第五階段：AI應用場景探索

Agentic Design Patterns 中英文對照翻譯,涵蓋21種AI智能體設計模式,包含提示鏈、路由、多智能體協作等核心架構方法,附帶Python代碼示例

Start Learning AI →
AIAgentAgenticPatternsMultiAgentGitHubTextFreeChinese-English

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

📚 課程概述

《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。

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。

作者背景

  • 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》

版本資訊

  • 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)

🎯 學習目標

本課程旨在幫助學習者:

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

📖 核心內容結構

前置章節

  • 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"?)

21 個核心設計模式

基礎模式 (Chapters 1-5)

第一章: 提示鏈 (Prompt Chaining)

  • 概念: 分而治之的任務分解模式
  • 原理: 將複雜任務分解為一系列更小、更易管理的子問題
  • 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
  • 價值: 形成邏輯清晰的處理流水線

第二章: 路由 (Routing)

  • 概念: 智能決策與動態分發
  • 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
  • 應用: 決定將請求交給哪個功能模組、工具或子流程處理
  • 價值: 讓智能體具備動態決策能力

第三章: 平行化 (Parallelization)

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

第四章: 反思 (Reflection)

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

第五章: 工具使用 (Tool Use)

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

中級模式 (Chapters 6-11)

第六章: 規劃 (Planning)

  • 概念: 多步驟計畫制定與執行
  • 應用: 複雜任務的策略規劃

第七章: 多智能體協作 (Multi-Agent Collaboration)

  • 概念: 協同工作架構
  • 應用: 多個智能體協同完成複雜任務

第八章: 記憶體管理 (Memory Management)

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

第九章: 學習與適應 (Learning and Adaptation)

  • 概念: 從經驗中學習
  • 應用: 智能體持續改進和適應

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

  • 概念: 標準化互動協定
  • 應用: 智能體間標準化通訊

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

  • 概念: 動態目標管理
  • 應用: 目標追蹤和進度監控

高級模式 (Chapters 12-21)

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

  • 概念: 優雅錯誤處理
  • 應用: 系統容錯和故障恢復

第十三章: 人機協作 (Human-in-the-Loop)

  • 概念: 人機協作決策
  • 應用: 關鍵決策點的人工干預

第十四章: 知識檢索 (Knowledge Retrieval - RAG)

  • 概念: 檢索增強生成技術
  • 應用: 動態知識庫整合

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

  • 概念: 智能體通訊協定
  • 應用: 分散式智能體系統

第十六章: 資源感知優化 (Resource-Aware Optimization)

  • 概念: 資源優化管理
  • 應用: 成本和效能平衡

第十七章: 推理技術 (Reasoning Techniques)

  • 概念: 增強推理能力
  • 應用: 複雜邏輯推理

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

  • 概念: 安全保障機制
  • 應用: 確保智能體行為安全可控

第十九章: 評估與監控 (Evaluation and Monitoring)

  • 概念: 效能評估體系
  • 應用: 系統品質度量和監控

第二十章: 優先級排序 (Prioritization)

  • 概念: 任務優先級管理
  • 應用: 資源分配和任務排程

第二十一章: 探索與發現 (Exploration and Discovery)

  • 概念: 自主探索機制
  • 應用: 新知識和解決方案發現

附錄部分

附錄 A: 高級提示技術 (Advanced Prompting Techniques)

  • 深入的提示工程技巧

附錄 B: AI 智能體: 從圖形介面到現實世界環境

  • 智能體在不同環境中的應用

附錄 C: 智能體框架快速概覽

  • 主流框架對比和選擇指南

附錄 D: 使用 AgentSpace 建構智能體

  • AgentSpace 平台實踐教學

附錄 E: 命令列中的 AI 智能體

  • CLI 環境下的智能體開發

附錄 F: 深入了解: 智能體推理引擎內部機制

  • 推理引擎的技術細節

附錄 G: 編程智能體 (Coding Agents)

  • 程式碼生成和編程輔助智能體

💻 技術框架

本書使用三個主流智能體開發框架作為實踐「畫布」:

1. LangChain & LangGraph

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

2. Crew AI

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

3. Google Agent Developer Kit (Google ADK)

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

👥 目標受眾

1. AI 工程師

  • 學習建構智能、可靠的 AI 系統
  • 掌握生產級智能體開發技能

2. 軟體架構師

  • 理解智能體組件系統設計
  • 學習大規模系統架構模式

3. 產品經理

  • 了解智能體技術能力與局限
  • 更好地規劃 AI 產品功能

4. 研究人員

  • 學習最新智能體設計方法
  • 獲得研究方向的啟發

5. 學生

  • 系統學習人工智能和智能體系統
  • 為未來 AI 職業生涯打基礎

🚀 如何使用本資料

學習路徑建議

1. 順序閱讀路徑 (推薦初學者)

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

2. 主題導向路徑 (有經驗的開發者)

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

3. 實踐優先路徑

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

4. 參考手冊模式

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

🛠️ 實踐環境搭建

本地環境設定

1. 克隆儲存庫

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

2. 建立虛擬環境 (推薦)

# 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. 安裝依賴

pip install langchain langchain-community langchain-openai langgraph

4. 配置 API 金鑰

建立 .env 檔案:

touch .env

在 .env 檔案中添加:

# 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. 執行範例程式碼

# 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

線上環境 (Google Colab)

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

注意事項

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

📝 翻譯規範

格式特點

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

翻譯原則

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

🌟 核心價值與特色

1. 系統性和完整性

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

2. 實戰導向

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

3. 多框架支援

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

4. 免費開放

  • 原書免費公開
  • 中文翻譯開源
  • 社群驅動持續改進

5. 權威性

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

🤝 社群參與

如何貢獻

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

貢獻流程

  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

📚 相關資源

官方連結

框架文件

💡 學習建議

初學者

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

中級開發者

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

高級開發者

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

🎓 學習成果

完成本課程後，你將能夠:

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

📄 版權資訊

原書版權

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

翻譯版權

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

使用限制

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

🌈 總結

《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。

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。

讓我們一起建構更智能的未來！ 🚀