"《Agentic AI智能体应用开发》(第2版)深入探讨了用于构建Agentic系统的各种设计模式，并结合复杂任务场景给出多智能体架构的实现方案；系统讲解了CoT、结构化生成、智能体交接等多种推理技术，并附有完整的异常处理示例。 书中有关测试、评估与部署的扩展章节满足了现代LLM应用的需求，阐述了如何遵循负责任的开发原则，构建具备内置安全防护机制的高安全性且合规的AI系统。此外，本版在RAG技术方面也做了内容拓展，详解了混合检索、重排序、事实核查流程，助力提升模型输出的准确性。 无论你是想要优化现有工作流，还是从零构建多智能体系统，本书都能为你提供兼具技术深度与实操性的指导，助你成功开发适用于实际生产的LLM应用。 核心亮点 ? 基于LangGraph设计并实现多智能体系统 ? 实施测试策略，在部署前识别潜在问题 ? 为生产环境部署可观测性与监控体系 ? 构建具备重排序能力的Agentic RAG系统 ? 利用LangGraph和MCP构建可扩展的生产级AI智能体 ? 对接如Google Gemini、Anthropic、Mistral、DeepSeek和OpenAI的o3-mini等主流大模型及相关服务商，适配**LLM技术 ? 设计安全、合规并符合现代伦理规范的AI系统"

"Ben Auffarth博士拥有15年以上AI落地实施经验，是Chelsea AI Ventures公司的创始人，专注于帮助中小型企业部署企业级AI解决方案，助力实现高投资回报率。Ben兼具深厚的计算神经科学背景，能够将该领域的理论与AI实际应用深度融合；研发成果覆盖多个方向，包括超级计算大脑模型，以及融合了前沿技术与商业战略的生产级AI系统。Leonid Kuligin?是谷歌云AI工程师，专注生成式AI与经典机器学习解决方案研发，深耕需求预测、优化问题等领域；Leonid是LangChain谷歌云集成的核心维护者，也是慕尼黑工业大学与慕尼黑大学联合机构CDTM的客座讲师。加入谷歌前，已在科技、金融、零售行业积累20余年从业经验，主攻基于复杂机器学习与数据处理的B2C、B2B应用开发。"

译者序 本书第2版精彩绝伦，在当前专业领域内几乎无出其右。这是我看完本书电子版后的第一感受，也是发自内心的真实评价。主要理由如下所述。 一、技术前沿，覆盖面广 除了对传统的LLM、提示工程和LangChain等常见基础内容进行介绍，本版最大的特色是将“RAG系统”“Agentic RAG”“智能体”“多智能体”“Agentic AI”和“MCP”等前沿技术全部集成在一起，不过，本书并非纯粹讲解这些前沿技术的概念与理论等知识。2025年是AI智能体的元年，本书出版就是对这句话最好的印证。 二、以LangChain作为技术栈，理论与实践相结合 本书对LangChain(涉及LangGraph、LangSmith等)技术栈框架进行了详细介绍，并与FastAPI、Streamlit和Ray相结合，通过与实例结合，从LLM应用开发落地的角度将各方面的技术深度集成。 三、LLMops穿插整本书，是LLM最佳实践著作 本书重点介绍LLM前沿技术，结合Python语言，从LLM使用、应用开发、评估、测试、生产部署等全流程提供了最佳实践方案和经验。为LLM落地和使用提供了技术支撑。 在本书最后，也是最重要的一点，作者着眼于当前生成式AI的发展趋势，对未来30年的技术趋势进行了深入探讨和分析。总之，对于希望了解LLM前沿技术、LLM应用和落地等方面技术的科学家、工程师和高校学生，本书绝对是一本卓越的参考读物。 在此，要感谢吴禹林女士，她参与了整本书的翻译和审校工作，感谢她为本书所做的一切努力。还要感谢清华大学出版社的编辑，他们做了大量的编辑与校对工作，保证了本书的质量，使本书...