Agentic多智能体架构模式
王昊奋和黄佳联袂作序推荐。生成式AI已经走出炒作阶段,企业如今面临的挑战,是如何将原型转化为可扩展的解决方案。本书将指导你构建由大语言模型驱动的智能智能体。

作者:[美]阿里·阿尔桑贾尼博士(Dr. Ali Arsanjani)胡安·巴勃罗·布斯托斯(Juan Pablo Bustos)著 茹炳晟 曹洪伟 殷海英 译

定价:128元

印次:1-1

ISBN:9787302720799

出版日期:2026.07.01

印刷日期:2026.07.07

图书责编:王军

图书分类:零售

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

"《Agentic多智能体架构模式》从生成式Al成熟度模型讲起,帮助你评估所在组织的准备程度,并制定迈向Agentic Al采用的路线图。你将掌握模型选择和大语言模型部署等基础主题,进而学习RAG、微调、上下文学习和LLMOps等高级方法,尤其聚焦于Agentic Al场景。本书提供丰富的Agentic Al设计模式多智能体架构模式库,用于解决协作、可解释性、容错以及人与智能体交互等问题。本书介绍了一种具体的分层式多智能体架构,在这种架构中,高层编排智能体通过将完整子流程委派给专门的智能体,来管理复杂的业务工作流。你将看到这些智能体如何使用A2A协议进行协作与通信。 为确保系统可投入生产,我们提供了基于生命周期回调的可观测性实用框架,赋予您调试、合规和成本管理所需的细粒度可追溯能力。每种模式均配有真实场景和基于开源项目Agent开发套件(ADK)的代码示例。 你将学到什么 ·应用设计模式来处理指令漂移,改进协作,并构建具备容错能力的AI系统 ·设计具有三层Agentic技术栈(函数调用、MCP、A2A协作)的系统 ·开发负责任、合乎伦理且可治理的生成式AI应用 ·结合代码示例使用ADK、LangGraph和CrewAl等框架 ·掌握提示词工程、LLMOps和AgentOps的**实践 ·利用RAG、微调和上下文学习构建Agentic系统"

"阿里·阿尔桑贾尼博士是一位卓越的技术高管,他将严谨的架构设计、大规模组织战略与产业化落地的执行力完美结合。作为公认的“面向服务架构之父”,他曾领导多个组织的转型项目。目前,他担任 Google 云应用人工智能的工程总监,领导“生成式人工智能黑带”卓越中心,该中心致力于打通研究、前沿部署工程与企业级落地。在这一职位上,他推动了与 Google 核心客户及合作伙伴的战略协同工程项目,加速了企业对生成式人工智能和Agentic AI的采纳。阿里·阿尔桑贾尼博士曾任亚马逊云科技机器学习负责人及 IBM 分析业务首席技术官,管理过超过 6000 人的全球专业团队。作为IBM 首席发明家,他拥有多项核心专利,在服务拆分和上下文感知路由方面做出了开创性贡献。如今,他正致力于生成式人工智能和Agentic AI的开拓,引入了**实践和协议(如智能体间协议),以确保自主系统保持透明、可审计并符合伦理治理规范。作为一名热心的教育家,他在玛赫西国际大学、加州大学圣地亚哥分校和圣何塞州立大学担任兼职教授,影响了数千名学生。他的学术成果被引用超过 4800 次,涵盖企业架构、分布式系统和神经机器交互等领域。阿里·阿尔桑贾尼博士始终将深厚的技术造诣与战略眼光相结合,是引领智能体时代的核心力量。胡安·巴勃罗·布斯托斯是一位处于生成式人工智能革命最前沿且富有远见的技术领袖。他曾供职于 Google、Stripe 和亚马逊云科技等行业巨头,专长于推动企业级人工智能的工程化落地。目前他任职于 Google,担任多家《财富》50 强企业及全球机构的战略合作伙伴,指导这些组织引入Agentic AI的复杂全生命周期—从识别高价值用例到大规模部署多智能体系统。胡安具备一种独特的能力,能够敏锐洞察复杂挑战的宏观全局与微观细节,将高层业务战略无缝转化为严谨的技术架构。他致力于赋能各类组织,使其跨越技术实验阶段,通过前沿技术实现变革性价值。"

行业名家力荐 《Agentic 多智能体架构模式》内容紧凑、好读易上手。全书摒弃深奥的理论,将多智能体系统设计拆解为清晰可复用的架构模式,条理分明、层层递进。配合真实业务场景与框架代码,从基础概念到生产落地,即便是入门读者也能顺畅阅读,快速掌握多智能体开发的核心方法。 朱征宇 | 上海流程智造科技创新研究院常务副院长 在多元的技术选型中,如何设计高可控、可扩展的复杂业务流,是当前大模型工程化落地的心腹难题。本书的核心价值,恰恰在于对系统底层架构的深度剖析。 作者以清晰的工程思维为主线,将复杂的流转逻辑抽丝剥茧。书中结合LangGraph的状态管理实践,不仅展示了具体工具的落地细节,更透视了现代应用架构的设计本质。 尽管各类框架各有千秋,但书中沉淀的架构方法论具有很好的普适性。对于正在攻克复杂工程或寻找系统演进方案的技术人员来说,这是一份严谨且务实的架构指南。 张海立 | LangChain 社区官方大使,《LangGraph实战》《LangChain实战》作者 大模型和Agent站在技术浪潮之巅,常被过度包装与神化。我们必须秉持清醒的认知,回归工程本质,Agentic工程与经典的软件工程并无本质不同,核心还是数据流与控制流,从工程角度来看,大模型和数据库、缓存、消息队列这些伟大的技术一样,都是工程中的能力组件,只不过带来了新的能力边界和架构定位,而要在工程中驾驭这个新能力,就需要系统化考虑各项细节。本书就是对这些细节的全面盘点与指引,唯有充分掌握并理解这些细节,才能通过精巧、严谨的工程设计创造“展现出智能”的生产级Agent应用。 梁博 博士 | 上...

目录
荐语
查看详情 查看详情
目录

第Ⅰ部分 基础与核心智能体概念

第1章 企业中的生成式AI:现状、成熟度与智能体焦点2

1.1 生成式 AI 的变革潜力3

1.2 业务应用概述5

1.2.1 跨职能应用5

1.2.2 特定行业应用7

1.3 Agentic AI 系统介绍8

1.4 Agentic AI 的构造8

1.4.1 核心组件9

1.4.2 核心架构特性11

1.5 生成式 AI 成熟度模型:通向智能体系统之路12

1.6 新型智能体技术栈15

1.6.1 实现智能体通信:从工具到协作15

1.6.2 智能体内部构造17

1.7 生成式AI投入生产应用的挑战17

本章小结20

第2章 智能体就绪型大语言模型:选择、部署与适配22

2.1 大语言模型在智能体系统中的角色23

2.2 模型选型:选择合适的基础模型26

2.2.1 上下文窗口大小27

2.2.2 智能体大模型的规模与专业化28

2.2.3 原生支持工具使用与函数调用31

2.2.4 模型的稳健性、可靠性与安全性32

2.2.5 适配能力与微调潜力33

2.2.6 其他关键选型考量35

2.3 智能体的部署与性能优化37

2.3.1 智能体大语言模型的推理服务架构37

2.3.2 性能优化策略39

2.3.3 工具交互优化40

2.3.4 智能体大模型部署的安全考量41

2.4 AgentOps:智能体系统中的大模型管理43

本章小结47

第3章 智能体的大语言模型适配谱系:从检索增强生成到微调49

3.1 从通用大模型到专业化智能体50

3.1.1 Agenti... 查看详情

《Agentic多智能体架构模式》并非一本单纯的工具手册,而是一部极具雄心的“模式语言”。它从企业生成式AI的现状与成熟度模型出发,逐步揭开智能体就绪型大语言模型的选择与适配、智能体架构的核心组件,进而深入多智能体协作、可解释性与合规性、容错与健壮性、人机交互等系统级设计模式。尤为珍贵的是,它将抽象的模式落到了具体的实现上:从利用Google Gemini模型与ADK,到CrewAI和LangGraph等流行框架的对比实践,再到金融贷款处理的完整单智能体与多智能体系统案例,形成了一条从理论到代码的清晰路径。


查看详情