智能體(理論基礎與應用實踐)

作者：何明//呂廣奕//趙洪科//陳恩紅//范建平|責編:張爽
出版社：電子工業
ISBN：9787121523823

出版日期：2026/04/01
裝幀：平裝
頁數：645

人民幣：RMB 138 元售價：元

內容大鋼

本書全面系統地介紹了智能體的理論基礎與應用實踐，內容從結構上可分為三部分。第一部分（第1-3章）系統梳理了智能體本體前置知識，包括智能體基礎知識、自然語言處理基礎知識及大模型基礎知識。第二部分（第4-11章）是全書的核心內容，全面深入地剖析了智能體技術方法，涵蓋智能體系統、感知能力、角色扮演能力、記憶能力、檢索增強生成、規劃能力、執行能力、智能體評估，以及智能體技能等內容。各章不僅闡述了各種能力的核心原理，還同步提供了代表性技術方法，幫助讀者快速掌握並落地使用。第三部分（第12-15章）從應用實踐角度，全面梳理了智能體開發相關工具，並通過Manus智能體剖析和DeepSeek開發實踐兩個章節，詳細介紹了從實現思路到完整代碼的全流程，使讀者能夠學以致用。
本書內容兼具系統性與實用性，既可作為智能體領域從業者的進階學慣用書，也適合對智能體感興趣的初學者入門參考。同時，本書還可作為高等院校電腦科學與技術、人工智慧、自動化及相關專業的師生用書，以及培訓學校的教材。

作者介紹

何明//呂廣奕//趙洪科//陳恩紅//范建平|責編:張爽

第1章  智能體緒論
  1.1  背景介紹
  1.2  發展歷程
  1.3  基礎概念
    1.3.1  智能體定義
    1.3.2  智能體分級
    1.3.3  智能體要素
    1.3.4  關聯技術
  1.4  思考與展望
  1.5  本章小結
第2章  自然語言處理基礎
  2.1  基本信息
    2.1.1  發展歷程
    2.1.2  基本範式
    2.1.3  統計機器學習
    2.1.4  常用術語
  2.2  主要任務
    2.2.1  自然語言表示
    2.2.2  自然語言理解
    2.2.3  自然語言信息提取
    2.2.4  自然語言生成
  2.3  詞元化與分詞技術
    2.3.1  詞元化
    2.3.2  詞級分詞方法
    2.3.3  子詞級分詞方法
  2.4  表徵方法
    2.4.1  稀疏向量表示法
    2.4.2  詞表徵方法
    2.4.3  句子表徵方法
  2.5  語言模型
    2.5.1  語言模型介紹
    2.5.2  統計語言模型
    2.5.3  神經語言模型
    2.5.4  預訓練語言模型
  2.6  本章小結
第3章  大模型基礎
  3.1  基礎概念
    3.1.1  大模型與智能體的關係
    3.1.2  大模型的基本工作原理
  3.2  大模型架構
    3.2.1  架構介紹
    3.2.2  Transformer
    3.2.3  注意力機制
    3.2.4  前饋網路層
    3.2.5  歸一化層
    3.2.6  位置編碼
  3.3  生成解碼
    3.3.1  採樣策略
    3.3.2  兩階段生成
  3.4  模型預訓練

    3.4.1  數據源
    3.4.2  數據預處理
    3.4.3  數據調度
    3.4.4  預訓練任務
    3.4.5  縮放定律與壓縮智能
  3.5  模型后訓練
    3.5.1  持續預訓練
    3.5.2  監督微調
    3.5.3  參數高效微調
    3.5.4  強化學習
    3.5.5  長思維鏈與強化微調
  3.6  上下文學習
    3.6.1  基本形式
    3.6.2  多輪對話
    3.6.3  推理能力
    3.6.4  學習機制
  3.7  代表性大模型
  3.8  本章小結
第4章  智能體系統
  4.1  智能體架構
    4.1.1  工具導向型智能體架構
    4.1.2  身份導向型智能體架構
  4.2  單智能體模式
    4.2.1  面向任務的智能體
    4.2.2  面向創新的智能體
    4.2.3  面向生命周期的智能體
  4.3  多智能體協作模式
    4.3.1  互補型協作多智能體
    4.3.2  對抗型協作多智能體
  4.4  人與智能體協作模式
    4.4.1  指令-執行協作模式
    4.4.2  對等協作模式
    4.4.3  其他協作模式
  4.5  本章小結
第5章  感知能力
  5.1  環境介紹
  5.2  感知目標
  5.3  單模態信息感知
    5.3.1  文本信息感知
    5.3.2  視覺信息感知
    5.3.3  聽覺信息感知
    5.3.4  感測器信息感知
    5.3.5  其他形式的信息感知
  5.4  全模態信息感知
  5.5  本章小結
第6章  角色扮演能力
  6.1  角色定義
  6.2  大模型的角色扮演能力分析
    6.2.1  類人特性
    6.2.2  角色偏見

  6.3  角色信息生成
    6.3.1  人工設定
    6.3.2  免訓練的方法
    6.3.3  基於訓練的方法
  6.4  角色信息更新
    6.4.1  認知型GPT
    6.4.2  工具導向對話推薦系統
  6.5  角色扮演類型
    6.5.1  單角色扮演
    6.5.2  多角色扮演
  6.6  本章小結
第7章  記憶能力
  7.1  記憶的理論基礎
  7.2  記憶類型
    7.2.1  感覺記憶
    7.2.2  短期記憶
    7.2.3  長期記憶
  7.3  記憶架構
    7.3.1  統一記憶架構
    7.3.2  混合記憶架構
  7.4  記憶形式
    7.4.1  自然語言存儲
    7.4.2  表徵向量存儲
    7.4.3  資料庫存儲
    7.4.4  結構化數據存儲
    7.4.5  參數化記憶存儲
  7.5  記憶操作
    7.5.1  記憶寫入
    7.5.2  記憶反思
    7.5.3  記憶遺忘
    7.5.4  記憶讀取
  7.6  本章小結
第8章  檢索增強生成
  8.1  RAG介紹
  8.2  知識庫構建
    8.2.1  文本解析
    8.2.2  文本分塊
    8.2.3  向量編碼
    8.2.4  索引構建
  8.3  查詢優化
    8.3.1  查詢擴展
    8.3.2  查詢分解
    8.3.3  查詢消歧
    8.3.4  查詢抽象
  8.4  知識檢索
    8.4.1  查詢路由
    8.4.2  檢索器
    8.4.3  檢索器微調
    8.4.4  檢索結果重排
  8.5  知識融合

    8.5.1  融合階段
    8.5.2  融合範式
  8.6  答案生成
    8.6.1  上下文優化
    8.6.2  生成器優化
  8.7  知識引用
    8.7.1  邊生成邊引用
    8.7.2  先生成后引用
  8.8  RAG範式進階
    8.8.1  圖譜型RAG
    8.8.2  推理型RAG
    8.8.3  智能體型RAG
  8.9  RAG評估
  8.10  本章小結
第9章  規劃能力
  9.1  規劃理論基礎
    9.1.1  人類的思考機制
    9.1.2  大模型的規劃原理
    9.1.3  規劃能力概述
  9.2  基於分解的規劃方法
    9.2.1  思維鏈
    9.2.2  計劃-求解
    9.2.3  開源集成的規劃方法
    9.2.4  推理與行動結合
    9.2.5  程序輔助性語言模型
    9.2.6  程序提示詞
  9.3  基於選擇的規劃方法
    9.3.1  自我一致性思維鏈
    9.3.2  思維樹
    9.3.3  思維圖
    9.3.4  基於規劃的推理
    9.3.5  大模型A
  9.4  外部輔助的規劃方法
    9.4.1  經典規劃器輔助的大模型
    9.4.2  動態規劃器輔助的大模型
    9.4.3  PDDL模型輔助的大模型
    9.4.4  答案集編程輔助的大模型
    9.4.5  強化學習輔助的上下文行動大模型
    9.4.6  快慢思考結合的規劃方法
  9.5  迭代增強的規劃方法
    9.5.1  自我改進
    9.5.2  反思
    9.5.3  工具交互性評價的自我修正
    9.5.4  從錯誤中學習
  9.6  記憶增強的規劃方法
    9.6.1  記憶者
    9.6.2  記憶型Transformer
    9.6.3  智能體微調
  9.7  本章小結
第10章  執行能力

  10.1  基礎知識
    10.1.1  人類的工具使用能力
    10.1.2  大模型的工具使用能力
    10.1.3  工具使用的形式化
  10.2  工具類型
  10.3  工具來源
  10.4  免微調的工具使用方法
    10.4.1  自動化的推理與工具使用
    10.4.2  面向迭代動態更新API的GPT
    10.4.3  可控大模型
    10.4.4  自動化工具智能體
    10.4.5  自動化的工具使用迭代方法
    10.4.6  帶規劃的預受限工具學習
  10.5  基於微調的工具使用方法
    10.5.1  自監督的工具使用方法
    10.5.2  基於執行反饋的工具學習
    10.5.3  抽象鏈
    10.5.4  搜索擴充的工具使用方法
    10.5.5  帶有工具使用架構的大模型
    10.5.6  自動化的工具使用數據合成方法
  10.6  智能體技能
  10.7  本章小結
第11章  智能體評估
  11.1  單智能體評估
    11.1.1  感知能力評估
    11.1.2  角色扮演能力評估
    11.1.3  記憶能力評估
    11.1.4  規劃能力評估
    11.1.5  執行能力評估
    11.1.6  自主進化能力評估
  11.2  多智能體評估
  11.3  通用智能體評估
  11.4  智能體安全評估
  11.5  智能體評估架構
  11.6  本章小結
第12章  智能體開發工具
  12.1  智能體開發概述
  12.2  基礎設施層
    12.2.1  大模型服務
    12.2.2  存儲服務
  12.3  核心組件層
    12.3.1  記憶模塊
    12.3.2  工具模塊
    12.3.3  沙盒環境
  12.4  編排層
    12.4.1  代碼開發架構
    12.4.2  低代碼開發平台
    12.4.3  通信協議
  12.5  服務與監測層
    12.5.1  智能體托管與服務化

    12.5.2  智能體監測
  12.6  智能體應用示例
    12.6.1  搜索智能體
    12.6.2  客服智能體
    12.6.3  編程智能體
  12.7  本章小結
第13章  Manus智能體剖析
  13.1  背景介紹
  13.2  技術架構
    13.2.1  Manus架構
    13.2.2  關鍵模塊分析
    13.2.3  模塊協作機制
  13.3  代碼實現
    13.3.1  開發環境準備
    13.3.2  監督微調階段
    13.3.3  強化學習微調階段
    13.3.4  OpenManus實現
  13.4  分析展望
  13.5  本章小結
第14章  DeepSeek開發實踐
  14.1  DeepSeek入門
    14.1.1  DeepSeek的發展歷程
    14.1.2  DeepSeek的API調用
    14.1.3  DeepSeek的部署流程
  14.2  模塊化設計
    14.2.1  基本思路
    14.2.2  模塊定義
    14.2.3  服務路徑標注
    14.2.4  輸入/輸出定義
    14.2.5  服務運行
  14.3  介面設計
    14.3.1  基本介紹
    14.3.2  數據結構定義
    14.3.3  主要模塊定義
  14.4  記憶模塊實現
    14.4.1  會話記憶
    14.4.2  系統記憶
  14.5  意圖模塊實現
    14.5.1  動態提示詞構建
    14.5.2  結構化輸出解析
  14.6  任務規劃模塊實現
    14.6.1  任務規劃模塊概述
    14.6.2  工具調用消息格式
    14.6.3  大模型提示詞結構
    14.6.4  消息序列構建
    14.6.5  工具集構建
  14.7  執行模塊實現
    14.7.1  執行模塊概述
    14.7.2  工具調用驗證
    14.7.3  缺失參數填充

    14.7.4  MCP工具調用
  14.8  總結模塊實現
  14.9  完整工作流實現
  14.10  本章小結
第15章  行業應用與發展趨勢
  15.1  引言
  15.2  行業應用
    15.2.1  電子商務
    15.2.2  教育培訓
    15.2.3  醫療健康
    15.2.4  金融服務
    15.2.5  智能製造
    15.2.6  物理機器人
  15.3  未來挑戰
  15.4  發展趨勢
    15.4.1  與大模型的融合程度更深
    15.4.2  交互方式更自然
    15.4.3  自主化程度更高
    15.4.4  協作更順暢
    15.4.5  人格化特性更顯著
    15.4.6  具身化程度更高
  15.5  未來已來
  15.6  本章小結

同類熱銷排行榜

最近瀏覽的商品

智能體(理論基礎與應用實踐)