前    言

大模型的快速发展正在改变软件的使用方式。过去，用户需要通过菜单、按钮、表单和固定流程来操作软件；现在，用户可以直接用自然语言描述目标，由系统完成理解、生成、检索、工具调用和任务执行。AI Agent正是在这一背景下逐渐兴起的重要应用形态。

与普通聊天机器人相比，AI Agent并不只是回答问题；与传统辅助工具相比，它也不只是提供建议。一个可用的Agent通常需要具备目标理解、上下文管理、工具调用、知识检索、任务规划和结果生成等能力。它以大模型为核心，通过工具、记忆、知识库和工作流等模块，让大模型从“会对话”进一步走向“能执行”。

不过，对于初学者来说，AI Agent的学习并不轻松。一方面，相关概念不断涌现，如Prompt、Function Calling、RAG、Memory、Workflow、多智能体、自主智能体等；另一方面，许多资料要么偏理论，要么直接使用复杂框架，读者很难看清一个Agent应用从零到一的完整开发过程。本书的目的，就是帮助读者循序渐进地理解AI Agent的核心原理，并掌握可落地的开发方法。

本书以Python开发为基础，围绕“从零开发AI Agent”这一主线展开。本书首先介绍AI Agent的基本概念、组成结构和常见类型，帮助读者建立整体认识；随后从开发环境搭建开始，带领读者完成大模型调用、命令行聊天程序和最小Agent程序的编写。在此基础上，本书进一步讲解单智能体结构、Prompt设计、结构化输出、工具调用、RAG知识库、短期记忆与长期记忆、工作流设计、多智能体协作以及自主智能体的基本实现方式。

为了帮助读者将知识转化为实践能力，本书安排了多个由浅入深的案例，包括学习计划生成Agent、个人助理Agent、PDF文档问答Agent、带记忆的学习助手Agent、报告生成工作流Agent和多Agent协作调研助手等。通过这些案例，读者可以逐步理解Agent如何接收任务、组织上下文、调用工具、检索资料、生成结果，并在复杂任务中完成拆解与协作。

在应用落地方面，本书还介绍了如何使用FastAPI封装Agent服务，并通过Docker和Docker Compose进行单机部署。最后两个综合项目——个人知识库Agent和多智能体自主调研系统，将前面章节中介绍的知识库构建、检索问答、任务拆解、资料整理、分析写作和结果生成等整合起来，帮助读者形成完整的项目开发经验。

本书在写作上注重三点：第一，概念讲解清晰，尽量用开发者容易理解的方式说明Agent各模块的作用；第二，代码示例可运行，便于读者在本地环境中调试和修改；第三，案例贴近实际，尽量覆盖当前AI Agent开发中常见的应用场景。

阅读本书前，读者最好具备基本的Python编程能力，了解函数、模块、虚拟环境和命令行的基本用法。如果读者已经接触过大模型API或Prompt编写，将更容易理解相关内容；即使没有相关经验，也可以从前几章开始逐步学习。

AI Agent仍在快速发展，新的模型、框架和工具在不断出现。但无论技术如何变化，理解任务、管理上下文、调用工具、检索知识、规划步骤和部署服务，始终是开发Agent应用的核心能力。希望本书能够帮助读者建立系统化的Agent开发思维，真正从零开始构建可运行、可扩展的智能体   应用。

配书资源

为了方便读者使用，本书还提供了源代码，读者可用微信扫描以下二维码下载：

如果读者在学习本书的过程中遇到问题，可以发送电子邮件至booksaga@126.com，邮件主题为“从零开发AI Agent：基于大模型的智能体设计与实践”。

著    者

2026年7月