30

2.3.1  在线Qwen3注册与基本使用 30

2.3.2  不同API调用Qwen3的示例 31

2.4  Hello Agent实战 35

2.4.1  通过API调用Qwen3 35

2.4.2  基于LangGraph构建Agent 36

2.5  本章小结 40

第 3 章　LangGraph编程基础 41

3.1  LangGraph与工作流搭建 41

3.1.1  LangGraph基础介绍 42

3.1.2  LangGraph组件 44

3.1.3  LangGraph中的State 46

3.1.4  LangGraph中的Node 47

3.1.5  LangGraph中的Edges 49

3.2  LangGraph中的基本输入及工具调用范式 51

3.2.1  LangGraph中的提示词 51

3.2.2  LangGraph中的工具定义与调用 52

3.2.3  基于LangGraph实现的工具使用智能体 56

3.3  LangGraph中的Map与Reduce 58

3.3.1  LangGraph中的Map 58

3.3.2  LangGraph中的Reduce 59

3.3.3  各司其职的Map与Reduce 61

3.3.4  State中的辅助参数BaseModel、Annotated与Literal详解 61

3.4  LangGraph中的输出范式 63

3.4.1  LangGraph中的格式化输出1：StrOutputParser 64

3.4.2  LangGraph中的格式化输出2：JSON格式 65

3.4.3  LangGraph中的格式化输出3：可控的JSON格式 66

3.5  智能体设计模式1：反应式智能体与自动导航案例 69

3.5.1  初识反应式智能体 69

3.5.2  反应式室内清扫智能体设计 72

3.5.3  反应式室内清扫智能体的实现 73

3.5.4  仿真场景下的清扫智能体可视化演示 79

3.6  本章小结 89

第 4 章　构建图的多条件分支 90

4.1  多场景条件分支 90

4.1.1  多条件分支实战 90

4.1.2  LangGraph的流式输出 92

4.1.3  Command命令完成节点内部的跳转 94

4.2  LangGraph节点的并行化处理 97

4.2.1  LangGraph中的并行化实战 97

4.2.2  并行化实战中Reduce的妙用 100

4.3  本章小结 101

第 5 章　智能体设计模式2：React 103

5.1  ToolNode详解与重新包装 104

5.1.1  ToolNode详解 104

5.1.2  ToolNode中的工具调用 106

5.2  React设计范式 112

5.2.1  初识React与实现 112

5.2.2  基于大模型的React详解 119

5.3  替代React的预构建create_agent模块详解 123

5.3.1  create_agent的基础使用 123

5.3.2  使用create_agent构建React 124

5.4  create_agent的结构化输出与输入 126

5.4.1  create_agent中的结构化输出格式 126

5.4.2  create_agent中的输入重构 130

5.5  create_agent中间件middleware详解 131

5.5.1  中间件的使用 131

5.5.2  中间件装饰器详解 133

5.5.3  使用中间件装饰器动态重构输入格式 136

5.6  本章小结 139

第 6 章　智能体设计模式3：记忆系统 140

6.1  LangGraph中的记忆存储 141

6.1.1  基于内存的短期记忆 141

6.1.2  基于硬存储的长期记忆存储 144

6.2  LangGraph中的长期记忆载入与整理 149

6.2.1  基于硬存储的长期记忆预载入1：拼接提示词 150

6.2.2  基于硬存储的长期记忆预载入2：before_agent中间件的使用 153

6.2.3  基于硬存储的长期记忆预载入3：before_model与检索整理 158

6.2.4  before_agent与before_model的使用差异 166

6.3  本章小结 166

第 7 章　智能体设计模式4：规划与执行 167

7.1  网络搜索工具tavily详解 167

7.1.1  tavily搜索引擎注册 168

7.1.2  tavily使用详解 169

7.2  结合tavily搜索的智能体实战 173

7.2.1  基于create_agent的多工具调用实战 173

7.2.2  完整搭建的LangGraph多工具调用智能体 179

7.3  LangGraph中TypedDict与BaseModel的共通与嵌套 189

7.3.1  LangGraph中TypedDict与BaseModel的共通点 189

7.3.2  LangGraph的状态空间进阶：多类型数据嵌套 192

7.4  基于智能体规划的成长指导 196

7.4.1  目标抽象：从“经验驱动”到“目标驱动” 196

7.4.2  步骤明确：从“模糊愿景”到“清晰蓝图” 199

7.4.3  执行落地：从“静态逻辑”到“动态闭环” 203

7.5  本章小结 205

第 8 章　智能体设计模式5：上下文工程 206

8.1  上下文工程中的提示词 207

8.1.1  提示词模板PromptTemplate 207

8.1.2  提示词设计规范 210

8.1.3  带有人格描述的提示词模板 214

8.2  上下文污染与上下文卸载 227

8.2.1  上下文污染 228

8.2.2  上下文卸载 231

8.3  本章小结 237

第 9 章　多智能体实战 238

9.1  初识多智能体 238

9.1.1  单智能体与多智能体 239

9.1.2  多智能体的应用场景 240

9.2  多智能体基础设计模式实战 240

9.2.1  多智能体设计模式1：流式 241

9.2.2  多智能体设计模式2：反思 246

9.3  本章小结 250

第 10 章　案例实战：结合长短期目标的新能源车文案设计 251

10.1  文案设计的基础知识点 251

10.1.1  基于业务要求的背景和历史文案收集 251

10.1.2  Embedding编码与历史文本查找 253

10.1.3  文案目标定义与生成 259

10.2  文案设计的智能体实战 266

10.2.1  文案生成中不同角色的定义与抽象 266

10.2.2  角色的动态生成函数 267

10.2.3  结合长短期目标的新能源车文案 271

10.2.4  多智能体设计模式8：Swarm 272

10.3  本章小结 273

第 11 章　案例实战：共享空间驱动的多智能体 274

11.1  多智能体的共享空间驱动 274

11.2  多智能体的共享空间驱动实战 275

11.2.1  基于共享空间驱动的多智能体实战 275

11.2.2  管控全局的共享空间详解 278

11.3  本章小结 279

第 12 章　案例实战：主智能体驱动的多智能体 280

12.1  多智能体角色的定义与实现 280

12.1.1  主状态空间的定义 281

12.1.2  多智能体“专家”角色设定 281

12.1.3  多智能体“主管”角色设定 283

12.2  多智能体设计模式9：Supervisor 284

12.2.1  角色构建与路由分析 285

12.2.2  Supervisor模式的多智能体实战 286

12.3  本章小结 289