目  录

第 I 部分 模  式

第1章 提示链2

1.1 提示链模式概述2

1.1.1 单一提示词的局限性3

1.1.2 通过顺序分解提高可靠性3

1.1.3 结构化输出的作用4

1.2 实际应用与案例5

1.2.1 信息处理工作流5

1.2.2 复杂问题解答5

1.2.3 数据提取与转换6

1.2.4 内容生成工作流7

1.2.5 具有状态的对话智能体7

1.2.6 代码生成与优化8

1.2.7 多模态与多步骤推理8

1.3 实践代码示例8

1.4 上下文工程与提示词工程10

概览12

核心要点13

结论13

第2章 路由14

2.1 路由模式概述14

2.2 实际应用与案例16

2.3 实践代码示例(LangChain)17

2.4 实践代码示例(Google ADK)20

概览24

核心要点25

结论26

第3章 并行化27

3.1 并行化模式概述27

3.2 实际应用与案例29

3.2.1 信息收集与研究29

3.2.2 数据处理与分析29

3.2.3 多 API 或工具交互29

3.2.4 多组件内容生成30

3.2.5 验证与核实30

3.2.6 多模态处理30

3.2.7 A/B 测试或多方案生成30

3.3 实践代码示例(LangChain)31

3.4 实践代码示例(Google ADK)34

概览38

核心要点39

结论40

第4章 反思41

4.1 反思模式概述41

4.2 实际应用与案例43

4.2.1 创意写作与内容生成43

4.2.2 代码生成与调试43

4.2.3 复杂问题解决44

4.2.4 总结与信息综合44

4.2.5 规划与策略制定44

4.2.6 对话式智能体44

4.3 实践代码示例(LangChain)45

4.4 实践代码示例(ADK)48

概览50

核心要点51

结论52

第5章 工具使用(函数调用)53

5.1 工具使用模式概述53

5.2 实际应用与案例54

5.2.1 从外部源获取信息54

5.2.2 与数据库和 API 交互55

5.2.3 进行计算和数据分析55

5.2.4 发送通信内容55

5.2.5 执行代码56

5.2.6 控制其他系统或设备56

5.3 实践代码示例(LangChain)56

5.4 实践代码示例(CrewAI)59

5.5 实践代码示例(Google ADK)63

5.5.1 谷歌搜索64

5.5.2 代码执行66

5.5.3 企业搜索67

5.5.4 Vertex 扩展70

概览70

核心要点71

结论72

第6章 规划73

6.1 规划模式概述73

6.2 实际应用与案例74

6.3 实践代码示例 (Crew AI)74

6.4 Google Deep Research76

6.5 OpenAI Deep Research API79

概览82

核心要点83

结论84

第7章 多智能体协作85

7.1 多智能体协作模式概述85

7.2 实际应用与案例87

7.3 多智能体协作：探索相互关系与通信结构88

7.4 实践代码示例 (Crew AI)89

7.5 实践代码示例 (Google ADK)92

概览98

核心要点99

结论100

第8章 记忆管理101

8.1 实际应用与案例102

8.2 实践代码：Google ADK中的记忆管理103

8.2.1 会话：对话线程跟踪机制103

8.2.2 状态：会话的临时工作区105

8.2.3 记忆：借助记忆服务实现长期知识存储109

8.3 实践代码：LangChain 和 LangGraph 中的记忆管理111

8.4 Vertex Memory Bank116

概览117

核心要点118

结论119

第9章 学习与适应120

9.1 宏观视角120

9.2 实际应用与案例122

9.3 案例研究：自我改进编码智能体123

9.4 AlphaEvolve 与 OpenEvolve126

概览128

核心要点129

结论130

第10章 模型上下文协议131

10.1 MCP 模式概述131

10.2 MCP 与工具函数调用的对比132

10.3 MCP的更多考量133

10.4 实际应用与案例136

10.5 基于 ADK 的实践代码示例137

10.5.1 智能体配置与 MCPToolset  137

10.5.2 MCP 服务器与 ADK Web 进行连接139

10.5.3 使用 FastMCP 创建 MCP 服务器140

10.5.4 FastMCP 服务器示例140

10.5.5 通过ADK智能体调用 FastMCP 服务141

概览143

核心要点144

结论145

第11章 目标设定与监控146

11.1 目标设定与监控模式概述146

11.2 实际应用与案例147

11.3 实践代码示例148

11.3.1 安装依赖148

11.3.2 注意事项153

概览154

核心要点155

结论156

第12章 异常处理与恢复157

12.1 异常处理与恢复模式概述157

12.2 实际应用与案例159

12.3 实践代码示例(ADK)160

概览161

核心要点162

结论162

第13章 人在回路164

13.1 人在回路模式概述165

13.2 实际应用与案例166

13.3 实践代码示例167

概览169

核心要点170

结论171

第14章 知识检索172

14.1 知识检索模式概述172

14.1.1 嵌入表示173

14.1.2 文本相似度174

14.1.3 语义相似度与语义距离174

14.1.4 文档分块174

14.1.5 向量数据库175

14.1.6 RAG 面临的挑战175

14.1.7 图检索增强生成176

14.1.8 Agentic RAG 177

14.1.9 Agentic RAG 面临的挑战178

14.1.10 总结178

14.2 实际应用与案例179

14.3 实践代码示例(ADK)179

14.4 实践代码示例(LangChain)181

概览183

核心要点184

结论185

第15章 智能体间通信186

15.1 智能体间通信模式概述186

15.1.1 A2A协议的核心概念186

15.1.2 A2A 协议与 MCP 对比192

15.2 实际应用与案例192

15.3 实践代码示例193

概览196

核心要点197

结论198

第16章 资源感知优化199

16.1 实际应用与案例199

16.2 实践代码示例200

16.3 实践代码示例(OpenAI)203

16.4 实践代码示例(OpenRouter)207

16.5 超越动态模型切换：智能体资源优化策略概览209

概览210

核心要点211

结论212

第17章 推理技术213

17.1 实际应用与案例213

17.2 核心推理技术214

17.3 推理扩展定律226

17.4 实践代码示例227

17.5 智能体是如何“思考”的229

概览230

核心要点231

结论232

第18章 护栏机制 / 安全模式233

18.1 实际应用与案例233

18.2 实践代码示例(CrewAI)234

18.3 实践代码示例(Vertex AI)245

18.4 工程化可靠智能体249

概览250

核心要点251

结论251

第19章 评估与监控253

19.1 实际应用与案例253

19.2 实践代码示例254

19.3 智能体轨迹评估262

19.4 从智能体到高级承包商263

19.5 Google ADK266

概览266

核心要点267

结论268

第20章 优先级排序269

20.1 优先级排序模式概述269

20.2 实际应用与案例270

20.3 实践代码示例271

概览276

核心要点276

结论277

第21章 探索与发现278

21.1 实际应用与案例278

21.2 Google 联合科学家279

21.3 实践代码示例282

概览288

核心要点289

结论289

第II部分 补 充 内 容

第22章 高级提示词技术292

22.1 提示词技术简介292

22.2 提示词工程核心原则293

22.3 基础提示词技术294

22.3.1 零样本提示294

22.3.2 单样本提示294

22.3.3 少样本提示295

22.4 提示词结构设计296

22.4.1 系统提示296

22.4.2 角色提示297

22.4.3 使用分隔符297

22.5 上下文工程298

22.6 结构化输出299

22.7 推理与思维过程技巧302

22.7.1 思维链302

22.7.2 自我一致性304

22.7.3 回溯提示305

22.7.4 思维树305

22.8 行动与交互技巧306

22.8.1 工具 / 函数调用306

22.8.2 反应式推理与行动307

22.9 高级技巧308

22.9.1 自动提示工程308

22.9.2 迭代式提示 / 优化309

22.9.3 提供负面示例310

22.9.4 使用类比310

22.9.5 因式认知 / 任务分解310

22.9.6 检索增强生成311

22.9.7 用户角色模式 311

22.10 使用 Google Gems311

22.11 使用 LLM 优化提示词(元方法)312

22.12 特定任务的提示技巧314

22.12.1 代码提示314

22.12.2 多模态提示314

22.13 最佳实践与实验315

结论316

第23章 AI Agentic交互：从图形用户界面到现实世界环境318

23.1 智能体与计算机的交互318

23.2 智能体与环境的交互320

23.3 氛围编程：借助 AI 实现直观开发321

核心要点323

结论323

第24章 Agentic 框架快速概览324

24.1 LangChain324

24.2 LangGraph324

24.3 应该如何选择325

24.4 Google ADK327

24.5 CrewAI328

24.6 其他智能体开发框架329

结论330

第25章 使用 AgentSpace 构建智能体332

25.1 概述332

25.2 如何使用 AgentSpace UI 构建智能体333

结论336

第26章 命令行界面上的AI Agent337

26.1 引言337

26.2 Claude CLI (Claude Code)337

26.3 Gemini CLI338

26.4 Aider339

26.5 GitHub Copilot CLI340

26.6 用于命令行界面中 AI 智能体的评估框架341

结论341

第27章 深入探究：智能体推理引擎剖析342

27.1 Gemini342

27.1.1 分析我的方法342

27.1.2 完善解释内容343

27.1.3 详细阐述我的方法343

27.2 ChatGPT344

27.3 Grok347

27.3.1 分步解析我的推理步骤347

27.3.2 我推理的关键特点349

27.3.3 局限性与注意事项350

27.4 Kimi350

27.5 Claude352

27.6 DeepSeek353

结论355

第28章 编码智能体357

28.1 氛围编程：起点357

28.1.1 智能体作为团队成员357

28.1.2 核心组件359

28.2 实际实施361

28.2.1 设置清单361

28.2.2 增强型团队的领导原则362

结论363

第29章 总结364

29.1 Agentic 核心原则回顾364

29.2 组合模式构建复杂系统366

29.3 未来展望367

29.4 结语368