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 Agentic AI 的另一个成熟度模型51
3.1.2 智能体的粒度53
3.2 业务流程自动化的层级化智能体架构53
3.2.1 核心组件：智能体及其能力54
3.2.2 层级结构：编排者与专家55
3.2.3 通过回调机制实现治理与可观测性56
3.3 上下文增强：第一阶段，利用 RAG 进行增强57
3.3.1 RAG 驱动的客服智能体58
3.3.2 利用 RAG 获取即时市场洞察的金融分析智能体60
3.3.3 利用 RAG 辅助交易监控的合规智能体63
3.3.4 场景分析66
3.4 提升智能体能力的微调技术67
3.4.1 领域专业化67
3.4.2 微调的技术梯度：从参数高效微调到全量微调67
3.5 利用上下文学习实现智能体自适应70
3.6 模型输出的锚定 73
本章小结75
第Ⅱ部分 Agentic AI：架构与设计模式
第4章 Agentic AI架构：组件与交互78
4.1 定义智能体：核心概念与能力79
4.1.1 大语言模型79
4.1.2 自动化工作流80
4.1.3 AI 智能体80
4.2 智能体的解构81
4.2.1 案例研究：旅行规划智能体82
4.2.2 案例研究：Agentic贷款处理系统83
4.3 智能体的数据存储与环境上下文86
4.4 智能体交互模型与关键特性88
4.4.1 架构特性89
4.4.2 智能体交互模型89
4.5 智能体架构的技术考量91
本章小结92
第5章 多智能体协作模式93
5.1 协调模式实施战略指南94
5.2 智能体路由模式(基于意图的路由)97
5.3 任务委派框架100
5.3.1 监督者架构(中心化编排)101
5.3.2 群体架构(涌现式去中心化协作)103
5.4 智能体组合拓扑结构107
5.4.1 黑板协作架构107
5.4.2 合同网市场(中介+竞标)109
5.4.3 具备能力保护的监督树112
5.5 多智能体规划114
5.6 知识共享模式117
5.7 多智能体环境下的工具路由模式120
5.8 共识模式123
5.9 智能体谈判模式126
5.10 资源分配模式130
5.11 冲突解决模式134
5.12 编队控制模式139
本章小结142
第6章 可解释性与合规性智能体模式144
6.1 可解释性与合规性模式实施战略指南144
6.2 指令忠实度审计模式 145
6.3 分形思维链嵌入模式149
6.4 持久化指令锚定模式152
6.5 共享认知记忆模式155
6.6 模式组合实现系统级可靠性159
本章小结159
第7章 稳健性与容错模式161
7.1 实施稳健性模式的策略指南162
7.1.1 智能体稳健性的五个层级162
7.1.2 系统集成架构：模式如何协同工作163
7.1.3 模式链实践：贷款申请示例163
7.1.4 衡量稳健性：评估的核心指标164
7.2 并行执行共识模式165
7.3 延迟升级策略模式168
7.4 看门狗超时监督器模式171
7.5 带提示词变异的自适应重试模式174
7.6 智能体自愈恢复模式178
7.7 增量检查点模式181
7.8 多智能体多数投票模式185
7.9 因果依赖图模式188
7.10 智能体自我防御模式192
7.11 智能体网格防御模式195
7.12 执行隔离(沙箱化)模式199
7.13 优化传输开销模式202
7.14 限流调用模式205
7.15 回退模型调用模式208
7.16 信任衰减与评分模式211
7.17 金丝雀智能体测试模式214
本章小结217
第8章 人机交互模式219
8.1 人机交互模式实施战略指南219
8.1.1 人机交互的等级220
8.1.2 系统集成架构：各模式如何协同工作220
8.1.3 模式链实战：企业差旅预订示例221
8.1.4 衡量成功：按模式划分的评估指标222
8.2 智能体请求人工介入(人在回路)模式222
8.3 人类委托给智能体模式226
8.4 人类调用智能体模式230
8.5 智能体委托给智能体模式233
8.6 智能体调用Proxy智能体模式236
本章小结240
第9章 智能体级模式241
9.1 实施智能体级模式的战略指南242
9.1.1 实现智能体能力所需的组件242
9.1.2 智能体内部架构：各模式如何协同工作243
9.2 单智能体基准244
9.3 智能体特定的上下文与记忆模式246
9.4 RAG 感知模式250
9.5 结构化推理与自我修正模式254
9.6 多模态感知输入模式258
9.7 企业落地指南261
9.8 衡量成功：各模式的评估指标261
本章小结262
第10章 生产就绪的系统级模式263
10.1 系统级模式实施战略指南264
10.1.1 将系统级模式映射到生成式 AI 成熟度模型264
10.1.2 系统集成架构：投产准备的蓝图265
10.1.3 模式串联实践：自动化供应链示例266
10.1.4 企业落地指南267
10.2 工具与智能体注册表模式268
10.3 实时合规性监测模式271
10.4 智能体身份验证与授权模式276
10.5 事件驱动型响应模式280
本章小结285
第11章 高级适配：构建具有学习能力的智能体286
11.1 自我改进飞轮：持续学习模型287
11.2 模型：生产级智能体运行框架288
11.3 混合(规划器 + 评分器)架构模式289
11.4 自定义评估指标模式292
11.5 基于偏好控制的合成数据生成模式295
11.6 高级模型微调模式298
11.7 协同进化智能体训练模式299
11.8 对抗性测试与红队测试模式303
11.9 成本管理与Token经济学模式305
11.10 衡量业务价值模式308
本章小结312
第Ⅲ部分 落地实践：战略、应用场景与未来展望
第12章 实践路线图：按成熟度等级实施智能体模式315
12.1 等级1—基础系统(基础成熟度)316
12.1.1 核心架构原则316
12.1.2 待实施模式316
12.1.3 实施重点317
12.1.4 最终系统状态与影响318
12.2 等级 2—生产就绪服务(中级成熟度)318
12.2.1 核心架构原则319
12.2.2 待实施模式319
12.2.3 实施重点320
12.2.4 最终系统状态与影响321
12.3 等级 3—自进化生态系统(高级成熟度)321
12.3.1 核心架构原则322
12.3.2 待实施模式322
12.3.3 实施重点323
12.3.4 最终系统形态与影响324
12.4 智能体路线图：战略反思指南324
12.4.1 旅程开启：立足当下324
12.4.2 夯实基础：什么是最小可行智能体325
12.4.3 规模化构建：通往生产环境之路325
12.4.4 迈向自主化：北极星指标326
12.4.5 路线图总结表326
本章小结327
第13章 应用案例：用于贷款处理的单智能体328
13.1 技术要求329
13.2 挑战：高风险工作流329
13.3 利用 FCoT 框架引导智能体思维330
13.4 设计单体智能体330
13.5 在 Colab 笔记本中构建智能体331
13.5.1 环境配置与依赖项332
13.5.2 定义工具333
13.5.3 配置智能体的思维模型335
13.6 执行与分析339
13.6.1 运行正常路径342
13.6.2 运行异常路径：处理拒绝场景344
13.7 从等级 5 到等级 6：进化路线图346
13.7.1 增强稳健性与韧性347
13.7.2 通过专业化提升可维护性347
13.7.3 通过模块化应对更高复杂度348
本章小结348
第14章 应用案例：用于贷款处理的多智能体系统350
14.1 技术要求351
14.2 层级化智能体架构351
14.3 构建多智能体系统353
14.3.1 为专家配备专属工具353
14.3.2 创建专家智能体团队354
14.3.3 增加生产环境防护栏356
14.3.4 重塑编排器的“大脑”357
14.3.5 执行与分析358
14.4 实践中的模式考察363
14.4.1 模式：监督者模式 (AI 编排器或元智能体) 架构363
14.4.2 模式：智能体委派智能体364
14.4.3 模式：FCoT365
14.5 将案例映射到Agentic AI 等级366
14.5.1 等级 3：能力出众但脆弱的单体系统366
14.5.2 等级 4：具备韧性的协作团队366
14.5.3 超越等级 4：智能体协作的未来366
本章小结367
第15章 智能体框架——应用案例：使用CrewAI和LangGraph构建的贷款处理多智能体系统369
15.1 技术要求370
15.2 Google ADK370
15.3 CrewAI371
15.4 LangGraph372
15.5 三大框架的异同373
15.5.1 相似之处373
15.5.2 核心差异373
15.5.3 综合对比分析：ADK、CrewAI 与 LangGraph374
15.6 重新实现贷款智能体：实战对比375
15.6.1 实现方式 1：CrewAI(协作团队模式)379
15.6.2 实现方式 2：LangGraph(状态机模式)384
15.7 可观测性与负责任的 AI 考量391
15.7.1 实践中的可观测性391
15.7.2 实现负责任的 AI392
15.8 选择框架的建议393
15.9 框架：智能体成熟度的助推器394
本章小结396
第16章 结语：规划Agentic AI之旅398
16.1 案例研究398
16.1.1 案例研究 1：自动化金融合规智能体398
16.1.2 案例研究 2：IT 基础设施修复智能体399
16.2 核心要点回顾400
16.2.1 生成式 AI 成熟度模型：您的路线图400
16.2.2 智能体远不止是提示词401
16.2.3 架构模式是您的架构蓝图401
16.2.4 框架加速设计，但不能替代设计402
16.2.5 生产环境需要全局方法402
16.3 实现更高水平的智能体成熟度402
16.3.1 评估组织的当前状态403
16.3.2 识别高影响力的用例403
16.3.3 定义“模式优先”架构403
16.3.4 建立治理与护栏404
16.3.5 迭代与改进405
16.4 从业人员的行动计划405
16.4.1 掌握一个智能体框架405
16.4.2 建立模式思维406
16.4.3 锻炼 AgentOps 能力407
16.4.4 倡导负责任的 AI408
16.4.5 从业人员行动计划摘要408
总结与感悟409
作者致辞411
