描述
內容簡介
| ★以 LangGraph 1.0 從零打造 AI 代理的完整實戰指南
★從大語言模型到代理：釐清代理的核心價值與應用版圖 ★環境安裝與大模型設定，含 Qwen3 網頁版與線上 API 實戰 ★LangGraph 程式設計基礎：工作流架設、工具呼叫與輸出範式 ★掌握 Map 與 Reducer，處理大量與彙整型任務 ★建構圖的多條件分支與節點平行化處理 ★九大代理設計模式循序拆解，從反應式到 Supervisor ★ReAct 範式與 create_agent 預建構模組、中介軟體詳解 ★記憶系統：短期儲存與長期記憶的載入與整理 ★規劃與執行：整合 tavily 網路搜尋的代理實戰 ★上下文工程：提示詞設計、上下文污染與卸載策略 ★多代理實戰：共用空間驅動與主代理驅動的協作系統
本書共分12章 ◼第 1 章初識代理，從大語言模型談到代理的應用並解析 LangGraph 1.0 ◼第 2 章講 Agent 環境安裝與大模型設定，涵蓋 Python 環境、Qwen3 API 與 Hello Agent 實戰 ◼第 3 章介紹程式設計基礎，含工作流架設、工具呼叫範式、Map 與 Reducer、輸出範式，並帶出設計模式一反應式代理與自動導航 ◼第 4 章講多條件分支與節點平行化 ◼第 5 章為設計模式二 ReAct，詳解 ToolNode、create_agent 與中介軟體 ◼第 6 章為設計模式三記憶系統，涵蓋記憶儲存與長期記憶整理 ◼第 7 章為設計模式四規劃與執行，結合 tavily 搜尋實戰 ◼第 8 章為設計模式五上下文工程，探討提示詞、上下文污染與卸載 ◼第 9 章進入多代理實戰 ◼第 10 至 12 章為案例實戰，依序是新能源車文案設計、共用空間驅動的多代理，以及主代理驅動的多代理與 Supervisor 模式。 |
作者簡介
| 王曉華
高校計算機專業講師，研究方向為雲計算、大數據與人工智慧。其著作包括 《AI Agent 智能體與MCP開發實踐：基於Qwen3大模型》 《DeepSeek原生應用與智能體開發實踐》 《LLM 開源大物 - DeepSeek 深入技術多模態開發》 《深入探索Mamba模型架構與應用》 《PyTorch深度學習與計算機視覺實踐》 《PyTorch語音識別實踐》 《ChatGLM大模型本地部署、應用開發與微調》 《新範式來臨 - 用 PyTorch 了解 LLM 開發微調 ChatGLM 全過程》 《PyTorch 2.0深度學習從零開始》 |
目錄
| ▍第 1 章 初識代理
1.1 從大型語言模型到代理 1.1.1 代理的誕生 1.1.2 代理的核心能力與技術支柱 1.2 代理革新日常應用 1.2.1 代理重塑應用 1.2.2 代理建構過程 1.3 LangGraph 1.0 開發框架全面解析 1.3.1 LangGraph 新技術底座 1.3.2 LangGraph 讓Agent 開發更快、更靈活 1.4 本章小結 ▍第 2 章 Agent 環境安裝與大型語言模型設定 2.1 Python 環境的安裝與設定 2.1.1 Miniconda 的下載與安裝 2.1.2 PyTorch 的下載與安裝 2.1.3 PyCharm 的安裝與使用 2.2 網頁版Qwen3 的使用 2.2.1 網頁版Qwen3 的註冊與基本使用 2.2.2 不同提示（Prompt）對回答的影響 2.3 Qwen3 線上API 的使用 2.3.1 線上Qwen3 註冊與基本使用 2.3.2 不同API 呼叫Qwen3 的範例 2.4 Hello Agent 實戰 2.4.1 透過API 呼叫Qwen3 2.4.2 基於LangGraph 建構Agent 2.5 本章小結 ▍第 3 章 LangGraph 程式設計基礎 3.1 LangGraph 與工作流程建立 3.1.1 LangGraph 基礎介紹 3.1.2 LangGraph 元件 3.1.3 LangGraph 中的State 3.1.4 LangGraph 中的Node 3.1.5 LangGraph 中的Edges 3.2 LangGraph 中的基本輸入及工具呼叫範式 3.2.1 LangGraph 中的提示詞 3.2.2 LangGraph 中的工具定義與呼叫 3.2.3 基於LangGraph 實作的工具使用代理 3.3 LangGraph 中的Map 與Reducer 3.3.1 LangGraph 中的Map 3.3.2 LangGraph 中的Reducer 3.3.3 各司其職的Map 與Reducer 3.3.4 State 中的輔助參數BaseModel、Annotated 與Literal 詳解 3.4 LangGraph 中的輸出範式 3.4.1 LangGraph 中的格式化輸出1：StrOutputParser 3.4.2 LangGraph 中的格式化輸出2：JSON 格式 3.4.3 LangGraph 中的格式化輸出3：可控的JSON 格式 3.5 代理設計模式1：反應式代理與自動導航案例 3.5.1 初識反應式代理 3.5.2 反應式室內清掃代理設計 3.5.3 反應式室內清掃代理的實作 3.5.4 模擬場景下的清掃代理視覺化示範 3.6 本章小結 ▍第 4 章 建構圖的多條件分支 4.1 多場景條件分支 4.1.1 多條件分支實戰 4.1.2 LangGraph 的串流輸出 4.1.3 Command 命令完成節點內部的跳轉 4.2 LangGraph 節點的平行化處理 4.2.1 LangGraph 中的平行化實戰 4.2.2 平行化實戰中Reducer 的妙用 4.3 本章小結 ▍第 5 章 代理設計模式 2：ReAct 5.1 ToolNode 詳解與重新包裝 5.1.1 ToolNode 詳解 5.1.2 ToolNode 中的工具呼叫 5.2 ReAct 設計範式 5.2.1 初識ReAct 與實作 5.2.2 基於大型語言模型的ReAct 詳解 5.3 替代ReAct 的預建構create_agent 模組詳解 5.3.1 create_agent 的基礎使用 5.3.2 使用create_agent 建構ReAct 5.4 create_agent 的結構化輸出與輸入 5.4.1 create_agent 中的結構化輸出格式 5.4.2 create_agent 中的輸入重構 5.5 create_agent 中介軟體middleware 詳解 5.5.1 中介軟體的使用 5.5.2 中介軟體裝飾器詳解 5.5.3 使用中介軟體裝飾器動態重構輸入格式 5.6 本章小結 ▍第 6 章 代理設計模式 3：記憶系統 6.1 LangGraph 中的記憶儲存 6.1.1 基於記憶體的短期記憶 6.1.2 基於持久化儲存的長期記憶儲存 6.2 LangGraph 中的長期記憶載入與整理 6.2.1 基於持久化儲存的長期記憶預載入1：拼接提示詞 6.2.2 基於持久化儲存的長期記憶預載入2：before_agent 中介軟體的使用 6.2.3 基於持久化儲存的長期記憶預載入3：before_model 與檢索整理 6.2.4 before_agent 與before_model 的使用差異 6.3 本章小結 ▍第 7 章 代理設計模式 4：規劃與執行 7.1 網路搜尋工具tavily 詳解 7.1.1 tavily 搜尋引擎註冊 7.1.2 tavily 使用詳解 7.2 結合tavily 搜尋的代理實戰 7.2.1 基於create_agent 的多工具呼叫實戰 7.2.2 完整建立的LangGraph 多工具呼叫代理 7.3 LangGraph 中TypedDict 與BaseModel 的共通與巢狀結構 7.3.1 LangGraph 中TypedDict 與BaseModel 的共通點 7.3.2 LangGraph 的狀態空間進階：多類型資料巢狀結構 7.4 基於代理規劃的成長指導 7.4.1 目標抽象：從「經驗驅動」到「目標驅動」 7.4.2 步驟明確：從「模糊願景」到「清晰藍圖」 7.4.3 執行實踐：從「靜態邏輯」到「動態循環」 7.5 本章小結 ▍第 8 章 代理設計模式 5：上下文工程 8.1 上下文工程中的提示詞 8.1.1 提示詞範本PromptTemplate 8.1.2 提示詞設計規範 8.1.3 帶有人格描述的提示詞範本 8.2 上下文污染與上下文卸載 8.2.1 上下文污染 8.2.2 上下文卸載 8.3 本章小結 ▍第 9 章 多代理實戰 9.1 初識多代理 9.1.1 單代理與多代理 9.1.2 多代理的應用場景 9.2 多代理基礎設計模式實戰 9.2.1 多代理設計模式6：管線式 9.2.2 多代理設計模式7：反思 9.3 本章小結 ▍第 10 章 案例實戰：結合長短期目標的新能源車文案設計 10.1 文案設計的基礎知識 10.1.1 基於業務要求的背景和歷史文案蒐集 10.1.2 Embedding 編碼與歷史文字查詢 10.1.3 文案目標定義與生成 10.2 文案設計的代理實戰 10.2.1 文案生成中不同角色的定義與抽象 10.2.2 角色的動態生成函式 10.2.3 結合長短期目標的新能源車文案 10.2.4 多代理設計模式8：Swarm 10.3 本章小結 ▍第 11 章 案例實戰：共用空間驅動的多代理 11.1 多代理的共用空間驅動 11.2 多代理的共用空間驅動實戰 11.2.1 基於共用空間驅動的多代理實戰 11.2.2 管控全域的共用空間詳解 11.3 本章小結 ▍第 12 章 案例實戰：主代理驅動的多代理 12.1 多代理角色的定義與實作 12.1.1 主狀態空間的定義 12.1.2 多代理「專家」角色設定 12.1.3 多代理「主管」角色設定 12.2 多代理設計模式9：Supervisor 12.2.1 角色建構與路由分析 12.2.2 Supervisor 模式的多代理實戰 12.3 本章小結 |
序
| 前言
背景 隨著大型語言模型技術的成熟，AI 代理已從概念走向實用，成為革新應用場景的核心力量，但開發者常面臨框架因應難、設計模式模糊、多代理協作實踐受阻等問題。LangGraph 1.0 作為輕量靈活的代理開發框架，為解決這些痛點提供了新路徑，卻缺乏系統化的實戰指引。同時，企業對主代理驅動、共用空間協作等多代理架構的需求激增，極需兼具技術深度與實踐性的參考資料。因此，本書以LangGraph 1.0 為核心，緊扣開發者從入門到實戰的需求，整理代理開發全流程，覆蓋開發環境設定、核心元件及9 種代理設計模式，結合真實業務案例，助力開發者快速掌握多代理技術，並能快速因應實際業務場景。 寫作目的 本書的寫作目的在於為AI 代理開發者提供系統性的實戰指引，破解其入門方向迷茫、框架使用生疏以及多代理實踐困難等問題。本書以LangGraph 1.0 為核心，按「基礎－進階－實戰」的路徑，清晰拆解環境設定、元件應用、設計模式等關鍵知識，結合Qwen3 呼叫、多代理協作等實作內容，助力開發者快速掌握技術，並透過真實案例將理論轉為實踐能力，滿足企業對多代理開發的實際需求。 本書特點 （1）結合大型語言模型與LangGraph 框架：本書深入探討大型語言模型到AI 代理的演進邏輯、代理核心能力及技術支柱，解析LangGraph 1.0 作為獨立平行執行引擎的技術底座價值，為讀者築牢代理開發的背景知識。 （2）技能體系完整全面：本書按「基礎－進階－實戰」的路徑，覆蓋Agent 開發環境設定、Qwen3 模型呼叫、LangGraph 元件使用、多條件分支建構等流程，詳解9 種代理設計模式，提供從基礎建立到多代理協作的完整開發指引。 （3）範例與實戰案例豐富：本書包含豐富的實踐案例，既有反應式室內清掃代理這類技術驗證場景，也有新能源車文案設計、共用空間、主代理驅動多代理等業務實戰，融入tavily 搜尋、Embedding 編碼等工具使用，覆蓋單代理、多代理的開發場景。 （4）簡明易懂，快速上手：本書採用通俗易懂的文字表達，配套詳細的環境安裝步驟、程式實作邏輯分析及章節小結，結合工具呼叫範式、輸出格式等具象化內容，搭配模擬示範說明，助力不同層次的開發者快速上手。 （5）理論與實踐相結合：本書既闡釋LangGraph 狀態管理、上下文工程等理論知識，又透過「技術解析+ 案例實踐」的方式，讓讀者掌握代理設計模式在實際業務中的應用技巧，實作理論認知到開發能力的轉換。 本書適合的讀者 • LangGraph 初學者：本書以LangGraph 1.0 為核心，按「基礎—進階—實戰」的路徑，清晰拆解環境設定、元件應用、設計模式等關鍵知識，助力初學者掌握LangGraph 開發代理的方法。 • AI Agent 開發初學者：本書從Python 環境設定、Qwen3 模型使用等基礎操作入手，逐步覆蓋LangGraph 元件應用、簡單代理建構，一步步講解開發全流程，幫助零基礎讀者快速入門代理開發。 • AI Agent 開發人員：本書深度解析LangGraph 1.0 的狀態管理、節點平行化等核心技術，詳解9 種代理設計模式及多代理協作邏輯，助力開發人員提升技術深度與專案實踐能力。 • 大型語言模型應用程式開發人員：本書以「環境設定—基礎模型呼叫—基礎工具整合—基礎專案實戰」為脈絡，融入Qwen3 API 呼叫、tavily搜尋工具的使用等內容，幫助其建構完整的代理開發架構，拓展技術邊界。 • 代理產業解決方案提供商：本書包含新能源車文案設計、共用空間驅動等多場景實戰案例，解析Swarm、Supervisor 等多代理模式，為電子商務、空間服務等領域的解決方案設計提供參考。 • 學習AI 大型語言模型相關課程的學生： 本書兼顧代理基礎理論與LangGraph 最新技術，配套豐富的範例與專案案例，支撐「理論—實踐—專案」教學循環，可作為大專院校AI Agent 開發課程的實用教材。 |
