通过短期和长期记忆机制使智能体保持上下文并从过往经验中学习
:Translations
智能体设计模式
Agentic Design Patterns
一份构建智能系统的实操指南 · A Hands-On Guide to Building Intelligent Systems
关于本书
这是一本系统性介绍 AI Agent(智能体)设计模式的实用书籍,全书共 424 页,由 Antonio Gulli 编写。本书将智能体系统的构建方法总结为 21 个核心设计模式,并配有大量代码示例和实际应用场景。
书籍信息
- 作者:Antonio Gulli
- 页数:424 页
- 原文:Google Docs
- 翻译状态:持续更新中
- 公益说明:所有版税将捐赠给救助儿童会 (Save the Children)
目录总览
全书共 424 页,涵盖从基础到高级的智能体设计模式
前言与基础
献词、致谢、序言、思想领袖视角:权力与责任、引言 · 9 页
什么是"代理"AI系统? · 9 页
第一部分:基础代理模式(103 页)
提示链 Prompt Chaining · 12 页 → 通过链式提示构建复杂任务流程
路由 Routing · 13 页 → 智能路由,让 AI 做出正确的选择
并行化 Parallelization · 15 页 → 并行处理,提升效率
反思 Reflection · 13 页 → 让 AI 自我审视与改进
工具使用 Tool Use · 20 页 → 赋予 AI 使用外部工具的能力
规划 Planning · 13 页 → 战略规划与任务分解
多智能体协作 Multi-Agent Collaboration · 17 页 → 多个智能体协同工作
第二部分:记忆与适应(61 页)
记忆管理 Memory Management · 21 页 → 构建智能体的记忆系统
学习与适应 Learning and Adaptation · 12 页 → 从经验中学习,持续进化
模型上下文协议 Model Context Protocol (MCP) · 16 页 → 标准化的上下文管理
目标设定与监控 Goal Setting and Monitoring · 12 页 → 设定目标并追踪执行
第三部分:可靠性与知识(34 页)
异常处理与恢复 Exception Handling and Recovery · 8 页 → 优雅地处理错误情况
人机协作 Human-in-the-Loop · 9 页 → 在关键环节引入人类决策
知识检索 RAG · 17 页 → 检索增强生成技术
第四部分:高级与性能(114 页)
智能体间通信 Inter-Agent Communication (A2A) · 15 页 → 智能体之间的通信协议
资源感知优化 Resource-Aware Optimization · 15 页 → 优化资源使用,降低成本
推理技术 Reasoning Techniques · 24 页 → 高级推理与思维链
护栏/安全模式 Guardrails/Safety Patterns · 19 页 → 确保 AI 系统的安全性
评估与监控 Evaluation and Monitoring · 18 页 → 量化评估智能体性能
优先级管理 Prioritization · 10 页 → 智能任务优先级排序
探索与发现 Exploration and Discovery · 13 页 → 探索未知领域
附录:补充与参考(74 页)
- 附录 A: 高级提示工程技术 · 28 页
- 附录 B: AI 代理化:从图形界面到现实世界环境 · 6 页
- 附录 C: 代理框架快速概览 · 8 页
- 附录 D: 使用 AgentSpace 构建代理(仅限线上) · 6 页
- 附录 E: 命令行界面的 AI 代理(仅限线上) · 5 页
- 附录 F: 幕后揭秘:代理推理引擎的内部运作 · 14 页
- 附录 G: 编写代理代码 · 7 页
总结与索引
结论、词汇表、术语索引 · 20 页
在线资源:在线贡献 - 常见问题解答
翻译说明
本系列翻译力求准确传达原著的技术内容和实践价值,同时保持中文表达的流畅性。如发现任何翻译问题或有改进建议,欢迎反馈。
已翻译章节将以链接形式呈现,未翻译章节则显示为普通文本。随着翻译进度的推进,目录会持续更新。
通过自主学习和适应机制使智能体能够持续改进和应对动态环境
通过明确的目标设定和持续监控使智能体具备目的性和自我评估能力
通过标准化协议实现LLM与外部系统、工具和数据源的无缝集成
通过自我评估和迭代优化机制提升智能体输出质量和准确性
通过将复杂目标分解为可执行步骤序列,使智能体具备战略性思考和自主执行能力
通过多个专业化智能体的协同工作实现复杂任务的高效分解与执行
通过并行执行多个独立任务来提升智能体系统的效率和响应速度
通过函数调用机制使智能体能够与外部API、数据库和服务交互,扩展其能力边界
智能路由机制,让 AI 根据上下文动态选择最合适的工具、功能或子智能体