AI Agent 这一年火得不像话，但真想系统学的人会发现一个尴尬的事实：能看的要么是厂商博客里的零散教程，要么是论文里的理论框架，中间那一层「从原理一路串到工程实战、还能动手跑」的成体系资料一直缺。2025 年下半年 Agent 框架之争基本打完，工具链、记忆、评估这些组件各自有了事实标准，但「一个开发者拿到手能从头读到尾、读完知道怎么搭」的那一本一直没人写。bojieli/ai-agent-book 填的就是这个空--一本开源的 AI Agent 书，10 章正文配 95 个实验，13 种语言免费下载，今天还在 push。
它是什么
ai-agent-book（github.com/bojieli/ai-agent-book）是李博杰的开源项目，对应书名《深入理解 AI Agent：设计原理与工程实践》。GitHub 星 33,213，fork 3,565，主语言 Python，Apache-2.0 许可证，2025 年 9 月 9 日创建，最近一次 push 就在今天（2026 年 8 月 6 日），登上过 GitHub Trending Project of the Day，本周在 OpenGithubs 周榜排第 2。
全书围绕一个核心公式展开：Agent = LLM + 上下文 + 工具。这句话看着简单，但作者把它拆成了 10 章层层递进，从「Harness 工程才是真正的竞争力」这个判断出发，一路讲到上下文、记忆、工具、Coding Agent、评估、后训练、持续进化、多模态、多 Agent 协作。它和市面零散教程的区别在于「书级体系」：有完整叙事线，每章配可跑的实验，不是 PPT 拼盘。
核心能力
10 章正文、95 个配套实验、13 种语言，是它的三根支柱。先看章节骨架（每章配套项目数来自仓库 README）：
| 章 | 主题 | 一句话核心 | 配套项目 |
|---|---|---|---|
| 1 | Agent 基础知识 | Agent = LLM + 上下文 + 工具；Harness 工程才是竞争力 | 4 |
| 2 | 上下文工程 | 上下文决定能力上限：KV Cache、提示工程、Agent Skills、上下文压缩 | 9 |
| 3 | 用户记忆和知识库 | 跨会话记住用户、接入外部知识：用户记忆、RAG、结构化索引、知识图谱 | 13 |
| 4 | 工具 | 工具是 Agent 的双手：MCP 协议、感知/执行/协作三类工具、事件驱动异步 Agent、主动工具发现 | 7 |
| 5 | Coding Agent 与代码生成 | 代码是「能创造新工具的工具」，生产级 Coding Agent 全景 | 12 |
| 6 | Agent 的评估 | 把表现变成可比较信号：评估环境、指标、统计显著性、评估驱动选型 | 12 |
| 7 | 模型后训练 | 预训练/SFT/RL 三阶段：何时选 SFT、何时选 RL，工具调用内化、样本效率 | 16 |
| 8 | Agent 的持续进化 | 从运行轨迹获得学习信号，更新知识、指令、程序与参数 | 9 |
| 9 | 多模态与实时交互 | 从文本扩展到语音、GUI、物理世界：语音三范式、Computer Use、机器人 | 10 |
| 10 | 多 Agent 协作 | 群体智能高于个体：协作框架、上下文共享/隔离、涌现的「Agent 社会」 | 8 |
95 个实验分两类轨道：本地项目（仓库内置、可 uv sync 直接装）和外部复现轨道（第 6、7、9、10 章映射的 22 个外部仓库 + 1 个辅助 cookbook，需自行克隆到对应目录）。每个实验标了三种状态：✅ 可运行（环境配好就能跑出预期结果）、📖 复现（复现已公开的论文或项目结果）、🚧 设计（给出设计思路与代码骨架，尚未完全实现），看一眼就知道能跑到哪一步。实验执行状态、证据和未完成门禁单独记在 docs/EXPERIMENT_STATUS.md 里--克隆下来不等于跑完，这点 README 写得很清楚。
13 种语言覆盖：中文（原版）、英、西、印尼、阿、繁體中文（台灣）、俄、泰米尔、越、日、土耳其、韩、匈牙利。除中文原版外都是社区翻译。
怎么用
三条路，按门槛从低到高：
- 直接下载 PDF / EPUB（最省事）。仓库 Release 始终指向 main 分支最新构建，中文原版和 12 种社区翻译都有 PDF + EPUB，开源免费。固定版本看 Releases 页。
- 在线阅读：bojieli.github.io/ai-agent-book，支持多语言切换、章节折叠、全文搜索、配套实验直达，每次 main 分支推送后自动重新构建。
- 自行编译：要改内容或本地出 PDF，装好 pandoc、xelatex、ElegantBook 文档类和相关字体，进
book/目录跑bash build_pdf.sh。源码是book/introduction.md、book/chapter1.md~chapter10.md、book/afterword.md，图表在book/images/，排版细节在preamble.tex和*.lua。
要跑实验：统一要 Python 3.10+，推荐用 uv（uv sync --locked --extra ch1，把 ch1 换成 ch2~ch10 装对应章节），没装 uv 也能用 pip（python -m pip install -e ".[ch1]"）。调模型的实验得自己配 API Key（.env.example 复制成 .env 填一个提供商 Key，部分实验要在自己目录放 .env 或导出环境变量）。
坑
- 社区翻译滞后中文原版。README 明说：英文/西/印尼/阿/繁中/俄/泰米尔/越/日/土/韩/匈 12 种都是社区贡献，「可能滞后于中文原版」。追最新内容看中文版，其他语言版当备用。
- 编译环境有门槛。pandoc + xelatex + ElegantBook + 中文字体这套组合，没碰过 LaTeX 的人配一次能卡半天。只想看内容就别自己编译，直接下 PDF。
- 外部复现轨道依赖第三方环境。22 个外部仓库（AndroidWorld、GAIA、OSWorld、SWE-bench、tau2-bench、terminal-bench、MiniMind、verl、SandboxFusion、claude-quickstarts 等）不作为内置依赖，得自己 clone 到对应目录，部分训练项目还要按各自 README 拉模型、数据集和模拟器，硬件门槛不低。
- Python 版本碎片化。基础要 3.10+，但部分浏览器和记忆实验要 3.11+，第 8 章部分内置第三方组件要 3.12+。一条环境跑不全所有实验，得分章配。
- 实验 ≠ 已完成。
EXPERIMENT_STATUS.md单独跟踪执行状态，固定源码只建立复现起点，不代表训练、硬件、浏览器或多 Agent 实验已经执行。别以为 clone 完就万事大吉。
看法
ai-agent-book 命中的是「AI Agent 缺一本能从头读到尾、还能动手跑的体系书」这个真空白。它的护城河不是某一章多深，而是「系统化正文 + 可跑实验 + 多语言 + 开源免费」这四件套打满：10 章把原理到工程的叙事线补齐，95 个实验让读者不只是看而是能摸，13 种语言把门槛压到全球，Apache-2.0 + PDF 免费下载让它扩散得动。第 1 章那句「Harness 工程才是竞争力」是全书的眼--作者要讲的不是某个框架的用法，而是 Agent 工程的全景。
它适合两类人：一是想系统学 AI Agent、不满足于零散教程的开发者；二是做 Agent 方向研究、需要可复现实验起点的研究者。门槛是你得有 Python 环境、愿意配 API Key，真要跑第 7 章训练实验还得有 GPU。和厂商文档比，它的优势是不绑某一家框架、不卖货，第 4 章讲工具时不会只推自家 MCP 实现，第 6 章讲评估时把主流基准摆一起比；和论文比，它的优势是每章落地成可跑实验，不是停在概念。如果你只想要个 Agent 入门科普，这本书可能略硬；但如果你要的是「能落地、能复现、能追问为什么」的那一本，33,213 星和今天的 push 说明它就是。
参考来源
- ai-agent-book GitHub 仓库：https://github.com/bojieli/ai-agent-book
- 在线阅读（多语言/章节折叠/全文搜索）：https://bojieli.github.io/ai-agent-book/
- OpenGithubs 周榜：https://github.com/OpenGithubs/github-weekly-rank
- 星数/fork/语言/许可证/创建与 push 时间依据 GitHub API（2026-08-06 核实，33,213 stars）
- 章节主题、配套项目数、实验轨道、编译流程、多语言清单依据仓库 README（2026-08-06）