Cinquième étape : Exploration des scénarios d'application de l'IA

Traduction bilingue anglais-chinois des modèles de conception Agentic, couvrant 21 modèles de conception d'agents intelligents IA, y compris le chaînage d'invites, le routage, la collaboration multi-agents et d'autres méthodes d'architecture de base, avec des exemples de code Python

Start Learning AI →
AIAgentAgenticPatternsMultiAgentGitHubTextFreeChinese-English

Modèles de Conception Agentiques - Explication Détaillée des Ressources d'Apprentissage sur les Modèles de Conception d'Agents Intelligents

📚 Aperçu du Cours

《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》 est un guide technique complet rédigé par Antonio Gulli, directeur principal et ingénieur distingué au bureau du CTO de Google, axé sur la construction de systèmes d'agents IA intelligents et autonomes.

Ceci est un guide pratique de 424 pages, couvrant les concepts fondamentaux et les méthodes pratiques de conception d'agents dans les systèmes d'intelligence artificielle modernes. Ce livre aide les développeurs à construire des systèmes d'agents complexes à partir de zéro, grâce à 21 modèles de conception éprouvés en pratique.

Contexte de l'Auteur

  • Nom: Antonio Gulli
  • Poste: Directeur principal et ingénieur distingué au bureau du CTO de Google
  • Expérience: Plus de 30 ans d'expérience dans l'IA, la recherche et les technologies cloud
  • Éducation: Doctorat en informatique de l'Université de Pise, Italie
  • Autres ouvrages: 《Deep Learning with Keras》

Informations sur l'Édition

  • Éditeur original: Springer
  • Nombre total de pages: 424 pages
  • Date de publication: 3 décembre 2025
  • Traduction chinoise: Version bilingue chinois-anglais fournie par ginobefun
  • Nature caritative: Tous les droits d'auteur du livre original seront reversés à Save the Children

🎯 Objectifs d'Apprentissage

Ce cours vise à aider les apprenants à :

  1. Comprendre les concepts fondamentaux des systèmes d'agents - Maîtriser ce qui fait d'un système d'IA un véritable "agent"
  2. Maîtriser 21 modèles de conception - Apprendre une pile technologique complète, des bases aux niveaux avancés
  3. Pratiquer le codage - Comprendre l'implémentation de chaque modèle à travers des exemples de code réels
  4. Construire des systèmes de niveau production - Apprendre à combiner les modèles pour créer des systèmes autonomes complexes
  5. Comprendre les meilleures pratiques - Acquérir des solutions et des conceptions architecturales éprouvées en pratique

📖 Structure du Contenu Principal

Chapitres Préliminaires

  • Dédicace (Dedication)
  • Remerciements (Acknowledgment)
  • Préface (Foreword)
  • La Perspective d'un Leader d'Opinion (A Thought Leader's Perspective)
  • Introduction (Introduction)
  • Qu'est-ce qui fait d'un système d'IA un "agent" ? (What makes an AI system an "agent"?)

21 Modèles de Conception Essentiels

Modèles Fondamentaux (Chapters 1-5)

Chapitre 1: Chaînage de Prompts (Prompt Chaining)

  • Concept: Modèle de décomposition de tâches "diviser pour régner"
  • Principe: Décomposer une tâche complexe en une série de sous-problèmes plus petits et plus gérables
  • Application: Chaque sous-problème est résolu indépendamment via des prompts spécialement conçus, la sortie de l'étape précédente servant d'entrée à l'étape suivante
  • Valeur: Former un pipeline de traitement logiquement clair

Chapitre 2: Routage (Routing)

  • Concept: Décision intelligente et distribution dynamique
  • Principe: Choisir le chemin d'action approprié en fonction de l'état de l'environnement, de l'entrée utilisateur ou du résultat de l'exécution
  • Application: Décider à quel module fonctionnel, outil ou sous-processus confier une requête
  • Valeur: Permettre à l'agent d'avoir des capacités de décision dynamique

Chapitre 3: Parallélisation (Parallelization)

  • Concept: Exécution concurrente et amélioration des performances
  • Principe: Exécuter plusieurs tâches indépendantes simultanément pour améliorer l'efficacité et la réactivité
  • Application: Transformer les opérations d'attente sérielle en exécution concurrente
  • Valeur: Technique clé pour optimiser les performances des workflows complexes

Chapitre 4: Réflexion (Reflection)

  • Concept: Auto-évaluation et amélioration itérative
  • Principe: Optimiser continuellement la qualité de la sortie en introduisant des boucles de rétroaction
  • Application: L'agent examine son propre travail, identifie les problèmes et génère une version améliorée
  • Valeur: Mécanisme d'auto-optimisation pour améliorer la qualité de la sortie

Chapitre 5: Utilisation d'Outils (Tool Use)

  • Concept: Intégration d'outils externes et d'API
  • Principe: Étendre les limites des capacités de l'agent
  • Application: Appeler des API externes, des bases de données, des outils de calcul, etc.
  • Valeur: Permettre à l'agent d'effectuer des opérations réelles

Modèles Intermédiaires (Chapters 6-11)

Chapitre 6: Planification (Planning)

  • Concept: Élaboration et exécution de plans multi-étapes
  • Application: Planification stratégique pour les tâches complexes

Chapitre 7: Collaboration Multi-Agents (Multi-Agent Collaboration)

  • Concept: Architecture de travail collaboratif
  • Application: Plusieurs agents collaborant pour accomplir des tâches complexes

Chapitre 8: Gestion de la Mémoire (Memory Management)

  • Concept: Gestion de la mémoire à court et à long terme
  • Application: Maintien du contexte et récupération d'informations historiques

Chapitre 9: Apprentissage et Adaptation (Learning and Adaptation)

  • Concept: Apprendre de l'expérience
  • Application: Amélioration continue et adaptation de l'agent

Chapitre 10: Protocole de Contexte de Modèle (Model Context Protocol - MCP)

  • Concept: Protocole d'interaction standardisé
  • Application: Communication standardisée entre agents

Chapitre 11: Définition et Suivi des Objectifs (Goal Setting and Monitoring)

  • Concept: Gestion dynamique des objectifs
  • Application: Suivi des objectifs et surveillance de la progression

Modèles Avancés (Chapters 12-21)

Chapitre 12: Gestion et Récupération des Exceptions (Exception Handling and Recovery)

  • Concept: Gestion élégante des erreurs
  • Application: Tolérance aux pannes et récupération du système

Chapitre 13: Humain dans la Boucle (Human-in-the-Loop)

  • Concept: Prise de décision collaborative homme-machine
  • Application: Intervention humaine aux points de décision critiques

Chapitre 14: Récupération de Connaissances (Knowledge Retrieval - RAG)

  • Concept: Technique de génération augmentée par la récupération
  • Application: Intégration dynamique de bases de connaissances

Chapitre 15: Communication Inter-Agents (Inter-Agent Communication - A2A)

  • Concept: Protocole de communication entre agents
  • Application: Systèmes d'agents distribués

Chapitre 16: Optimisation Sensible aux Ressources (Resource-Aware Optimization)

  • Concept: Gestion optimisée des ressources
  • Application: Équilibre entre coût et performance

Chapitre 17: Techniques de Raisonnement (Reasoning Techniques)

  • Concept: Amélioration des capacités de raisonnement
  • Application: Raisonnement logique complexe

Chapitre 18: Garde-fous/Modèles de Sécurité (Guardrails/Safety Patterns)

  • Concept: Mécanismes de garantie de sécurité
  • Application: Assurer un comportement sûr et contrôlé de l'agent

Chapitre 19: Évaluation et Surveillance (Evaluation and Monitoring)

  • Concept: Système d'évaluation des performances
  • Application: Mesure et surveillance de la qualité du système

Chapitre 20: Priorisation (Prioritization)

  • Concept: Gestion de la priorité des tâches
  • Application: Allocation des ressources et planification des tâches

Chapitre 21: Exploration et Découverte (Exploration and Discovery)

  • Concept: Mécanismes d'exploration autonome
  • Application: Découverte de nouvelles connaissances et solutions

Section Annexe

Annexe A: Techniques de Prompting Avancées (Advanced Prompting Techniques)

  • Conseils approfondis en ingénierie de prompts

Annexe B: Agents IA: Des Interfaces Graphiques aux Environnements du Monde Réel

  • Applications des agents dans différents environnements

Annexe C: Aperçu Rapide des Frameworks d'Agents

  • Comparaison des frameworks majeurs et guide de sélection

Annexe D: Construire des Agents avec AgentSpace

  • Tutoriel pratique sur la plateforme AgentSpace

Annexe E: Agents IA en Ligne de Commande

  • Développement d'agents dans un environnement CLI

Annexe F: Approfondissement: Mécanismes Internes des Moteurs de Raisonnement d'Agents

  • Détails techniques des moteurs de raisonnement

Annexe G: Agents de Codage (Coding Agents)

  • Génération de code et agents d'assistance à la programmation

💻 Frameworks Techniques

Ce livre utilise trois frameworks de développement d'agents majeurs comme "canevas" pratique :

1. LangChain & LangGraph

  • Caractéristiques: Construction flexible de séquences d'opérations complexes
  • Avantages: Écosystème mature, riche bibliothèque de composants
  • Application: Convient au prototypage rapide et à l'orchestration de processus complexes

2. Crew AI

  • Caractéristiques: Framework d'orchestration multi-agents structuré
  • Avantages: Axé sur les modèles de collaboration d'équipe
  • Application: Convient à la construction d'équipes d'agents collaboratifs

3. Google Agent Developer Kit (Google ADK)

  • Caractéristiques: Ensemble complet d'outils de développement fournis par Google
  • Avantages: Support complet pour la construction, l'évaluation et le déploiement
  • Application: Convient au développement d'applications de niveau entreprise

👥 Public Cible

1. Ingénieurs IA

  • Apprendre à construire des systèmes IA intelligents et fiables
  • Maîtriser les compétences de développement d'agents de niveau production

2. Architectes Logiciels

  • Comprendre la conception de systèmes de composants d'agents
  • Apprendre les modèles d'architecture de systèmes à grande échelle

3. Chefs de Produit

  • Comprendre les capacités et les limites de la technologie des agents
  • Mieux planifier les fonctionnalités des produits IA

4. Chercheurs

  • Apprendre les dernières méthodes de conception d'agents
  • Obtenir de l'inspiration pour les directions de recherche

5. Étudiants

  • Apprendre systématiquement l'intelligence artificielle et les systèmes d'agents
  • Jeter les bases d'une future carrière en IA

🚀 Comment Utiliser Ce Matériel

Suggestions de Parcours d'Apprentissage

1. Parcours de Lecture Séquentielle (Recommandé pour les débutants)

  1. Commencer par les chapitres préliminaires pour comprendre les concepts de base
  2. Apprendre les 21 modèles de conception dans l'ordre des chapitres
  3. Les chapitres suivants s'appuient sur les bases précédentes, progressant étape par étape

2. Parcours Orienté Thème (Pour les développeurs expérimentés)

  • Construction de Base: Chapitres 1-5
  • Collaboration et Mémoire: Chapitres 6-8
  • Fonctionnalités Avancées: Chapitres 9-17
  • Sécurité et Surveillance: Chapitres 18-19
  • Conseils d'Optimisation: Chapitres 20-21

3. Parcours Priorisant la Pratique

  1. Parcourir rapidement la partie théorique
  2. Exécuter directement les exemples de code
  3. Revenir en arrière pour une compréhension approfondie en cas de problème
  4. Modifier le code pour expérimenter

4. Mode Manuel de Référence

  • Utiliser ce livre comme manuel de référence pour les modèles de conception
  • Consulter les chapitres pertinents en cas de problèmes spécifiques
  • Participation et discussion communautaires

🛠️ Configuration de l'Environnement Pratique

Configuration de l'Environnement Local

1. Cloner le Dépôt

git clone https://github.com/ginobefun/agentic-design-patterns-cn.git
cd agentic-design-patterns-cn

2. Créer un Environnement Virtuel (Recommandé)

# Créer un environnement virtuel
python3 -m venv venv

# Activer l'environnement virtuel
# macOS/Linux:
source venv/bin/activate

# Windows:
venv\Scripts\activate

3. Installer les Dépendances

pip install langchain langchain-community langchain-openai langgraph

4. Configurer la Clé API

Créer un fichier .env :

touch .env

Ajouter dans le fichier .env :

# Clé API OpenAI
OPENAI_API_KEY=your-openai-api-key-here

# Ou utiliser OpenRouter (compatible OpenAI API)
OPENAI_API_KEY=your-openrouter-api-key-here
OPENAI_API_BASE=https://openrouter.ai/api/v1

5. Exécuter le Code Exemple

# S'assurer que l'environnement virtuel est activé
source venv/bin/activate

# Exécuter l'exemple du chapitre 1: Chaînage de Prompts
python codes/Chapter-01-Prompt-Chaining-Example.py

# Exécuter le code d'autres chapitres
# python codes/Chapter-XX-Example.py

Environnement en Ligne (Google Colab)

  • Chaque fichier d'exemple de code contient un lien Google Colab
  • Peut être exécuté directement en ligne, sans configuration locale
  • Convient pour l'expérimentation et l'apprentissage rapides

Remarques

  • 🔑 Sécurité de la Clé API: Ne jamais soumettre de fichier .env contenant de vraies clés API au contrôle de version
  • 💰 Coûts API: L'exécution du code entraînera des frais d'appel API, veuillez faire attention à votre consommation
  • 🌐 Connexion Réseau: Nécessite une connexion réseau pour accéder aux services API LLM
  • 🔄 Compatibilité: Prend en charge l'API OpenAI et les services compatibles avec l'API OpenAI (comme OpenRouter)

📝 Normes de Traduction

Caractéristiques du Format

  • Marquage en surbrillance: Le contenu chinois utilise <mark>texte</mark> en surbrillance jaune
  • Comparaison bilingue: Le paragraphe anglais est suivi de sa traduction chinoise
  • Traitement des termes: Les termes importants sont conservés en anglais, avec la traduction chinoise entre parenthèses
  • Règles d'espacement: Ajouter un espace entre le chinois et l'anglais, et entre les chiffres

Principes de Traduction

  • Précision: Fidélité à 100% au sens original
  • Fluidité: Conforme aux habitudes d'expression chinoises
  • Professionnalisme: Maintenir la rigueur des documents techniques
  • Cohérence: Uniformité de la traduction des termes

🌟 Valeur et Caractéristiques Essentielles

1. Systématicité et Exhaustivité

  • 21 modèles de conception couvrant tous les aspects du développement d'agents
  • Un parcours d'apprentissage complet, des bases aux niveaux avancés
  • Théorie et pratique étroitement liées

2. Orienté Pratique

  • Chaque chapitre fournit des exemples de code réels et exécutables
  • Implémentations réelles basées sur des frameworks majeurs
  • Peut être directement appliqué en environnement de production

3. Support Multi-Frameworks

  • Exemples LangChain/LangGraph
  • Exemples Crew AI
  • Exemples Google ADK
  • Apprentissage de modèles génériques inter-frameworks

4. Gratuit et Ouvert

  • Livre original disponible gratuitement
  • Traduction chinoise en open source
  • Amélioration continue par la communauté

5. Autorité

  • L'auteur est un expert senior du bureau du CTO de Google
  • Possède 30 ans d'expérience dans l'industrie
  • Contenu validé par la pratique

🤝 Participation Communautaire

Comment Contribuer

  1. Rapports d'Erreurs - Découvrir des erreurs de traduction ou des problèmes de formatage
  2. Améliorations de Traduction - Proposer de meilleures suggestions de traduction
  3. Traduction de Chapitres - Participer à la traduction de chapitres non terminés
  4. Relecture et Révision - Aider à relire les chapitres déjà traduits

Processus de Contribution

  1. Fork ce dépôt
  2. Créer une branche de fonctionnalité (git checkout -b feature/your-contribution)
  3. Soumettre les modifications (git commit -m 'Add: your contribution')
  4. Pousser vers la branche (git push origin feature/your-contribution)
  5. Créer une Pull Request

📚 Ressources Associées

Liens Officiels

Documentation des Frameworks

💡 Conseils d'Apprentissage

Débutants

  1. Commencer par les chapitres préliminaires pour comprendre les concepts de base des agents
  2. Se concentrer sur les 5 premiers chapitres de modèles fondamentaux
  3. Exécuter au moins une fois les exemples de code de chaque chapitre
  4. Essayer de modifier les paramètres du code pour observer les effets
  5. Apprendre les modèles avancés après avoir compris les bases

Développeurs Intermédiaires

  1. Parcourir rapidement les chapitres de base
  2. Se concentrer sur les modèles intermédiaires et avancés des chapitres 6 à 14
  3. Essayer de combiner plusieurs modèles pour résoudre des problèmes réels
  4. Étudier les techniques avancées dans les annexes
  5. Participer aux discussions et contributions de la communauté

Développeurs Avancés

  1. Utiliser ce livre comme manuel de référence
  2. Se concentrer sur la combinaison de modèles et la conception architecturale
  3. Étudier l'implémentation du code source des frameworks
  4. Contribuer avec de nouveaux exemples et les meilleures pratiques
  5. Guider les autres dans leur apprentissage

🎓 Résultats d'Apprentissage

Après avoir terminé ce cours, vous serez capable de :

  1. ✅ Comprendre l'architecture des systèmes d'agents - Maîtriser les concepts fondamentaux et les principes de conception des agents
  2. ✅ Implémenter 21 modèles de conception - Implémenter indépendamment divers modèles de conception d'agents
  3. ✅ Choisir le framework approprié - Sélectionner et utiliser les frameworks de développement en fonction des besoins
  4. ✅ Construire des systèmes complexes - Combiner plusieurs modèles pour construire des agents de niveau production
  5. ✅ Optimiser et déboguer - Évaluer, surveiller et optimiser les performances des agents
  6. ✅ **Garantir la sécurité **- Implémenter des garde-fous de sécurité et des mécanismes de gestion des erreurs
  7. ✅ Collaborer en équipe - Concevoir et implémenter des systèmes de collaboration multi-agents

📄 Informations sur les Droits d'Auteur

Droits d'Auteur du Livre Original

  • Auteur: Antonio Gulli
  • Éditeur: Springer
  • Droits d'auteur: Les droits d'auteur du livre original appartiennent à l'auteur et à l'éditeur
  • Nature caritative: Tous les droits d'auteur sont reversés à Save the Children

Droits d'Auteur de la Traduction

  • Traduction: ginobefun
  • Licence: CC BY-NC 4.0
  • Objectif: Uniquement pour l'apprentissage et l'échange, afin de promouvoir le développement de la communauté IA chinoise

Restrictions d'Utilisation

  • ✅ Autorisé: Copier, distribuer, afficher et adapter librement l'œuvre (avec attribution au traducteur)
  • ❌ Interdit: Toute forme d'utilisation commerciale
  • 📧 Collaboration Commerciale: Pour toute utilisation commerciale, veuillez contacter le traducteur et les détenteurs des droits d'auteur du livre original

🌈 Résumé

《Agentic Design Patterns》 est un guide de développement d'agents systématique, complet et orienté pratique. Il fournit non seulement 21 modèles de conception éprouvés, mais contient également de nombreux exemples de code et les meilleures pratiques. Que vous soyez ingénieur IA, architecte logiciel ou apprenant intéressé par la technologie des agents, ce livre vous apportera des connaissances et une expérience pratique précieuses.

En étudiant ce livre, vous maîtriserez les compétences essentielles nécessaires pour construire des systèmes IA intelligents, autonomes et fiables, vous préparant ainsi à construire la prochaine génération d'applications à l'ère de l'IA.

Construisons ensemble un avenir plus intelligent ! 🚀