通过这本全面指南，你将深入洞悉人工智能自主性的未来，学习如何设计和部署自主人工智能智能体，这些智能体利用生成式人工智能实现规划、推理与行动。本书由主导全球AI标准的行业顶尖架构师和构建企业级AI解决方案的权威专家撰写，系统阐述了智能体系统的核心原理，详细分析AI智能体如何独立运行、做出决策并利用工具完成复杂任务。
本书开篇介绍生成式人工智能与智能体架构的基础内容，然后将带你深入探索决策框架、自我改进机制以及适应性等核心主题。书中还涵盖了先进的设计技术，如多步骤规划、工具集成，以及适用于可扩展AI智能体的 “协调者-工作者-委派者”模式。
除了技术层面，本书还聚焦信任、安全与伦理等关键议题，确保AI系统的行为契合人类的价值观，并以透明的方式运行。本书通过自动化、金融、医疗等行业的真实案例，生动展示自主AI如何推动产业变革。书中对AI框架、提示工程和多智能体协作进行了深度解析，助力构建具备自适应和扩展能力的下一代AI智能体，使其不仅能执行基础任务，而且能在极少人工干预的情况下自主行动。
你将学到:
?掌握生成式AI与智能体系统的核心原理
?理解AI智能体在动态环境中自主运行、推理与适应的机制
?实现AI智能体的自省能力，使其能分析自身行为并灵活应变
?搭建支持AI智能体调用外部工具、规划复杂任务的系统
?应用提升AI透明度、问责制与可靠性的方法
?探索AI智能体在各行业的实际应用案例

第1部分：生成式AI和智能体系统的基础
第1章 生成式AI基础 3
1.1 生成式AI简介 3
1.2 生成式AI模型的类型 4
1.2.1 变分自编码器 5
1.2.2 生成对抗网络 6
1.2.3 自回归模型和Transformer架构 7
1.2.4 基于LLM的AI智能体 9
1.3 生成式AI的应用 14
1.4 生成式AI面临的挑战与局限性 17
1.4.1 数据质量与偏见 17
1.4.2 数据隐私 18
1.4.3 计算资源 18
1.4.4 伦理和社会影响 19
1.4.5 泛化能力与创造力 19
本章小结 20
习题 20
习题答案 20
扩展阅读 20
参考文献 21
第2章 智能体系统的原理 23
2.1 技术要求 23
2.2 理解自我管理、能动性和自主性 23
2.2.1 自我管理 24
2.2.2 能动性 25
2.2.3 自主性 25
2.2.4 智能体的能动性和自主性的示例 26
2.3 回顾智能体及其特征 29
2.4 探讨智能体系统的架构 30
2.4.1 慎思型架构 30
2.4.2 响应型架构 32
2.4.3 混合架构 33
2.5 理解多智能体系统 34
2.5.1 多智能体系统的定义和特征 35
2.5.2 多智能体系统中的互动机制 36
本章小结 41
习题 41
习题答案 42
第3章 智能体的基本组成部分 43
3.1 技术要求 43
3.2 智能体中的知识表示 44
3.2.1 语义网络 44
3.2.2 框架 45
3.2.3 基于逻辑的表示 46
3.3 智能体中的推理 48
3.3.1 演绎推理 48
3.3.2 归纳推理 49
3.3.3 溯因推理 50
3.4 自适应智能体的学习机制 52
3.5 智能体系统中的决策与规划 53
3.5.1 效用函数 53
3.5.2 规划算法 55
3.6 利用生成式人工智能增强智能体能力 58
本章小结 61
习题 61
习题答案 61
第2部分：设计与实现基于生成式人工智能的智能体
第4章 智能体的反思与自省能力 65
4.1 技术要求 66
4.2 智能体中反思的重要性 66
4.2.1 增强决策能力 66
4.2.2 提高适应性 67
4.2.3 增加伦理考量 67
4.2.4 优化人机交互体验 68
4.3 智能体的自省能力 69
4.4 实现反思能力 70
4.4.1 传统推理 70
4.4.2 元推理 70
4.4.3 自我解释 78
4.4.4 自我建模 81
4.5 应用场景和示例 83
4.5.1 客户服务聊天机器人 83
4.5.2 个性化营销智能体 84
4.5.3 金融交易系统 85
4.5.4 预测智能体 86
4.5.5 电子商务中的定价策略 87
本章小结 88
习题 88
习题答案 89
第5章 赋予智能体使用工具与进行规划的能力 91
5.1 技术要求 92
5.2 理解智能体中工具使用的概念 92
5.2.1 工具调用与函数调用 93
5.2.2 为智能体定义工具 94
5.2.3 工具的类型 96
5.2.4 工具在智能体系统中的重要性 99
5.3 智能体的规划算法 99
5.3.1 实用性有限的规划算法 100
5.3.2 具备一定实用性的规划算法——FF 101
5.3.3 实用性最强的规划算法 102
5.4 工具使用与规划的整合 108
5.4.1 对工具进行推理 108
5.4.2 制订工具使用计划 109
5.5 探索实际代码实现 110
5.5.1 CrewAI示例 110
5.5.2 AutoGen示例 112
5.5.3 LangGraph示例 113
本章小结 115
习题 115
习题答案 115
第6章 探索“协调者-工作者-委派者”设计模式 117
6.1 技术要求 117
6.2 理解CWD模型 118
6.2.1 CWD模型的关键原则 119
6.2.2 CWD模型在旅行系统中的应用 120
6.3 为智能体设计并分配角色 122
6.4 智能体之间的沟通与协作 129
6.4.1 沟通 129
6.4.2 协调机制 130
6.4.3 协商与冲突解决 130
6.4.4 知识共享 130
6.5 在生成式AI系统中实施CWD模式 131
6.5.1 系统提示词与智能体行为 132
6.5.2 指令格式化 132
6.5.3 交互模式 133
本章小结 134
习题 134
习题答案 135
第7章 高效的智能体系统设计技术 137
7.1 技术要求 137
7.2 聚焦式系统提示和智能体指令 138
7.2.1 定义目标 138
7.2.2 任务规范 139
7.2.3 上下文感知 141
7.3 状态空间与环境建模 142
7.3.1 状态空间表示 142
7.3.2 环境建模 143
7.3.3 集成与交互模式 144
7.3.4 监控与适应 146
7.4 智能体记忆架构与上下文管理 146
7.4.1 短期记忆 146
7.4.2 长期记忆 147
7.4.3 情景记忆 148
7.4.4 上下文管理 149
7.4.5 决策整合 150
7.5 智能体工作流中的顺序处理和并行处理 151
7.5.1 顺序处理 151
7.5.2 并行处理 152
7.5.3 工作流优化 152
本章小结 154
习题 155
习题答案 155
第3部分：信任、安全、伦理和应用
第8章 构建生成式AI系统的信任 159
8.1 技术要求 160
8.2 AI中信任的重要性 160
8.3 建立信任的技术 161
8.3.1 透明度和可解释性 161
8.3.2 不确定性和偏见的处理 165
8.3.3 高效的输出沟通 165
8.3.4 用户控制权与同意权 166
8.3.5 伦理化开发与责任 167
8.4 透明度和可解释性的实现 168
8.5 不确定性和偏见的应对 169
本章小结 170
习题 171
习题答案 171
第9章 安全管理与伦理考量 173
9.1 了解潜在风险和挑战 173
9.1.1 对抗攻击 174
9.1.2 偏见和歧视 175
9.1.3 错误信息和幻觉 176
9.1.4 数据隐私侵犯 176
9.1.5 知识产权风险 178
9.2 确保安全且负责任的AI 179
9.3 探索伦理准则与框架 182
9.3.1 以人为本的设计 182
9.3.2 可追溯性与责任 182
9.3.3 隐私与数据保护 182
9.3.4 多元化利益相关者的参与 183
9.4 解决隐私与安全问题 183
本章小结 184
习题 185
习题答案 185
第10章 常见用例与应用场景 187
10.1 创意和艺术应用 188
10.1.1 创意和艺术智能体的演进 188
10.1.2 实际应用 188
10.2 自然语言处理和对话式智能体 190
10.2.1 语言智能体的演进 190
10.2.2 实际应用 191
10.3 机器人技术和自主系统 193
10.3.1 机器人智能体的演进 193
10.3.2 实际应用 193
10.4 决策支持与优化 195
10.4.1 决策支持智能体的演进 196
10.4.2 实际应用 196
本章小结 199
习题 199
习题答案 200
第11章 结论与未来展望 201
11.1 核心要点总回顾 202
11.2 前沿趋势与新动向 202
11.2.1 多模态智能：整合多样化输入 203
11.2.2 高级语言理解 203
11.2.3 经验式学习：强化学习创新 203
11.2.4 对各行各业的实际影响 204
11.3 通用人工智能 204
11.3.1 AGI到底牛在哪里 204
11.3.2 核心挑战 205
11.4 挑战与机遇 206
本章小结 207

本书旨在为生成式AI和智能体系统提供理论基础与实践指导。生成式AI和智能体系统正掀起下一波AI技术的浪潮，它们正以前所未有的方式驱动自动化、创造力和决策能力革新。这些技术能让机器在自主推理和适应的同时，生成文本、图像，甚至战略规划，正在改变医疗、金融、机器人等多个行业。
本书首先介绍了生成式AI，讲解了变分自编码器、生成对抗网络和自回归模型等重要模型。在探讨这些模型在内容创作、设计和科学研究中的应用的同时，讨论了它们的局限性和挑战。
接下来，深入分析智能体系统的相关概念，如智能体的能动性、自主性和多智能体协作。我们将不同类型的智能体架构进行对比，包括慎思型、响应型和混合型，并探讨了多个智能体如何相互协作、互动，以达成共同目标。
打好理论基础后，本书将进入实践落地部分。书中将介绍智能体如何反思自己的推理过程、进行规划，并有效利用外部工具，具体涵盖元推理、自我解释、战略规划和多智能体协作等技术。此外，本书讨论了如何设计既智能又值得信赖的AI智能体，平衡自主性与可控性，并确保AI技术在伦理框架下负责任地发展。
最后，本书将探讨生成式智能体系统在多个领域的实际应用案例，涵盖了自然语言处理、机器人技术、决策支持和优化等。书中还将重点讨论信任、透明度、偏见缓解和AI安全性等问题，这些因素对确保AI系统的可靠性至关重要。
在整本书中，你将看到很多代码示例、实际操作练习和实施策略，帮助你将理论知识与实际应用结合起来。不论你是AI从业者、研究人员、工程师，还是技术领导者，本书都将为你提供构建能够推理、协作和自我进化的智能AI智能体所需的技能和知识。
让我们一起开始这段旅程，共同塑造智能系统的未来——一步步推动智能体不断进化。
目标读者
本书适合那些希望理解并构建具有自主性、适应性和智能性的AI驱动型智能体的AI从业人员、开发者、研究人员、工程师和技术管理者。不论你是希望将生成式模型融入智能系统的开发者，还是探索高级智能体功能的AI架构师，本书都将为你提供扎实的理论基础和可直接上手的实施策略。
主要内容
第1章 生成式AI基础，介绍了生成式AI的核心概念、各种模型类型(包括变分自编码器、生成对抗网络和自回归模型)以及其在现实中的应用，讨论了偏见、局限性和伦理问题等挑战。
第2章 智能体系统的原理，定义了智能体系统，涵盖了智能体的能动性、自主性及其核心特征(如响应性、主动性和社交能力)等内容。同时，探讨了不同的智能体架构和多智能体协作。
第3章 智能体的基本组成部分，详细介绍了智能体的关键元素，包括知识表示、推理、学习机制、决策制定，以及生成式AI在增强智能体能力方面的作用。
第4章 智能体的反思与内省能力，探讨了智能体如何分析自己的推理过程，如何从经验中学习并通过元推理、自我解释和自我建模等技术来改进决策。
第5章 赋予智能体使用工具与进行规划的能力，讨论了智能体如何利用外部工具实现规划算法，并将工具使用与战略决策相结合，以提高效率和达成目标。
第6章 探索“协调者-工作者-委派者”设计模式，介绍了多智能体协作中的CWD模型，解释了智能体如何承担协调者、工作者或委派者等角色，以优化任务执行和资源分配。
第7章 高效的智能体系统设计技术，讲解了设计智能体的最佳实践，包括聚焦式指令、设定保护措施与约束条件、平衡自治与控制、确保透明度和可追溯性等。
第8章 构建生成式AI系统的信任，探讨了建立AI信任的技术，包括透明性、可解释性、处理不确定性与偏见，以及设计可靠且可解释的AI系统。
第9章 安全管理与伦理考量，讨论了生成式AI的风险与挑战，确保AI负责任发展的策略、伦理指南，以及AI部署中的隐私和安全问题。
第10章 常见用例与应用场景，展示了生成式AI在创意内容生成、对话式AI、机器人技术和决策支持系统等领域的实际应用。
第11章 结论与未来展望，总结了本书的关键概念，探讨了生成式AI和智能体系统的最新趋势，讨论了通用人工智能，并展望了未来的挑战与机遇。

如何最大化本书的价值
如果具备以下条件，阅读本书时将更轻松：
● 熟悉AI和机器学习的相关概念：虽然本书涵盖了基础原理，但如果你事先掌握AI、机器学习、深度学习和Python编程等知识，将有助于理解更高级的内容。
● 具备实践能力：尝试使用本书提供的代码示例和框架，进行生成式AI和智能体系统的构建。搭建本地或云端开发环境，将提升你的学习体验。
● 能够对人工智能伦理与安全性进行批判性思考：在探索生成式AI和自主智能体时，思考信任、偏见以及负责任的AI设计的影响，旨在构建符合伦理规范的智能系统。
本书涵盖的软件和硬件 操作系统需求
Python、Jupyter Notebooks和CrewAI Windows、macOS、Linux
下载示例代码文件
本书的代码包托管在GitHub上，网址为https://github.com/PacktPublishing/
Building-Agentic-AI-Systems，也可扫描右侧二维码下载。
本书遵循的约定
本书遵循若干文本约定，具体内容如下。
加粗：表示新术语、重要词汇或屏幕上显示的词语。例如，菜单或对话框中的词语会加粗显示。举个例子：“个性化的入职计划：根据已识别的目标和需求，创建一个量身定制的入职计划，概述实现设定目标的步骤、里程碑和时间表。”

提示或重要说明
会以这种形式出现。

关 于 作 者

安贾纳瓦·比斯瓦斯是一位屡获殊荣的高级AI专家和解决方案架构师，拥有超过17年的行业经验。他专注于机器学习、生成式AI、自然语言处理、深度学习、数据分析和云架构，与大型企业合作，在云端构建和扩展先进的AI系统。安贾纳瓦因其在应用AI领域的贡献而广受认可。他曾在多个科学期刊上发表研究成果，并积极参与AI、ML开源项目。他的职业荣誉包括英国计算机协会(BCS)、英国工程技术学会(IET)、印度电子与电信工程师学会(IETE)等学会的会士资格，还是IEEE高级会员。安贾纳瓦常以嘉宾身份参与公开演讲，曾在IBM和Oracle等行业巨头企业中担任重要职务。安贾纳瓦来自印度，目前与妻子和儿子居住在加利福尼亚州的圣地亚哥，在科技领域持续创新并激励他人。
我想向所有陪伴我走过生成式AI之旅的人表达由衷的感谢。感谢曾经与我共同工作的同事们，你们挑战了我的思维，分享了这个快速发展的领域的活力——你们的合作是无价的。感谢我的导师们，你们看到了我想法中的潜力，并以智慧和耐心引导我——你们对我的信任使这本书得以问世。
感谢我那了不起的儿子，年仅11岁的你，总能用天马行空的想象力提醒我，未来属于那些敢于梦想的人。你的问题迫使我将复杂的内容简化为清晰、易懂的逻辑——这或许是理解生成式AI最宝贵的技能。
感谢我的妻子，每一个深夜和突破性时刻里始终陪伴着我的坚定伴侣——你的耐心是这些想法得以实现的无声基石。
感谢我的母亲，她的智慧超越了技术，她的鼓励从未停歇。还要感谢我的父亲，虽然他已不在身边，但我所选择迎接的每一个挑战，都离不开他的影响。我知道，你一定会带着骄傲翻阅这本书的每一页。
正如艾达·洛夫莱斯曾经说过的：“分析机编织代数图案，就像织布机编织花卉和叶子图案。”今天的生成式AI延续了人类创造力与计算可能性之间的美妙互动——这段“互动之舞”，我有幸记录下来。
致所有笃信科技当以升华人性而非削弱人性为使命的读者——这本书献给你们。
—— 安贾纳瓦·比斯瓦斯
里克·塔鲁克达尔是亚马逊公司在生成式人工智能领域的富有远见的技术领袖，拥有超过二十年的全球AI、云计算和产品管理经验。作为AI驱动转型的先锋，他领导了大规模的现代化项目，推动了企业增长，并影响了全球数百万人的生活。他主导将多项获奖的AI、ML技术产品化，这些技术现在已大规模部署在《财富》500强企业中，塑造了现实世界中的AI应用场景。
作为AI研究领域的知名人物，里克在生成式AI、多模态、自然语言处理和计算机视觉等方面的研究成果被广泛引用和参考。作为IEEE高级会员、多个行业论坛的主席和小组成员，他为CTSoc行业论坛、网络智能委员会(Network Intelligence Committee，NIC)等全球委员会提供专业建议，参与制定行业标准，并推动人工智能未来的角色定位。他常受邀在世界科技峰会(World Technology Summit)、IEEE荣誉学会(IEEE HKN)、国际消费电子大会(ICCE)、剑桥能源周(CERAWeek)、阿布扎比国际石油博览会(ADIPEC)等顶级会议上分享创新成果，将前沿研究与现实世界中的AI应用结合起来，加速行业创新。
他凭借扎实的计算机科学背景，共同主持IEEE NIC，助力年轻专业人才成长。作为作者和思想领袖，他不断推动AI技术边界的突破，激励着未来的创新者。里克与家人现定居于加利福尼亚。
正如玛丽安·赖特·艾德尔曼所说：“教育是为了改善他人的生活，并使你的社区和世界变得更加美好。”
我由衷地感谢所有在这段旅程中支持、指导和激励过我的人。
感谢我的家人——我的父母、儿子和妻子——你们对我的坚定信念是我力量的源泉。
感谢我的儿子，他对“爸爸在做什么”的无尽好奇，每天都在提醒我寻找探索的意义。你的惊奇和问题在我最需要时带给我创意，而你的想象力让我看到了这项工作能解锁的无限可能。你教会了我，灵感常常来自一个相信你能解释宇宙的人最单纯的提问。
感谢我的父母，你们始终如一的支持、对我的信心和对理解这个快速发展的世界的渴望提醒我，知识是用来分享的，而不是储存的。你们对终身学习的信念是我的道德准则，你们对我工作的认可始终是我最重要的动力源泉。
感谢我的妻子，你沉稳的力量、持久的耐心与持续的激励，不仅使这段征程成为可能，更赋予其深刻意义。无数长夜相伴的身影、克服重重障碍时的坚定信念，以及那份抚慰心灵的笃定，最终指引我完成了所开创的事业。你始终是我人生的锚点与灵感的源泉。
感谢人工智能研究社区的各位同仁，你们对创新的不懈追求始终激励着我，也让我心怀谦卑。过去这些年，我撰写过研究论文、技术文章与博客，而创作人生中的第一本书，无疑是一次极具变革意义的经历：它促使我必须将复杂的技术概念转化为清晰的表达，将抽象的想法转化为能产生实际价值的内容。
感谢我的朋友和支持者，在每一次挑战中，有你们相伴，那些阻碍才得以变成前行路上的里程碑。无论是一句温暖的鼓励、一次思想的交流，还是在最需要的时候默默出现，你们都让我明白：没有哪一段旅程是真正孤独的。
致每一位陪伴我的人。是你们与我并肩同行，坚信我的愿景，也一同书写了这本书里的每一个字。
——里克·塔鲁克达尔

关于评审员
曼吉特·查克拉博蒂是一位资深的技术领袖，在金融服务领域推动数字化转型方面积累了丰富的经验。作为亚马逊网络服务的企业解决方案架构师，他带领团队负责遗留系统的现代化改造，并为全球最大金融机构设计创新的云原生解决方案。曼吉特在商业和技术架构方面有着扎实的经验，他擅长通过数据分析提供切实可行的见解。他的专业领域包括云迁移、大型主机现代化、系统集成、混合部署、数据分析和商业智能等。作为备受欢迎的演讲者，曼吉特曾在多个知名技术论坛上发表演讲。他还是一位资深的作者，为多个技术出版物贡献了自己的见解，积极与技术社区分享经验。此外，曼吉特也是一位优秀的审稿人，定期对行业投稿和学术研究论文进行评审，极大地推动了技术进步和学术交流。他目前居住在美国佛罗里达州。
马丁·亚内夫是一位非常出色的软件工程师，拥有近十年的行业经验，涉及领域包括航空航天和医疗技术。在马丁卓越的职业生涯中，他在为关键领域(如空中交通管制和色谱分析系统)开发和集成先进软件解决方案方面取得了卓越成就。作为菲奇堡州立大学的计算机科学教授，马丁深入了解OpenAI API的各项技术，并在构建、训练和微调AI系统方面表现出了极高的水平。马丁还是一位广受认可的作者，致力于帮助他人解决AI开发中的复杂问题。凭借丰富的经验和多领域的技能储备，马丁始终在推动软件工程领域的创新和变革。

关于译者

茹炳晟，腾讯Tech Lead，腾讯研究院特约研究员，腾讯集团技术委员会委员，中国计算机学会TF研发效能SIG主席，腾讯云架构师技术同盟入会成长主席，中国通信标准化协会 TC608 云计算标准和开源推进委员会云上软件工程工作组副组长，中国商业联合会互联网应用技术委员会智库专家，“软件研发效能度量规范”团体标准核心编写专家，复旦大学CodeWisdom团队成员，国内外各大技术峰会的联席主席、出品人和 Keynote演讲嘉宾，公众号“茹炳晟聊软件研发”主理人，二十余本计算机专业图书的作者和译者。

殷海英，计算机科学技术博士、硕士学位，工商管理硕士(MBA)学位，联合国教科文组织认证教师；在美国多所大学的医学院研究和进修人体解剖学、心理学、人类生理学、医学神经科学、公共卫生基础等；已出版(含翻译)三十余部专业著作，内容涵盖MySQL、AWS、Airflow、数据科学、Python、Kubernetes、机器学习、深度学习、LLM、AI Agent及图算法等众多前沿技术领域；在AI数据治理、智能计算中心效能优化、分布式调度系统、大模型微调与部署、知识图谱构建等关键技术方向拥有多项专利及核心项目成果。