【新书推荐】《智能体工程驱动AI Agent开发》
智能体工程驱动AI Agent开发 王晓华 清华大学出版社【行情 报价 价格 评测】-京东
2026新书 智能体工程驱动AI Agent开发 王晓华 清华大学出版社 智能体工程提示词上下文驾驭工程 智能体工程驱动AIAgent开发 无规格【行情 报价 价格 评测】-京东
本书目的
本书围绕智能体工程这一主线，系统阐述智能体从范式演进到工程化落地的完整路径，并结合丰富的示例与实战案例，帮助读者掌握智能体工程驱动AI Agent开发的方法。
编辑推荐
（1）高校人工智能教师、智能体开发专家王晓华新作，讲解智能体工程如何驱动AI Agent开发。
（2）全程示例与实战案例引导，所有代码经过测试均能运行无误。
（3）掌握提示词工程→上下文工程→驾驭工程的完整技术进阶路径。
（4）系统学习工具调用、子智能体、记忆系统、自进化机制、Skill 技能、心跳定时任务与计划清单等智能体核心组件的设计与实现。
（5）实战京韵导览智能体、北京豆汁文化体验智能体、博物馆导览助手、自进化中医诊疗智能体。
（6）配套源代码、PPT课件、教纲、读者交流微信群。
内容简介
本书围绕智能体工程这一主线，系统阐述智能体从范式演进到工程化落地的完整路径，并结合实战案例，帮助读者掌握智能体工程驱动AI Agent开发的方法。本书配套源码、PPT课件、读者交流微信群，所有代码经过测试均运行无误。
本书共分13章，内容包括智能体工程概述、Agent环境安装与大模型基础使用、初识智能体（Qwen与Anthropic互通）、京韵导览Agent开发、从提示词工程到上下文工程、初识上下文工程与子智能体、智能体的自进化与优化重整合、智能体的心跳机制、北京豆汁文化体验智能体开发、智能体中的计划清单、博物馆导览助手开发、自进化Skill详解与自进化实战、自进化中医诊疗智能体开发。
本书采用循序渐进的讲解方式，示例丰富、案例完整，既适合智能体开发初学者、大模型应用开发人员、AI应用开发工程师与研发人员、对智能体工程原理感兴趣的读者、AI业务系统开发者与产品经理，也可作为高等院校或高职高专院校人工智能、智能体工程相关课程的教学参考书。
前 言
当大语言模型从“会聊天”走向“会做事”，智能体（Agent）时代正式开启。与传统对话模型不同，智能体能够自主规划、调用工具、感知环境并持续行动，成为连接大模型与真实业务世界的桥梁。掌握智能体的工程化开发能力，正成为人工智能开发者最核心、最迫切的需求。
然而，现实中开发一个稳定、可靠、可持续进化的智能体，远非“拼凑API”那么简单。它涉及模型生态的协同、上下文的精细治理、记忆的长期维护、任务的多步分解，以及智能体自我约束与自我进化的机制设计。这些工程化难题，恰恰是大多数入门资料所忽略的，也正是本书重点解答的内容。
为此，本书以智能体工程为核心方法论，独创性地打通Qwen与Anthropic两大生态，构建“双引擎”智能体开发框架。全书沿着“提示词工程（Prompt Engineering）→上下文工程（Context Engineering）→驾驭工程（Harness Engineering）”的技术主线层层递进，将工具调用、子智能体、记忆系统、自进化、Skill、心跳机制、计划清单等关键能力拆解为一个个可复用的工程组件，并以北京京韵导览、豆汁文化、博物馆、中医诊疗等充满中国传统文化气息的实战案例，带领读者亲手打造真正“能思考、会记忆、可进化”的智能体。
无论你是刚刚迈入大模型应用领域的初学者，还是希望将智能体真正落地到业务中的开发者和工程师，本书都将为你提供一套完整、可复现、可扩展的实战指南。希望本书能帮助你跨越从“调用大模型”到“驾驭智能体”的关键一步。
本书目的
随着大语言模型能力的飞速提升，智能体已成为人工智能应用落地的核心载体，而如何工程化地构建可靠、可进化的智能体，则成为开发者普遍面临的挑战。本书致力于成为读者全面掌握智能体工程开发的实战宝典，通过循序渐进的原理讲解与丰富的代码实例，引导读者系统学习智能体的核心原理、技术栈与工程方法论。
本书深入剖析了智能体的核心运行机制——Agent Loop（智能体循环）与工具调用，详细阐述了系统提示词（System Prompt）、子智能体、记忆系统、自进化、Skill技能、心跳机制与计划清单（todoManager）等关键组件的设计思想与实现方法。同时，本书打通Qwen与 Anthropic两大模型生态，构建可自由切换的“双引擎”框架，帮助读者摆脱单一模型束缚，构建更具适应性的智能体应用。
通过本书的学习，读者不仅能全面理解智能体的工作原理与工程结构，更能熟练地将这些能力应用于智能客服、文化导览、知识问答、专业咨询、业务自动化等真实场景，从而在大模型应用开发领域取得实质性突破。本书理论与实践并重，是人工智能应用开发者、工程师与爱好者掌握智能体开发技能的理想读物。
本书内容安排
第1章，智能体工程概述。本章首先梳理人工智能的发展脉络，揭示从大语言模型到智能体的范式演进；随后引入Agent Loop，奠定智能体的基础运行范式；最后从工程视角出发，系统阐述智能体的核心组件、技术栈全景图、生命周期与方法论，并结合典型应用场景完成本书导读。
第2章，Agent环境安装与大模型基础使用。本章从零开始指导读者搭建智能体开发环境，涵盖Miniconda与PyCharm的安装配置；随后以Qwen大模型为例，讲解API Key的获取与模型的基础调用、多轮对话用法；最后引入System Prompt与提示词工程（Prompt Engineering）的基本概念，为后续智能体开发奠定基础。
第3章，初识智能体：Qwen与Anthropic互通。本章围绕大模型的工具调用展开，讲解流式任务链与并发任务链两种调用模式，揭示“思考－行动－观察”的逻辑闭环，带领读者初识智能体的工作方式；随后详细介绍阿里搜索引擎工具适配大模型的实现与使用，并引入Anthropic工程化抽象模板，最终打通Qwen与Anthropic在搜索任务中的互通实践。
第4章，北京欢迎您：京韵导览Agent开发。本章以“生态破壁”为主题，实现Qwen与Anthropic大模型客户端的互通，并据此完成第一个真正意义上的智能体—京韵导览Agent。读者将通过精心设计的京韵System Prompt，亲身体验一个兼具文化底蕴与工具调用能力的智能体从无到有的构建过程。
第5章，从提示词工程到上下文工程。本章在实现Anthropic Bash工具的基础上，讲解带工具信息注入的提示词工程，并完成结合提示词工程的Agent实现；随后由“提示词（Prompt）”跃迁到“上下文（Context）”，介绍如何对智能体特质进行多角度设计与重构，实现长期特质的静态注入与User实时性特质的动态注入，正式迈入上下文工程。
第6章，初识上下文工程与子智能体。本章聚焦记忆系统的上下文工程，讲解上下文对话的软截断、智能体中的长期记忆与短期记忆；随后引入子智能体概念，以MemoryExtractor为例，实现User特质的动态提取，让智能体首次具备“记住用户”的能力。
第7章，智能体的自进化与优化重整合。本章在上一章基础上，讲解User特质的周期提取与自进化，使智能体能从持续的对话中不断深化对用户的理解；随后系统介绍上下文记忆的优化与重整合方法，包括记忆的去重过滤与冲突处理、情景记忆、记忆衰减与重整合公式设计及其实现，让记忆系统更加智能、长效。
第8章，智能体的心跳机制（定时任务）。本章讲解智能体的两类定时执行模式：以定时器为核心与以智能体为核心。在这一章，读者将学习心跳模块的规范Schema、基于定时任务的主智能体调用，以及智能体主导的定时任务执行，让智能体从“被动响应”升级为“主动运转”，具备时间维度的自主能力。
第9章，寻味之旅：北京豆汁文化体验智能体开发。本章以北京豆汁这一独特文化选题为切入点，完成智能体的适配分析与二次开发，涵盖核心需求映射、工具开发与全流程数据流设计，最终落地一个完整的豆汁文化体验智能体，综合运用前面所学的工具调用与上下文工程能力。
第10章，复杂任务执行：智能体中的计划清单（todoManager）。本章讲解如何让智能体应对复杂任务，介绍基于子智能体的复杂任务分解、任务的拆解与执行，对比不同模型的拆解能力，并讲解如何将业务经验凝结到任务计划分解中；最终实现带有计划清单的智能体，使其具备多步骤任务的自规划与推进能力。
第11章，千载对语：博物馆导览助手开发。本章以博物馆导览为场景，完成智能体开发的基础调研与架构优化分析；随后开展二次开发实战，实现主智能体中子任务的分解推进与执行，并应用子智能体提升整体能力；最后由上下文工程（Context Engineering）跃迁至驾驭工程（Harness Engineering），讲解子任务状态标注与持久化、多工具调用与多结果处理、子任务约束等进阶主题。
第12章，自进化Skill详解与自进化实战。本章系统讲解Anthropic体系下Skill（技能）的基本知识与自进化的实现方法，介绍智能体中Skill的注册（含运行状态Skill），并深入讲解Prompt中对Skill使用的约束、额外Skill的添加，最终完成基于自定义智能体Skill的自进化实战，让智能体的能力可被灵活扩展与持续进化。
第13章，杏林春满，智启未来：自进化中医诊疗智能体开发（设计与实现）。作为全书的综合收官之作，本章完整设计并实现一个具有记忆能力、图像分析与图像生成能力的自进化中医诊疗智能体。内容涵盖中医望诊分析网站的架构与系统模块、图像分析引擎与图像生成引擎、记忆系统的按需重构、望诊引擎向工具调用的转化，以及基于Skill的自进化展示方案，全面融会贯通全书所学的智能体工程技术。
本书特点
（1）主线鲜明，循序渐进：本书以智能体工程为主线，按照“范式认知－环境搭建－工具调用－上下文工程－记忆与自进化－定时任务－任务规划－技能与综合实战”的脉络组织内容，由浅入深、层层递进，使读者能够循着清晰的技术演进路线，系统掌握智能体开发的完整知识体系。
（2）生态破壁，双引擎驱动：本书独创性地打通千问（Qwen）与Anthropic（Claude）两大主流大模型生态，构建可自由切换的“双引擎”智能体框架，帮助读者摆脱单一模型束缚，掌握跨生态协同开发的实用能力，构建更具适应性与扩展性的智能体。
（3）技术主线完整，工程化落地：全书贯穿“提示词工程（Prompt Engineering）→上下文工程（Context Engineering）→驾驭工程（Harness Engineering）”的完整技术进阶路径，系统讲解工具调用、子智能体、记忆系统、自进化、Skill、心跳机制、计划清单等智能体核心组件，真正解决智能体工程化落地的难点。
（4）案例丰富，文化特色鲜明：本书实战部分围绕北京与中国传统文化展开，涵盖京韵导览Agent、豆汁文化体验智能体、博物馆导览助手、中医诊疗智能体等真实项目，既具代表性又充满文化气息，让读者在富有温度的场景中学习智能体开发。
（5）代码完整，可复现可扩展：书中所有知识点均配有可运行的Python代码示例，从环境搭建到案例实战一脉相承，读者可跟随相应的操作步骤亲手复现每一个智能体，并在其基础上自由扩展，真正做到学以致用。
（6）语言通俗，适合不同层次读者：本书讲解深入浅出，避免晦涩术语，既照顾零基础读者的入门需求，又为有经验的开发者提供充足深度的工程体验，使不同层次的读者都能从中获益。
本书配套资源
本书配套源码、PPT课件与读者交流微信群，读者可使用自己的微信扫描下面的二维码获取。
本书适合的读者
l 智能体应用开发初学者：对于希望进入智能体开发领域的初学者，本书从环境搭建讲起，系统梳理智能体的核心原理与开发方法，引导读者快速入门智能体开发。
l 大模型应用开发者：对于已具备一定大模型调用基础、希望将能力升级为智能体开发的读者，本书提供的“双引擎”框架与工程化方法论，将帮助读者突破单一模型调用，构建真正可落地的智能体应用。
l AI应用开发工程师与研发人员：对于从事AI应用开发的工程师与研发人员，本书深入剖析了上下文工程、记忆系统、自进化、Skill、计划清单等核心组件的设计与实现，有助于他们在实际项目中构建更强大的智能体。
l 对智能体工程原理感兴趣的读者：对于希望深入理解智能体工作原理与工程架构的读者，本书详细揭示了Agent Loop、工具调用闭环、子智能体协同、从内容工程到驾驭工程的演进等设计思想，帮助读者建立完整的智能体工程认知。
l AI业务系统开发者与产品经理：对于希望将智能体应用于客服、导览、咨询、知识问答等业务场景的开发者与产品经理来说，本书丰富的实战案例提供了可直接借鉴的需求分析、架构设计与落地实现路径。
l 高等院校或高职高专院校师生：本书结构系统、案例丰富，适合作为人工智能、智能体工程、大模型应用等相关课程的教学用书或参考教材，帮助学生系统掌握智能体开发的原理与实践。
作者与鸣谢
本书作者王晓华为高校计算机专业教师，担负数据挖掘、人工智能、数据结构等多项本科及研究生课程。研究方向为数据仓库与数据挖掘、人工智能、机器学习。在研和参研多项科研项目。
本书的顺利出版，离不开清华大学出版社编辑老师们的帮助，在此表示衷心感谢。
作 者
2026年7月
目 录
第1章 智能体工程概述 1
1.1 从大语言模型到智能体：范式演进 1
1.1.1 人工智能的发展脉络 2
1.1.2 Agent Loop奠定智能体基础范式 4
1.1.3 从提示词工程到驾驭工程 6
1.2 智能体工程的核心技术构建 8
1.2.1 工程视角下的智能体组件 8
1.2.2 智能体工程技术栈全景图 10
1.2.3 智能体工程的生命周期与方法论 13
1.2.4 典型应用场景与本书导读 15
1.3 本章小结 15
第2章 Agent环境安装与大模型基础使用 17
2.1 Python环境的安装与配置 17
2.1.1 Miniconda的下载与安装 17
2.1.2 PyCharm编译器的安装与使用 20
2.2 基础大模型Qwen3与GLM的调用 23
2.2.1 阿里Qwen3的注册与基本使用 24
2.2.2 Qwen3大模型的自定义使用 27
2.2.3 智谱GLM的注册与基本使用 28
2.3 从系统提示词到提示词工程 29
2.3.1 大模型中的System Prompt 30
2.3.2 系统提示词实战：给大模型注入“京韵儿” 32
2.3.3 探索提示词工程 36
2.4 本章小结 37
第3章 初识智能体：Qwen与Anthropich互通 38
3.1 大模型中的工具调用 38
3.1.1 Qwen大模型中的工具调用 39
3.1.2 流式任务链：多次循环的工具调用 44
3.1.3 初识智能体：思考、行动、观察的逻辑闭环 47
3.1.4 并发任务链：多工具的并发调用 49
3.2 阿里搜索引擎的使用 52
3.2.1 阿里搜索引擎的开通 52
3.2.2 阿里搜索引擎的实现与使用 55
3.3 Anthropic工程模板详解与使用 56
3.3.1 Anthropic工程模板：大模型客户端抽象基类 57
3.3.2 Anthropic工程模板：工程化工具的抽象基类 68
3.3.3 Anthropic工程模板：基于Bash的工具抽象基类 71
3.3.4 阿里与Anthropic在搜索任务互通实践 72
3.4 本章小结 74
第4章 北京欢迎您：京韵导览Agent开发 75
4.1 生态破壁：与Anthropic智能体联动开发 75
4.1.1 Qwen与Anthropic客户端互通 76
4.1.2 GLM与Anthropic的客户端互通 78
4.1.3 与 Anthropic的智能体构建初步 79
4.2 北京欢迎您：基于Anthropic的京韵导览Agent实战 85
4.2.1 京韵System Prompt设置 85
4.2.2 基于Anthropic的京韵导览Agent实战 87
4.3 本章小结 96
第5章 从提示词工程到上下文工程 97
5.1 Bash工具实现与提示词工程 98
5.1.1 基于Anthropic的Bash工具的实现 98
5.1.2 带工具信息注入的提示词工程 105
5.1.3 提示词工程实现 108
5.1.4 结合智能体工程的Agent实现 114
5.2 上下文工程的应用 119
5.2.1 多角度智能体特质设计与重构 120
5.2.2 智能体长期特质的静态注入 123
5.2.3 User实时性特质的动态注入 124
5.3 本章小结 126
第6章 初识上下文工程与子智能体 127
6.1 记忆系统的上下文工程 127
6.1.1 上下文对话的软截断 128
6.1.2 智能体中的长期记忆与短期记忆 129
6.1.3 上下文对话的长期记忆 133
6.2 初始子智能体：User特质的动态提取 136
6.2.1 了解需求：对User特质的分类载入 136
6.2.2 初识子智能体：MemoryExtractor 138
6.2.3 User特质的提取：每轮对话的动态提取 140
6.3 本章小结 146
第7章 智能体的自进化与优化重整合 147
7.1 User特质的周期提取与自进化 147
7.1.1 User特质的提取：周期对话的深度挖掘 148
7.1.2 User特质的自进化 151
7.2 上下文记忆的优化与重整合 158
7.2.1 上下文工程的优化：记忆去重、过滤与冲突 158
7.2.2 上下文工程的优化：情景记忆（重点） 160
7.2.3 上下文工程的优化：记忆的衰减与重整合公式设计 164
7.2.4 上下文工程的优化：记忆的重整合实现 165
7.3 本章小结 172
第8章 智能体的心跳机制（定时任务） 173
8.1 智能体的心跳执行模式：以定时器为核心 173
8.1.1 基础的心跳模块规范Schema 174
8.1.2 基于心跳（定时任务）的主智能体调用 177
8.1.3 定时任务主导的智能体调用 190
8.2 智能体的心跳执行模式：以智能体为核心 192
8.2.1 修正心跳触发形式 193
8.2.2 智能体主导的定时任务执行 198
8.3 本章小结 208
第9章 寻味之旅：北京豆汁文化体验智能体开发 209
9.1 智能体适配分析 209
9.1.1 品味中国传统文化：豆汁选题的核心场景优势 210
9.1.2 智能体技术能力适配分析 211
9.2 北京豆汁文化体验智能体的二次开发 214
9.2.1 智能体模块的二次开发 214
9.2.2 核心需求映射与工具开发 220
9.2.3 全流程数据流设计与场景落地效果 232
9.3 本章小结 234
第10章 复杂任务执行：智能体中的计划清单 235
10.1 将复杂任务分解成任务清单 236
10.1.1 基于子智能体的复杂任务分解 236
10.1.2 任务的拆解与执行 238
10.1.3 不同模型的复杂任务拆解对比 241
10.1.4 将业务经验凝结到任务计划分解中 242
10.2 智能体计划清单处理的整合 243
10.2.1 主智能体中的子任务推进 243
10.2.2 带有计划清单的智能体实现 245
10.3 本章小结 251
第11章 千载对语：博物馆导览助手开发 252
11.1 智能体开发基础调研 252
11.1.1 了解中国历史精髓：博物馆智能体的核心场景优势 253
11.1.2 导览智能体的架构优化分析 255
11.2 博物馆导览助手的二次开发实战 255
11.2.1 主智能体中子任务分解与推进 256
11.2.2 子任务的执行 257
11.2.3 博物馆导览助手实战 260
11.2.4 子智能体的应用 262
11.3 从上下文工程到驾驭工程 263
11.3.1 重构子任务状态标注与持久化 263
11.3.2 独立子任务中的多工具调用与多结果处理 266
11.3.3 约束子任务中的智能体 268
11.3.4 上下文工程与驾驭工程的演进 270
11.4 本章小结 271
第12章 自进化Skill详解与自进化实战 272
12.1 基础Skill详解 272
12.1.1 Anthropic体系下Skill的基本概念 273
12.1.2 示例Skill文件的实现 276
12.2 智能体中Skill的注册 281
12.2.1 Anthropic工程模板：Skill技能使用 282
12.2.2 基于模板Skill的实现 283
12.2.3 运行状态Skill的注册 288
12.3 智能体中Skill的约束与自进化实战 290
12.3.1 Prompt中对Skill使用约束 290
12.3.2 添加额外的Skill 291
12.3.3 基于自定义智能体Skill的自进化实战 292
12.4 本章小结 294
第13章 杏林春满，智启未来： 自进化中医诊疗智能体开发 295
13.1 中医望诊分析网站的设计与详解 295
13.1.1 中医望诊分析网站的架构设计 295
13.1.2 中医望诊分析网站的系统模块 299
13.1.3 中医望诊分析网站的图像分析引擎 301
13.1.4 中医望诊分析网站的图像生成引擎 302
13.2 具有记忆能力的中医诊疗智能体设计与实现 306
13.2.1 按需重构智能化后台与记忆系统 306
13.2.2 将中医望诊引擎转化为工具调用 309
13.3 中医诊疗结果的自进化展示方案 313
13.3.1 结合业务需求完成展示技能的自进化 314
13.3.2 基于Skill展示结果生成标准的HTML页面 318
13.4 本章小结 319
更多推荐
10
0- 0
已为社区贡献9条内容
所有评论(0)