Coleção de 28 tutoriais code-first para levar agentes de GenAI do protótipo à produção, abordando memória, RAG, implantação, segurança e observabilidade.
bojieli/ai-agent-book
Livro gratuito e de código aberto em chinês sobre princípios de design e práticas de engenharia de AI Agents, com 109 experimentos complementares e versões para download em PDF e EPUB.
- Estrelas
- 54,919
- Forks
- 6,280
- Issues abertas
- 35
- Último commit
- há 12 dias
O que é?
Este repositório reúne o texto completo, as ilustrações e o código complementar do livro "Deep Understanding of AI Agents: Design Principles and Engineering Practice". A fórmula central do livro é Agent = LLM + contexto + ferramentas, e seus dez capítulos vão dos fundamentos à produção, abordando engenharia de contexto, memória do usuário e RAG, uso de ferramentas via MCP, agentes de programação, interação por voz e uso do computador, avaliação, pós-treinamento de modelos, melhoria contínua e colaboração entre múltiplos agentes.
O repositório inclui o texto original em chinês no formato Markdown, figuras em SVG e scripts para gerar as versões em PDF e EPUB. Há traduções da comunidade para mais de uma dúzia de idiomas, e uma versão online está disponível no GitHub Pages. Cada capítulo tem seus próprios experimentos executáveis, organizados como projetos Python que podem ser instalados com uv ou pip; o apêndice lista repositórios externos fixados em commits específicos para reproduzir alguns dos experimentos.
O livro exige pouco conhecimento prévio para a maioria dos capítulos: Python em nível intermediário, experiência prévia com produtos de chat baseados em LLM e conhecimentos básicos de linha de comando e Git. Apenas o capítulo sobre pós-treinamento pressupõe conhecimentos consistentes de matemática e machine learning.
Recursos principais
- 01Dez capítulos sobre engenharia de contexto, memória e RAG, ferramentas MCP, agentes de programação e sistemas multiagentes.
- 02109 experimentos complementares organizados por capítulo, cada um executável como um projeto Python.
- 03Versões para download em PDF e EPUB, além de uma versão para leitura online.
- 04Texto original em chinês no formato Markdown, com figuras em SVG e scripts para reproduzir o livro.
- 05Traduções da comunidade para mais de uma dúzia de idiomas.
Casos de uso
- Desenvolvedores que querem entender de forma estruturada e orientada por princípios como criar AI Agents.
- Engenheiros que estão desenvolvendo um agente de programação e querem acompanhar os experimentos de cada capítulo do livro.
- Equipes que estão montando conjuntos de avaliação e aprimorando agentes com base em suas falhas, seguindo as orientações do capítulo sobre avaliação.
- Leitores que preferem acompanhar o código enquanto leem um livro técnico em chinês.
Início rápido
- 1
Instale as dependências do chapter 1 com uv (Python 3.11–3.13)
uv sync --locked --extra ch1 - 2
Copie .env.example para .env e adicione pelo menos uma chave de API de um provedor de modelos
- 3
Execute um experimento do chapter 1 a partir da raiz do repositório
uv run python chapter1/context/main.py
Antes de usar
- A maioria dos experimentos chama provedores de LLM, então você precisa da sua própria chave de API, que pode ser paga.
- Alguns experimentos precisam de dependências de sistema adicionais, como navegadores, CUDA, FFmpeg ou Ollama, e alguns componentes do chapter 8 exigem Python 3.12 ou superior.
- Os experimentos complementares incluem repositórios externos que precisam ser clonados manualmente nas respectivas pastas.
Tópicos
Perguntas frequentes
- O que é ai-agent-book?
- Livro gratuito e de código aberto em chinês sobre princípios de design e práticas de engenharia de AI Agents, com 109 experimentos complementares e versões para download em PDF e EPUB. Este repositório reúne o texto completo, as ilustrações e o código complementar do livro "Deep Understanding of AI Agents: Design Principles and Engineering Practice". A fórmula central do livro é Agent = LLM + contexto + ferramentas, e seus dez capítulos vão dos fundamentos à produção, abordando engenharia de contexto, memória do usuário e RAG, uso de ferramentas via MCP, agentes de programação, interação por voz e uso do computador, avaliação, pós-treinamento de modelos, melhoria contínua e colaboração entre múltiplos agentes.
- ai-agent-book é gratuito? Qual é a licença?
- ai-agent-book é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- ai-agent-book ainda é mantido?
- Manutenção ativa. O último commit de ai-agent-book foi em 8 de out. de 2026.
- Para que posso usar ai-agent-book?
- Desenvolvedores que querem entender de forma estruturada e orientada por princípios como criar AI Agents. Engenheiros que estão desenvolvendo um agente de programação e querem acompanhar os experimentos de cada capítulo do livro. Equipes que estão montando conjuntos de avaliação e aprimorando agentes com base em suas falhas, seguindo as orientações do capítulo sobre avaliação. Leitores que preferem acompanhar o código enquanto leem um livro técnico em chinês.
- Como instalar ai-agent-book?
- Instale as dependências do chapter 1 com uv (Python 3.11–3.13): uv sync --locked --extra ch1 Copie .env.example para .env e adicione pelo menos uma chave de API de um provedor de modelos Execute um experimento do chapter 1 a partir da raiz do repositório: uv run python chapter1/context/main.py
- Onde consigo ai-agent-book?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/bojieli/ai-agent-book
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Agente autônomo de pesquisa open source que planeja perguntas, coleta fontes da web e locais e escreve relatórios com citações usando qualquer provedor de LLM.
Um framework aberto de agentes que dá à IA seu próprio desktop Linux no Docker, com navegador e ferramentas para documentos, para realizar tarefas de verdade.
Infraestrutura de memória nativa para agentes, que transforma conversas e execuções de agentes LLM em memória persistente e estruturada para apps em Python e TypeScript.
Plataforma sem código que gera agentes de IA prontos para produção a partir de descrições em linguagem natural, com ferramentas, memória e orquestração integradas.
Camada de memória open source que transforma os resultados das tarefas de agentes em arquivos Markdown de skills editáveis e compartilhados entre agentes e LLMs.