已收錄261 則資訊/91 款 AI 工具/372 個開源專案/64 個學習資源
首頁資訊開源排行榜模型排行AI 工具學習資源
首頁 / 學習資源 / Agentic Design Patterns 中文翻譯 - 21種AI智能體設計模式完整指南
AI 應用

Agentic Design Patterns 中文翻譯 - 21種AI智能體設計模式完整指南

GitHub免費13 點擊數

<mark>Agentic Design Patterns - 智能體設計模式學習資料詳解</mark>

📚 <mark>課程概述</mark>

《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》 是由 Google CTO 辦公室高級總監兼傑出工程師 Antonio Gulli 編寫的一本全面的技術指南，專注於建構智能、自主的 AI 智能體系統。

<mark>這是一本 424 頁的實踐指南，涵蓋了現代人工智能系統中智能體 (Agent) 設計的核心概念和實踐方法。本書通過 21 個經過實戰驗證的設計模式，幫助開發者從零開始建構複雜的智能體系統。</mark>

<mark>作者背景</mark>

  • 姓名: Antonio Gulli
  • 職位: Google CTO 辦公室高級總監兼傑出工程師
  • 經驗: 擁有超過 30 年的 AI、搜尋和雲端技術相關經驗
  • 教育: 義大利比薩大學電腦科學博士
  • 其他著作: 《Deep Learning with Keras》

<mark>版本資訊</mark>

  • 原書出版社: Springer
  • 總頁數: 424 頁
  • 發佈日期: 2025 年 12 月 3 日
  • 中文翻譯: ginobefun 提供的中英文對照翻譯版本
  • 公益性質: 原書所有版稅將捐贈給救助兒童會 (Save the Children)

🎯 <mark>學習目標</mark>

<mark>本課程旨在幫助學習者:</mark>

  1. 理解智能體系統的核心概念 - <mark>掌握什麼使 AI 系統成為真正的「智能體」</mark>
  2. 掌握 21 個設計模式 - <mark>學習從基礎到高級的完整技術棧</mark>
  3. 實踐動手編碼 - <mark>通過實際程式碼範例理解每個模式的實現</mark>
  4. 建構生產級系統 - <mark>學習如何將模式組合建立複雜的自主系統</mark>
  5. 理解最佳實踐 - <mark>獲得經過實戰驗證的解決方案和架構設計</mark>

📖 <mark>核心內容結構</mark>

<mark>前置章節</mark>

  • 獻辭 (Dedication)
  • 致謝 (Acknowledgment)
  • 序言 (Foreword)
  • 思想領袖的洞見 (A Thought Leader's Perspective)
  • 介紹 (Introduction)
  • 什麼使 AI 系統成為「智能體」? (What makes an AI system an "agent"?)

<mark>21 個核心設計模式</mark>

<mark>基礎模式 (Chapters 1-5)</mark>

第一章: <mark>提示鏈 (Prompt Chaining)</mark>

  • <mark>概念: 分而治之的任務分解模式</mark>
  • <mark>原理: 將複雜任務分解為一系列更小、更易管理的子問題</mark>
  • <mark>應用: 每個子問題通過專門設計的提示獨立解決，前一步輸出作為下一步輸入</mark>
  • <mark>價值: 形成邏輯清晰的處理流水線</mark>

第二章: <mark>路由 (Routing)</mark>

  • <mark>概念: 智能決策與動態分發</mark>
  • <mark>原理: 根據環境狀態、用戶輸入或執行結果選擇合適的行動路徑</mark>
  • <mark>應用: 決定將請求交給哪個功能模組、工具或子流程處理</mark>
  • <mark>價值: 讓智能體具備動態決策能力</mark>

第三章: <mark>平行化 (Parallelization)</mark>

  • <mark>概念: 並發執行與效能提升</mark>
  • <mark>原理: 同時執行多個獨立任務提升效率和回應速度</mark>
  • <mark>應用: 將串行等待的操作轉變為並發執行</mark>
  • <mark>價值: 優化複雜工作流效能的關鍵技術</mark>

第四章: <mark>反思 (Reflection)</mark>

  • <mark>概念: 自我評估和迭代改進</mark>
  • <mark>原理: 通過引入回饋循環不斷優化輸出品質</mark>
  • <mark>應用: 智能體審視自己的工作，找出問題並生成更優版本</mark>
  • <mark>價值: 提升輸出品質的自我優化機制</mark>

第五章: <mark>工具使用 (Tool Use)</mark>

  • <mark>概念: 外部工具與 API 整合</mark>
  • <mark>原理: 擴展智能體能力邊界</mark>
  • <mark>應用: 呼叫外部 API、資料庫、計算工具等</mark>
  • <mark>價值: 讓智能體能夠執行實際操作</mark>

<mark>中級模式 (Chapters 6-11)</mark>

第六章: <mark>規劃 (Planning)</mark>

  • <mark>概念: 多步驟計畫制定與執行</mark>
  • <mark>應用: 複雜任務的策略規劃</mark>

第七章: <mark>多智能體協作 (Multi-Agent Collaboration)</mark>

  • <mark>概念: 協同工作架構</mark>
  • <mark>應用: 多個智能體協同完成複雜任務</mark>

第八章: <mark>記憶體管理 (Memory Management)</mark>

  • <mark>概念: 短期和長期記憶體管理</mark>
  • <mark>應用: 上下文保持和歷史資訊檢索</mark>

第九章: <mark>學習與適應 (Learning and Adaptation)</mark>

  • <mark>概念: 從經驗中學習</mark>
  • <mark>應用: 智能體持續改進和適應</mark>

第十章: <mark>模型上下文協定 (Model Context Protocol - MCP)</mark>

  • <mark>概念: 標準化互動協定</mark>
  • <mark>應用: 智能體間標準化通訊</mark>

第十一章: <mark>目標設定與監控 (Goal Setting and Monitoring)</mark>

  • <mark>概念: 動態目標管理</mark>
  • <mark>應用: 目標追蹤和進度監控</mark>

<mark>高級模式 (Chapters 12-21)</mark>

第十二章: <mark>異常處理與恢復 (Exception Handling and Recovery)</mark>

  • <mark>概念: 優雅錯誤處理</mark>
  • <mark>應用: 系統容錯和故障恢復</mark>

第十三章: <mark>人機協作 (Human-in-the-Loop)</mark>

  • <mark>概念: 人機協作決策</mark>
  • <mark>應用: 關鍵決策點的人工干預</mark>

第十四章: <mark>知識檢索 (Knowledge Retrieval - RAG)</mark>

  • <mark>概念: 檢索增強生成技術</mark>
  • <mark>應用: 動態知識庫整合</mark>

第十五章: <mark>智能體間通訊 (Inter-Agent Communication - A2A)</mark>

  • <mark>概念: 智能體通訊協定</mark>
  • <mark>應用: 分散式智能體系統</mark>

第十六章: <mark>資源感知優化 (Resource-Aware Optimization)</mark>

  • <mark>概念: 資源優化管理</mark>
  • <mark>應用: 成本和效能平衡</mark>

第十七章: <mark>推理技術 (Reasoning Techniques)</mark>

  • <mark>概念: 增強推理能力</mark>
  • <mark>應用: 複雜邏輯推理</mark>

第十八章: <mark>護欄/安全模式 (Guardrails/Safety Patterns)</mark>

  • <mark>概念: 安全保障機制</mark>
  • <mark>應用: 確保智能體行為安全可控</mark>

第十九章: <mark>評估與監控 (Evaluation and Monitoring)</mark>

  • <mark>概念: 效能評估體系</mark>
  • <mark>應用: 系統品質度量和監控</mark>

第二十章: <mark>優先級排序 (Prioritization)</mark>

  • <mark>概念: 任務優先級管理</mark>
  • <mark>應用: 資源分配和任務排程</mark>

第二十一章: <mark>探索與發現 (Exploration and Discovery)</mark>

  • <mark>概念: 自主探索機制</mark>
  • <mark>應用: 新知識和解決方案發現</mark>

<mark>附錄部分</mark>

附錄 A: <mark>高級提示技術 (Advanced Prompting Techniques)</mark>

  • <mark>深入的提示工程技巧</mark>

附錄 B: <mark>AI 智能體: 從圖形介面到現實世界環境</mark>

  • <mark>智能體在不同環境中的應用</mark>

附錄 C: <mark>智能體框架快速概覽</mark>

  • <mark>主流框架對比和選擇指南</mark>

附錄 D: <mark>使用 AgentSpace 建構智能體</mark>

  • <mark>AgentSpace 平台實踐教學</mark>

附錄 E: <mark>命令列中的 AI 智能體</mark>

  • <mark>CLI 環境下的智能體開發</mark>

附錄 F: <mark>深入了解: 智能體推理引擎內部機制</mark>

  • <mark>推理引擎的技術細節</mark>

附錄 G: <mark>編程智能體 (Coding Agents)</mark>

  • <mark>程式碼生成和編程輔助智能體</mark>

💻 <mark>技術框架</mark>

<mark>本書使用三個主流智能體開發框架作為實踐「畫布」:</mark>

1. <mark>LangChain & LangGraph</mark>

  • 特點: <mark>靈活的複雜操作序列建構</mark>
  • 優勢: <mark>成熟的生態系統，豐富的組件庫</mark>
  • 應用: <mark>適合快速原型開發和複雜流程編排</mark>

2. <mark>Crew AI</mark>

  • 特點: <mark>結構化的多智能體編排框架</mark>
  • 優勢: <mark>專注於團隊協作模式</mark>
  • 應用: <mark>適合建構協同工作的智能體團隊</mark>

3. <mark>Google Agent Developer Kit (Google ADK)</mark>

  • 特點: <mark>Google 提供的完整開發工具集</mark>
  • 優勢: <mark>建構、評估和部署的全流程支援</mark>
  • 應用: <mark>適合企業級應用開發</mark>

👥 <mark>目標受眾</mark>

1. <mark>AI 工程師</mark>

  • <mark>學習建構智能、可靠的 AI 系統</mark>
  • <mark>掌握生產級智能體開發技能</mark>

2. <mark>軟體架構師</mark>

  • <mark>理解智能體組件系統設計</mark>
  • <mark>學習大規模系統架構模式</mark>

3. <mark>產品經理</mark>

  • <mark>了解智能體技術能力與局限</mark>
  • <mark>更好地規劃 AI 產品功能</mark>

4. <mark>研究人員</mark>

  • <mark>學習最新智能體設計方法</mark>
  • <mark>獲得研究方向的啟發</mark>

5. <mark>學生</mark>

  • <mark>系統學習人工智能和智能體系統</mark>
  • <mark>為未來 AI 職業生涯打基礎</mark>

🚀 <mark>如何使用本資料</mark>

<mark>學習路徑建議</mark>

1. <mark>順序閱讀路徑 (推薦初學者)</mark>

  1. <mark>先閱讀前置章節，理解基礎概念</mark>
  2. <mark>按章節順序學習 21 個設計模式</mark>
  3. <mark>後續章節基於前面基礎，循序漸進</mark>

2. <mark>主題導向路徑 (有經驗的開發者)</mark>

  • 基礎建構: <mark>第 1-5 章</mark>
  • 協作與記憶: <mark>第 6-8 章</mark>
  • 高級功能: <mark>第 9-17 章</mark>
  • 安全與監控: <mark>第 18-19 章</mark>
  • 優化技巧: <mark>第 20-21 章</mark>

3. <mark>實踐優先路徑</mark>

  1. <mark>快速瀏覽理論部分</mark>
  2. <mark>直接執行程式碼範例</mark>
  3. <mark>遇到問題再回頭深入理解</mark>
  4. <mark>修改程式碼進行實驗</mark>

4. <mark>參考手冊模式</mark>

  • <mark>將本書作為設計模式參考手冊</mark>
  • <mark>遇到具體問題時查閱相關章節</mark>
  • <mark>社群參與和討論</mark>

🛠️ <mark>實踐環境搭建</mark>

<mark>本地環境設定</mark>

1. <mark>克隆儲存庫</mark>

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

2. <mark>建立虛擬環境 (推薦)</mark>

# 建立虛擬環境
python3 -m venv venv

# 啟用虛擬環境
# macOS/Linux:
source venv/bin/activate

# Windows:
venv\Scripts\activate

3. <mark>安裝依賴</mark>

pip install langchain langchain-community langchain-openai langgraph

4. <mark>配置 API 金鑰</mark>

<mark>建立 .env 檔案:</mark>

touch .env

<mark>在 .env 檔案中添加:</mark>

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

# 或使用 OpenRouter (相容 OpenAI API)
OPENAI_API_KEY=your-openrouter-api-key-here
OPENAI_API_BASE=https://openrouter.ai/api/v1

5. <mark>執行範例程式碼</mark>

# 確保虛擬環境已啟用
source venv/bin/activate

# 執行第一章範例: 提示鏈
python codes/Chapter-01-Prompt-Chaining-Example.py

# 執行其他章節程式碼
# python codes/Chapter-XX-Example.py

<mark>線上環境 (Google Colab)</mark>

  • <mark>每個程式碼範例檔案包含 Google Colab 連結</mark>
  • <mark>可直接線上執行，無需本地配置</mark>
  • <mark>適合快速實驗和學習</mark>

<mark>注意事項</mark>

  • 🔑 API 金鑰安全: <mark>切勿將包含真實 API 金鑰的 .env 檔案提交到版本控制</mark>
  • 💰 API 費用: <mark>執行程式碼會產生 API 呼叫費用，請注意使用量</mark>
  • 🌐 網路連線: <mark>需要網路連線才能存取 LLM API 服務</mark>
  • 🔄 相容性: <mark>支援 OpenAI API 和相容 OpenAI API 的服務 (如 OpenRouter)</mark>

📝 <mark>翻譯規範</mark>

<mark>格式特點</mark>

  • 高亮標記: <mark>中文內容使用 <mark>文本</mark> 黃色高亮</mark>
  • 雙語對照: <mark>英文段落後緊跟中文翻譯</mark>
  • 術語處理: <mark>重要術語保留英文，括號註明中文</mark>
  • 空格規則: <mark>中英文、數字間添加空格</mark>

<mark>翻譯原則</mark>

  • 準確性: <mark>100% 忠實原文含義</mark>
  • 流暢性: <mark>符合中文表達習慣</mark>
  • 專業性: <mark>保持技術文件嚴謹性</mark>
  • 一致性: <mark>術語翻譯前後統一</mark>

🌟 <mark>核心價值與特色</mark>

1. <mark>系統性和完整性</mark>

  • <mark>21 個設計模式涵蓋智能體開發的各個方面</mark>
  • <mark>從基礎到高級的完整學習路徑</mark>
  • <mark>理論與實踐緊密結合</mark>

2. <mark>實戰導向</mark>

  • <mark>每章提供實際可執行的程式碼範例</mark>
  • <mark>基於主流框架的真實實現</mark>
  • <mark>可直接應用於生產環境</mark>

3. <mark>多框架支援</mark>

  • <mark>LangChain/LangGraph 範例</mark>
  • <mark>Crew AI 範例</mark>
  • <mark>Google ADK 範例</mark>
  • <mark>學習跨框架的通用模式</mark>

4. <mark>免費開放</mark>

  • <mark>原書免費公開</mark>
  • <mark>中文翻譯開源</mark>
  • <mark>社群驅動持續改進</mark>

5. <mark>權威性</mark>

  • <mark>作者是 Google CTO 辦公室的資深專家</mark>
  • <mark>擁有 30 年產業經驗</mark>
  • <mark>內容經過實戰驗證</mark>

🤝 <mark>社群參與</mark>

<mark>如何貢獻</mark>

  1. 錯誤報告 - <mark>發現翻譯錯誤或格式問題</mark>
  2. 翻譯改進 - <mark>提供更優的翻譯建議</mark>
  3. 章節翻譯 - <mark>參與未完成章節的翻譯</mark>
  4. 校對審閱 - <mark>幫助校對已翻譯章節</mark>

<mark>貢獻流程</mark>

  1. Fork 本儲存庫
  2. 建立特性分支 (git checkout -b feature/your-contribution)
  3. 提交更改 (git commit -m 'Add: your contribution')
  4. 推送到分支 (git push origin feature/your-contribution)
  5. 建立 Pull Request

📚 <mark>相關資源</mark>

<mark>官方連結</mark>

<mark>框架文件</mark>

💡 <mark>學習建議</mark>

<mark>初學者</mark>

  1. <mark>從前置章節開始，理解智能體的基礎概念</mark>
  2. <mark>重點學習前 5 章基礎模式</mark>
  3. <mark>每章至少執行一次程式碼範例</mark>
  4. <mark>嘗試修改程式碼參數觀察效果</mark>
  5. <mark>在理解基礎後再學習高級模式</mark>

<mark>中級開發者</mark>

  1. <mark>快速瀏覽基礎章節</mark>
  2. <mark>重點學習第 6-14 章的中高級模式</mark>
  3. <mark>嘗試組合多個模式解決實際問題</mark>
  4. <mark>研究附錄中的高級技術</mark>
  5. <mark>參與社群討論和貢獻</mark>

<mark>高級開發者</mark>

  1. <mark>將本書作為參考手冊使用</mark>
  2. <mark>關注模式組合和架構設計</mark>
  3. <mark>研究框架原始碼實現</mark>
  4. <mark>貢獻新的範例和最佳實踐</mark>
  5. <mark>指導他人學習</mark>

🎓 <mark>學習成果</mark>

<mark>完成本課程後，你將能夠:</mark>

  1. ✅ 理解智能體系統架構 - <mark>掌握智能體的核心概念和設計原則</mark>
  2. ✅ 實現 21 個設計模式 - <mark>獨立實現各種智能體設計模式</mark>
  3. ✅ 選擇合適的框架 - <mark>根據需求選擇和使用開發框架</mark>
  4. ✅ 建構複雜系統 - <mark>組合多個模式建構生產級智能體</mark>
  5. ✅ 優化和除錯 - <mark>評估、監控和優化智能體效能</mark>
  6. ✅ 確保安全性 - <mark>實現安全護欄和錯誤處理機制</mark>
  7. ✅ 團隊協作 - <mark>設計和實現多智能體協作系統</mark>

📄 <mark>版權資訊</mark>

<mark>原書版權</mark>

  • 作者: Antonio Gulli
  • 出版社: Springer
  • 版權: <mark>原書版權歸作者和出版社所有</mark>
  • 公益性質: <mark>所有版稅捐贈給救助兒童會 (Save the Children)</mark>

<mark>翻譯版權</mark>

  • 翻譯: ginobefun
  • 協議: CC BY-NC 4.0
  • 目的: <mark>僅用於學習交流，促進中文 AI 社群發展</mark>

<mark>使用限制</mark>

  • ✅ 允許: <mark>自由複製、分發、展示和演繹作品 (需署名譯者)</mark>
  • ❌ 禁止: <mark>任何形式的商業使用</mark>
  • 📧 商業合作: <mark>如需商業使用，請聯繫譯者和原書版權方</mark>

🌈 <mark>總結</mark>

<mark>《Agentic Design Patterns》是一本系統、全面、實戰導向的智能體開發指南。它不僅提供了 21 個經過驗證的設計模式，還包含了豐富的程式碼範例和最佳實踐。無論你是 AI 工程師、軟體架構師，還是對智能體技術感興趣的學習者，這本書都能為你提供寶貴的知識和實踐經驗。</mark>

<mark>通過學習本書，你將掌握建構智能、自主、可靠的 AI 系統所需的核心技能，為在 AI 時代建構下一代應用做好準備。</mark>

<mark>讓我們一起建構更智能的未來！</mark> 🚀

↗ 查看原文
← 上一篇
Stanford CS336: Language Modeling from Scratch | 從零開始構建語言模型完整課程
下一篇 →
LLMs-from-scratch: 從零構建大型語言模型完整教程