目    录

第1章  智能体基础 1

1.1  智能体基础 1

1.1.1  智能体的核心定义与本质 1

1.1.2  智能体与传统程序的核心差异 2

1.1.3  智能体的核心构成要素 3

1.2  智能体发展历史 4

1.2.1  奠基期：符号主义主导的理论萌芽 4

1.2.2  黄金期：连接主义推动的学习革命 5

1.2.3  复兴期：深度学习加持的能力跃升 6

1.2.4  爆发期：大模型驱动的实用化浪潮 6

1.3  智能体的特点 7

1.3.1  自主性 7

1.3.2  适应性 8

1.3.3  学习能力 9

1.3.4  交互性 10

1.4  智能体应用的挑战 10

1.4.1  技术瓶颈 10

1.4.2  伦理与安全困境 11

1.4.3  开发生态与经济难题 11

1.5  本章小结 12

1.6  参考文献 13

第2章  智能体感知能力 15

2.1  智能体感知能力概述 15

2.2  文档感知任务定义与分类 16

2.2.1  文档输入类型 16

2.2.2  文档预处理的核心任务 16

2.2.3  文档预处理的输出类型 21

2.3  主流文档预处理工具 21

2.3.1  MinerU 21

2.3.2  PaddleOCR 23

2.3.3  PP-StructureV3 23

2.3.4  MonkeyOCR-1.5 25

2.3.5  DeepSeek-OCR 25

2.3.6  主流框架对比 26

2.4  智能体的其他模态感知能力 27

2.4.1  音频感知 27

2.4.2  图片感知 29

2.4.3  视频感知 30

2.5  本章小结 33

2.6  参考文献 33

第3章  智能体记忆能力 35

3.1  记忆能力的定义与内涵 35

3.1.1  记忆的形式化定义 36

3.1.2  记忆与上下文窗口的关系 37

3.1.3  多模态记忆：表征与对齐 38

3.2  记忆支撑与技术演进 39

3.2.1  记忆对智能体能力的系统性支撑 39

3.2.2  主流技术范式 40

3.2.3  研究挑战：从“有记忆”到“好记忆” 42

3.3  智能体三层记忆参考框架 42

3.3.1  第一层：感知记忆 42

3.3.2  第二层：工作记忆 44

3.3.3  第三层：长期记忆 45

3.3.4  动态调度机制 47

3.3.5  工程化示例：从Hello World到生产级 47

3.4  开源框架、工具与评估指标 50

3.4.1  记忆编排与管理框架 50

3.4.2  混合存储基础设施 50

3.4.3  记忆能力的评估指标 51

3.5  本章小结 51

3.6  参考文献 52

第4章  智能体知识能力 54

4.1  知识的定义与内涵 54

4.1.1  知识分层 55

4.1.2  知识类型 56

4.1.3  知识表示 57

4.2  知识管理 59

4.2.1  知识注入与检索 60

4.2.2  非结构化数据的知识工程 61

4.2.3  结构化数据的知识工程 62

4.2.4  知识治理与质量评估 63

4.3  知识赋能 65

4.3.1  知识即感知 65

4.3.2  知识即思考 66

4.3.3  知识即能力 67

4.4  开源技术栈选型 68

4.4.1  知识存储与检索引擎 68

4.4.2  知识编排与RAG框架 69

4.5  参考文献 71

第5章  智能体情感能力 73

5.1  能力定义 73

5.1.1  情感理解与共情 74

5.1.2  意图推断与心理理论（ToM） 75

5.1.3  社会适应与分寸 76

5.1.4  心智加持下的用户体验变化 76

5.2  如何为智能体提供支撑 77

5.2.1  心智情绪计算闭环：从输入到行动 77

5.2.2  表示与公式：让情绪成为可计算信号 77

5.2.3  推理与决策：快思考与慢思考 80

5.2.4  用户模型与ToM：让系统读懂“言外之意” 80

5.2.5  记忆系统：让相处跨越时间 81

5.2.6  反思机制：把事故变成经验 81

5.2.7  表达控制：让策略被听见 82

5.3  研究现状与趋势 83

5.3.1  斯坦福虚拟小镇 83

5.3.2  价值对齐与“宪法AI” 84

5.3.3  多模态共情的挑战 85

5.3.4  从“会聊天”到“会相处”：长期一致性成为核心指标 85

5.3.5  评价体系缺位：我们如何知道“情感能力变强了” 86

5.3.6  现实落地的风险：心智越强，越要克制 86

5.4  开源软件与工具：实践形态与代表项目 86

5.5  本章小结 88

5.6  参考文献 89

第6章  智能体推理能力 91

6.1  推理的计算本质 91

6.1.1  概率拟合与逻辑涌现 92

6.1.2  快慢思考与双重架构 93

6.1.3  物理约束与信息边界 95

6.2  推理范式的演进 96

6.2.1  符号主义与规则推理 97

6.2.2  联结主义与概率预测 98

6.2.3  提示工程与逻辑涌现 98

6.2.4  自主智能与动态决策 98

6.3  推理增强的核心路径 99

6.3.1  推理时计算扩展 99

6.3.2  训练时能力内化 102

6.4  开发框架与工具链 103

6.4.1  推理编排与图架构 104

6.4.2  群体智能与协作 104

6.4.3  声明式提示编程 105

6.4.4  评估体系与可观测性 106

6.5  本章小结 106

6.6  参考文献 107

第7章  智能体工具能力 110

7.1  工具能力的定义与作用 110

7.1.1  工具能力的概念 110

7.1.2  工具能力在智能体中的地位 111

7.1.3  工具能力与智能体智能水平的关系 112

7.2  工具调用的核心机制 112

7.2.1  可调度能力 113

7.2.2  决策与选择机制 113

7.2.3  风险控制 114

7.3  工具类型与能力框架 114

7.3.1  数据库 114

7.3.2  数值计算 117

7.3.3  代码执行 117

7.4  工具能力实现体系 118

7.4.1  工具描述协议 119

7.4.2  IO格式设计与工具调用流程 120

7.4.3  异常处理 124

7.4.4  实现一个LangChain-Like Agent的最小原型 124

7.4.5  揭秘服务器端 130

7.5  其他工具生态 132

7.5.1  MCP 133

7.5.2  Claude Skills 134

7.6  参考文献 134

第8章  多智能体协同 137

8.1  多智能体协同的内涵与价值 137

8.1.1  核心概念 137

8.1.2  协同的核心价值与驱动力 140

8.1.3  核心协同场景 143

8.2  多智能体协同的能力支撑体系 146

8.2.1  协同架构模式设计 146

8.2.2  关键支撑技术 148

8.2.3  主流协同策略与实现路径 151

8.3  多智能体协同的研究现状与前沿 154

8.3.1  学术研究前沿方向 154

8.3.2  业界应用探索 156

8.4  开源软件与工具 159

8.5  本章小结 161

8.6  参考文献 162

第9章  智能体应用开发流程 164

9.1  从面向对象到面向智能体 164

9.1.1  复杂度的挑战与抽象的跃迁 165

9.1.2  面向智能体设计的兴起 167

9.2  问题定义与范围划定 169

9.2.1  痛点识别与价值主张 170

9.2.2  用户画像与核心场景识别 170

9.2.3  MVP边界与可行性定义 171

9.3  调研与探索 171

9.3.1  前沿技术综述与选型 171

9.3.2  关键技术原型验证 172

9.3.3  领域知识工程 173

9.4  系统设计与架构规划 174

9.4.1  智能体角色定义 174

9.4.2  协同机制与状态流转设计 175

9.4.3  记忆与知识体系设计 176

9.5  开发与实现 176

9.5.1  提示词工程 177

9.5.2  工具封装与调用 177

9.5.3  知识库 179

9.6  测试、评估与迭代优化 179

9.6.1  建立行为评估体系 179

9.6.2  系统化行为测试方法 179

9.6.3  数据驱动的迭代闭环 180

9.7  部署与持续运营 180

9.7.1  部署策略 180

9.7.2  持续运营 181

9.8  本章小结 182

9.9  参考文献 182

第10章  智能体应用参考架构 185

10.1  整体架构介绍 185

10.2  用户交互层 186

10.2.1  插件集成 186

10.2.2  命令行接口调用 187

10.2.3  Web界面 187

10.3  Agent调度层 188

10.3.1  主循环引擎 188

10.3.2  异步消息队列 189

10.3.3  会话流生成器 191

10.3.4  消息压缩器 191

10.4  工具执行与管理层介绍 192

10.4.1  工具引擎 192

10.4.2  并发控制 193

10.4.3  权限验证 194

10.4.4  可拓展工具生态系统 194

10.5  存储与持久化层 195

10.5.1  短期记忆 196

10.5.2  中期记忆 196

10.5.3  长期记忆 197

10.6  本章小结 197

10.6  参考文献 198

第11章  智能体应用设计模式 199

11.1  概述 199

11.2  流程与控制 200

11.2.1  提示链 200

11.2.2  路由 202

11.2.3  并行化 203

11.3  增强与优化 204

11.3.1  反思 204

11.3.2  规划 206

11.3.3  学习与适应 207

11.3.4  目标设定与监控 208

11.3.5  探索与发现 209

11.4  交互与协作 210

11.4.1  人机协作 210

11.4.2  多智能体协作 211

11.5  稳健性与安全 213

11.5.1  异常处理与恢复 213

11.5.2  优先级调度 213

11.5.3  安全护栏 214

11.5.4  评估与监控 215

11.6  本章小结 216

11.7  参考文献 217

第12章  深度研究智能体 219

12.1  需求分析 219

12.2  系统架构 220

12.2.1  系统功能模块 220

12.2.2  系统架构设计 221

12.3  关键技术 222

12.3.1  用户意图澄清 222

12.3.2  研究状态建模 223

12.3.3  研究子任务派遣 224

12.4  系统实现 225

12.4.1  主智能体 225

12.4.2  研究子智能体 237

12.5  本章小结 242

12.6  参考文献 243

第13章  数据分析智能体 244

13.1  需求分析 244

13.2  系统架构 245

13.2.1  业务架构 245

13.2.2  技术架构 248

13.3  关键技术 250

13.3.1  提示词工程 250

13.3.2  模式连接 253

13.3.3  代码生成与优化 254

13.3.4  高级数据分析能力 256

13.3.5  安全性和可扩展性 257

13.4  系统实现 259

13.4.1  NL2SQL数据库问答系统实现案例 259

13.4.2  NL2Code Excel电子表格问答系统实现案例 266

13.5  本章小结 273

13.6  参考文献 273

第14章  数据科学智能体 276

14.1  需求分析 276

14.2  多智能体协同的能力支撑体系 276

14.3  系统架构 278

14.3.1  技术架构 278

14.3.2  业务架构 280

14.4  关键技术 282

14.4.1  大模型智能体协同框架 282

14.4.2  大模型利用数据科学工具 283

14.4.3  开放场景下的评估与基准体系 284

14.5  系统实现 285

14.5.1  理论阐述 285

14.5.2  案例分析 293

14.6  本章小结 313

14.7  参考文献 313

第15章  决策优化智能体 316

15.1  需求分析 316

15.2  系统架构 317

15.2.1  系统功能模块 317

15.2.2  系统架构设计 319

15.3  关键技术 320

15.3.1  决策优化领域知识图谱构建技术 320

15.3.2  基于有向无环图（DAG）的异构智能体编排技术 321

15.3.3  基于抽象语法树（AST）的约束代码生成技术 322

15.3.4  约束流模板化映射技术 323

15.3.5  基于沙箱的代码自修复与验证技术 324

15.3.6  基于问题特征学习的自适应算法选择技术 324

15.3.7  求解结果的可解释性分析与归因技术 325

15.4  系统实现 326

15.4.1  领域知识图谱的存储与检索实现 326

15.4.2  异构智能体工作流（LangGraph）的实现 328

15.4.3  抽象语法树（AST）构建器的实现 330

15.4.4  约束模板库与RAG检索的实现 333

15.4.5  基于沙箱的代码自修复与验证实现 336

15.4.6  自适应算法选择实现 340

15.4.7  求解结果可解释性实现 343

15.5  本章小结 346

15.6  参考文献 346

第16章  机器视觉智能体 347

16.1  需求分析 348

16.1.1  用户需求与使用场景 348

16.1.2  系统功能需求 349

16.2  系统架构 350

16.2.1  系统模块组成 350

16.2.2  模块间的信息流与交互方式 352

16.2.3  系统运行流程 353

16.3  关键技术 353

16.3.1  任务理解与系统规划关键技术 353

16.3.2  数据与标注关键技术 358

16.3.3  模型选择与训练流水线关键技术 364

16.3.4  评估分析与闭环优化关键技术 368

16.3.5  部署交付与系统工程关键技术 371

16.4  本章小结 373

16.5  参考文献 373