第五阶段：AI应用场景探索

Agentic Design Patterns 中英文对照翻译,涵盖21种AI智能体设计模式,包含提示链、路由、多智能体协作等核心架构方法,附带Python代码示例

Start Learning AI →
AIAgentAgenticPatternsMultiAgentGitHubTextFreeChinese-English

Agentic Design Patterns - 智能体设计模式学习资料详解

📚 课程概述

《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》 是由 Google CTO办公室高级总监兼杰出工程师 Antonio Gulli 编写的一本全面的技术指南,专注于构建智能、自主的 AI 智能体系统。

这是一本 424 页的实践指南,涵盖了现代人工智能系统中智能体(Agent)设计的核心概念和实践方法。本书通过21个经过实战验证的设计模式,帮助开发者从零开始构建复杂的智能体系统。

作者背景

  • 姓名: Antonio Gulli
  • 职位: Google CTO办公室高级总监兼杰出工程师
  • 经验: 拥有超过30年的AI、搜索和云技术相关经验
  • 教育: 意大利比萨大学计算机科学博士
  • 其他著作: 《Deep Learning with Keras》

版本信息

  • 原书出版社: Springer
  • 总页数: 424页
  • 发布日期: 2025年12月3日
  • 中文翻译: ginobefun 提供的中英文对照翻译版本
  • 公益性质: 原书所有版税将捐赠给救助儿童会(Save the Children)

🎯 学习目标

本课程旨在帮助学习者:

  1. 理解智能体系统的核心概念 - 掌握什么使AI系统成为真正的"智能体"
  2. 掌握21个设计模式 - 学习从基础到高级的完整技术栈
  3. 实践动手编码 - 通过实际代码示例理解每个模式的实现
  4. 构建生产级系统 - 学习如何将模式组合创建复杂的自主系统
  5. 理解最佳实践 - 获得经过实战验证的解决方案和架构设计

📖 核心内容结构

前置章节

  • 献辞 (Dedication)
  • 致谢 (Acknowledgment)
  • 序言 (Foreword)
  • 思想领袖的洞见 (A Thought Leader's Perspective)
  • 介绍 (Introduction)
  • 什么使AI系统成为"智能体"? (What makes an AI system an "agent"?)

21个核心设计模式

基础模式 (Chapters 1-5)

第一章: 提示链 (Prompt Chaining)

  • 概念: 分而治之的任务分解模式
  • 原理: 将复杂任务分解为一系列更小、更易管理的子问题
  • 应用: 每个子问题通过专门设计的提示独立解决,前一步输出作为下一步输入
  • 价值: 形成逻辑清晰的处理流水线

第二章: 路由 (Routing)

  • 概念: 智能决策与动态分发
  • 原理: 根据环境状态、用户输入或执行结果选择合适的行动路径
  • 应用: 决定将请求交给哪个功能模块、工具或子流程处理
  • 价值: 让智能体具备动态决策能力

第三章: 并行化 (Parallelization)

  • 概念: 并发执行与性能提升
  • 原理: 同时执行多个独立任务提升效率和响应速度
  • 应用: 将串行等待的操作转变为并发执行
  • 价值: 优化复杂工作流性能的关键技术

第四章: 反思 (Reflection)

  • 概念: 自我评估和迭代改进
  • 原理: 通过引入反馈循环不断优化输出质量
  • 应用: 智能体审视自己的工作,找出问题并生成更优版本
  • 价值: 提升输出质量的自我优化机制

第五章: 工具使用 (Tool Use)

  • 概念: 外部工具与API集成
  • 原理: 扩展智能体能力边界
  • 应用: 调用外部API、数据库、计算工具等
  • 价值: 让智能体能够执行实际操作

中级模式 (Chapters 6-11)

第六章: 规划 (Planning)

  • 概念: 多步骤计划制定与执行
  • 应用: 复杂任务的策略规划

第七章: 多智能体协作 (Multi-Agent Collaboration)

  • 概念: 协同工作架构
  • 应用: 多个智能体协同完成复杂任务

第八章: 记忆管理 (Memory Management)

  • 概念: 短期和长期记忆管理
  • 应用: 上下文保持和历史信息检索

第九章: 学习与适应 (Learning and Adaptation)

  • 概念: 从经验中学习
  • 应用: 智能体持续改进和适应

第十章: 模型上下文协议 (Model Context Protocol - MCP)

  • 概念: 标准化交互协议
  • 应用: 智能体间标准化通信

第十一章: 目标设定与监控 (Goal Setting and Monitoring)

  • 概念: 动态目标管理
  • 应用: 目标跟踪和进度监控

高级模式 (Chapters 12-21)

第十二章: 异常处理与恢复 (Exception Handling and Recovery)

  • 概念: 优雅错误处理
  • 应用: 系统容错和故障恢复

第十三章: 人机协作 (Human-in-the-Loop)

  • 概念: 人机协作决策
  • 应用: 关键决策点的人工干预

第十四章: 知识检索 (Knowledge Retrieval - RAG)

  • 概念: 检索增强生成技术
  • 应用: 动态知识库集成

第十五章: 智能体间通信 (Inter-Agent Communication - A2A)

  • 概念: 智能体通信协议
  • 应用: 分布式智能体系统

第十六章: 资源感知优化 (Resource-Aware Optimization)

  • 概念: 资源优化管理
  • 应用: 成本和性能平衡

第十七章: 推理技术 (Reasoning Techniques)

  • 概念: 增强推理能力
  • 应用: 复杂逻辑推理

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

  • 概念: 安全保障机制
  • 应用: 确保智能体行为安全可控

第十九章: 评估与监控 (Evaluation and Monitoring)

  • 概念: 性能评估体系
  • 应用: 系统质量度量和监控

第二十章: 优先级排序 (Prioritization)

  • 概念: 任务优先级管理
  • 应用: 资源分配和任务调度

第二十一章: 探索与发现 (Exploration and Discovery)

  • 概念: 自主探索机制
  • 应用: 新知识和解决方案发现

附录部分

附录A: 高级提示技术 (Advanced Prompting Techniques)

  • 深入的提示工程技巧

附录B: AI智能体:从图形界面到现实世界环境

  • 智能体在不同环境中的应用

附录C: 智能体框架快速概览

  • 主流框架对比和选择指南

附录D: 使用AgentSpace构建智能体

  • AgentSpace平台实践教程

附录E: 命令行中的AI智能体

  • CLI环境下的智能体开发

附录F: 深入了解:智能体推理引擎内部机制

  • 推理引擎的技术细节

附录G: 编程智能体 (Coding Agents)

  • 代码生成和编程辅助智能体

💻 技术框架

本书使用三个主流智能体开发框架作为实践"画布":

1. LangChain & LangGraph

  • 特点: 灵活的复杂操作序列构建
  • 优势: 成熟的生态系统,丰富的组件库
  • 应用: 适合快速原型开发和复杂流程编排

2. Crew AI

  • 特点: 结构化的多智能体编排框架
  • 优势: 专注于团队协作模式
  • 应用: 适合构建协同工作的智能体团队

3. Google Agent Developer Kit (Google ADK)

  • 特点: Google提供的完整开发工具集
  • 优势: 构建、评估和部署的全流程支持
  • 应用: 适合企业级应用开发

👥 目标受众

1. AI工程师

  • 学习构建智能、可靠的AI系统
  • 掌握生产级智能体开发技能

2. 软件架构师

  • 理解智能体组件系统设计
  • 学习大规模系统架构模式

3. 产品经理

  • 了解智能体技术能力与局限
  • 更好地规划AI产品功能

4. 研究人员

  • 学习最新智能体设计方法
  • 获得研究方向的启发

5. 学生

  • 系统学习人工智能和智能体系统
  • 为未来AI职业生涯打基础

🚀 如何使用本资料

学习路径建议

1. 顺序阅读路径(推荐初学者)

  1. 先阅读前置章节,理解基础概念
  2. 按章节顺序学习21个设计模式
  3. 后续章节基于前面基础,循序渐进

2. 主题导向路径(有经验的开发者)

  • 基础构建: 第1-5章
  • 协作与记忆: 第6-8章
  • 高级功能: 第9-17章
  • 安全与监控: 第18-19章
  • 优化技巧: 第20-21章

3. 实践优先路径

  1. 快速浏览理论部分
  2. 直接运行代码示例
  3. 遇到问题再回头深入理解
  4. 修改代码进行实验

4. 参考手册模式

  • 将本书作为设计模式参考手册
  • 遇到具体问题时查阅相关章节
  • 社区参与和讨论

🛠️ 实践环境搭建

本地环境设置

1. 克隆仓库

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

2. 创建虚拟环境(推荐)

# 创建虚拟环境
python3 -m venv venv

# 激活虚拟环境
# macOS/Linux:
source venv/bin/activate

# Windows:
venv\Scripts\activate

3. 安装依赖

pip install langchain langchain-community langchain-openai langgraph

4. 配置API密钥

创建 .env 文件:

touch .env

在 .env 文件中添加:

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

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

5. 运行示例代码

# 确保虚拟环境已激活
source venv/bin/activate

# 运行第一章示例:提示链
python codes/Chapter-01-Prompt-Chaining-Example.py

# 运行其他章节代码
# python codes/Chapter-XX-Example.py

在线环境(Google Colab)

  • 每个代码示例文件包含 Google Colab 链接
  • 可直接在线运行,无需本地配置
  • 适合快速实验和学习

注意事项

  • 🔑 API密钥安全: 切勿将包含真实API密钥的 .env 文件提交到版本控制
  • 💰 API费用: 运行代码会产生API调用费用,请注意使用量
  • 🌐 网络连接: 需要网络连接访问LLM API服务
  • 🔄 兼容性: 支持OpenAI API和兼容OpenAI API的服务(如OpenRouter)

📝 翻译规范

格式特点

  • 高亮标记: 中文内容使用 <mark>文本</mark> 黄色高亮
  • 双语对照: 英文段落后紧跟中文翻译
  • 术语处理: 重要术语保留英文,括号注明中文
  • 空格规则: 中英文、数字间添加空格

翻译原则

  • 准确性: 100%忠实原文含义
  • 流畅性: 符合中文表达习惯
  • 专业性: 保持技术文档严谨性
  • 一致性: 术语翻译前后统一

🌟 核心价值与特色

1. 系统性和完整性

  • 21个设计模式覆盖智能体开发的各个方面
  • 从基础到高级的完整学习路径
  • 理论与实践紧密结合

2. 实战导向

  • 每章提供实际可运行的代码示例
  • 基于主流框架的真实实现
  • 可直接应用于生产环境

3. 多框架支持

  • LangChain/LangGraph示例
  • Crew AI示例
  • Google ADK示例
  • 学习跨框架的通用模式

4. 免费开放

  • 原书免费公开
  • 中文翻译开源
  • 社区驱动持续改进

5. 权威性

  • 作者是Google CTO办公室的资深专家
  • 拥有30年行业经验
  • 内容经过实战验证

🤝 社区参与

如何贡献

  1. 错误报告 - 发现翻译错误或格式问题
  2. 翻译改进 - 提供更优的翻译建议
  3. 章节翻译 - 参与未完成章节的翻译
  4. 校对审阅 - 帮助校对已翻译章节

贡献流程

  1. Fork 本仓库
  2. 创建特性分支 (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. 创建 Pull Request

📚 相关资源

官方链接

框架文档

💡 学习建议

初学者

  1. 从前置章节开始,理解智能体的基本概念
  2. 重点学习前5章基础模式
  3. 每章至少运行一次代码示例
  4. 尝试修改代码参数观察效果
  5. 在理解基础后再学习高级模式

中级开发者

  1. 快速浏览基础章节
  2. 重点学习第6-14章的中高级模式
  3. 尝试组合多个模式解决实际问题
  4. 研究附录中的高级技术
  5. 参与社区讨论和贡献

高级开发者

  1. 将本书作为参考手册使用
  2. 关注模式组合和架构设计
  3. 研究框架源码实现
  4. 贡献新的示例和最佳实践
  5. 指导他人学习

🎓 学习成果

完成本课程后,你将能够:

  1. ✅ 理解智能体系统架构 - 掌握智能体的核心概念和设计原则
  2. ✅ 实现21个设计模式 - 独立实现各种智能体设计模式
  3. ✅ 选择合适的框架 - 根据需求选择和使用开发框架
  4. ✅ 构建复杂系统 - 组合多个模式构建生产级智能体
  5. ✅ 优化和调试 - 评估、监控和优化智能体性能
  6. ✅ 保证安全性 - 实现安全护栏和错误处理机制
  7. ✅ 团队协作 - 设计和实现多智能体协作系统

📄 版权信息

原书版权

  • 作者: Antonio Gulli
  • 出版社: Springer
  • 版权: 原书版权归作者和出版社所有
  • 公益性质: 所有版税捐赠给救助儿童会(Save the Children)

翻译版权

  • 翻译: ginobefun
  • 协议: CC BY-NC 4.0
  • 目的: 仅用于学习交流,促进中文AI社区发展

使用限制

  • ✅ 允许: 自由复制、分发、展示和演绎作品(需署名译者)
  • ❌ 禁止: 任何形式的商业使用
  • 📧 商业合作: 如需商业使用,请联系译者和原书版权方

🌈 总结

《Agentic Design Patterns》是一本系统、全面、实战导向的智能体开发指南。它不仅提供了21个经过验证的设计模式,还包含了丰富的代码示例和最佳实践。无论你是AI工程师、软件架构师,还是对智能体技术感兴趣的学习者,这本书都能为你提供宝贵的知识和实践经验。

通过学习本书,你将掌握构建智能、自主、可靠的AI系统所需的核心技能,为在AI时代构建下一代应用做好准备。

让我们一起构建更智能的未来! 🚀