当前版本已更新至 2.0 版，章节目录做了调整，内容更贴近最新实践

核心洞察

先说结论：这本书最难得的地方，是肯把 Agent 当成一门能动手验证的工程来写。全书 10 章配 109 个实验，代码全部开源，等于把读者从“读概念”直接拉进“跑代码”的现场。被翻译成 15 种语言这件事，比任何推荐语都更能说明问题。

GitHub 上的 ai-agent-book 项目，主页第一屏就把整本书的骨架亮了出来：

Agent = LLMLarge Language Model, the underlying technology for generative AI. + 上下文 + 工具

LLM 提供推理能力，上下文决定 Agent 的“视野”有多大，工具则让它从聊天走向执行。全书十章就沿着这条线展开，从入门一路写到多 Agent 协作。

当前书稿版本是 2.0。相比 1.4，结构上有一次明显的调整：原第四章的“异步交互”和原第九章的“多模态 Agent”合并，重组为新的第六章“交互：观察与动作空间的扩展”。原第六章“Agent 的评估”、第七章“模型后训练”、第八章“Agent 的持续进化”依次后移，现在分别对应第七、八、九章。手里还是旧版 PDF 的话，建议直接换成最新版，不然章节对不上。

先看三组数字：10 章正文、109 个配套实验、15 种语言版本。这个规模放在开源技术书里相当少见。

核心结论

1. 《AI Agent人工智能代理，指能够感知环境、自主决策并执行任务的智能软件实体。在微软框架中，Agent作为基本功能单元，具备目标导向的行为能力和环境交互能力。s in Depth》是一本开源免费的技术书，全书 10 章配 109 个配套实验，代码全部开源；现有 15 种语言版本（中文原版 + 14 种社区翻译）。

2. 全书主线公式为“Agent = LLM + 上下文 + 工具”，其中 LLM 提供推理、上下文决定 Agent 的“视野”、工具让 Agent 从聊天走向执行。

3. 当前书稿版本为 2.0；相比 1.4，原“异步交互”和“多模态 Agent”两章合并为新的第六章“交互：观察与动作空间的扩展”，后续章节顺延，旧版 PDF 章节对不上，需换成最新版。

4. 配套实验环境支持 Python 3.11–3.13，推荐在仓库根目录使用 uv sync --locked --extra chX 按章节复现；调用模型的实验需配置 .env 中的 API 密钥。

5. 实验是否真正跑通，以仓库 docs/EXPERIMENT_STATUS.md 的逐条记录为准，不能仅凭依赖安装成功来推断。

电子书

离线版推荐 PDF 或 EPUB，排版比网页干净，全书开源免费。下面的下载链接指向主分支的最新构建；想固定某个历史快照，去 Releases 里找。

网页版也能直接读，支持多语言切换、章节折叠、全文搜索，主分支每次推送后会自动重新构建。

正文源码按语言放在独立目录里。中文原稿是 book/，英文是 book-en/，西班牙语是 book-es/，其他语言的目录命名方式以此类推。

cd book && bash build_pdf.sh

内容速览：第一至第十章

全书正文和实验的对应关系如下。

上表里“读”指向章节正文，数字是该章的实验数量。实验会标注为可运行、复现或设计，具体状态看各章 README。作者另外写了一份学习建议，讲了核心理念、学习路径和难度分级，想认真读这本书的人建议先看它。

运行配套实验

代码环境统一支持 Python 3.11 到 3.13。最好在仓库根目录按章节安装依赖，仓库提交了 uv.lock，用 uv 能获得可复现的章节环境：

# 推荐：使用提交到仓库的 uv.lock，获得可复现的章节环境
uv sync --locked --extra ch1

需要安装后面章节的依赖时，把 ch1 换成 ch2 到 ch10 即可。

把仓库拉到本地之后，最先要处理的是运行环境。依赖都写在 pyproject.toml 里，按章节拆成 extra。仓库推荐用 uv 同步，并带上已经提交的 uv.lock，这样环境能按章节复现：

# 推荐：使用提交到仓库的 uv.lock，获得可复现的章节环境
uv sync --locked --extra ch1

# 未安装 uv 时：使用 pip 从 pyproject.toml 重新解析
python -m pip install -e ".[ch1]"

要跑通会调模型的实验，API 凭据绕不开。先读对应实验的 README。支持根目录配置的实验，把 .env.example 复制成 .env，至少填一个提供商的 key。部分实验要求在自己的目录里放 .env，或者直接用环境变量。只有实验 README 或 CLI 中明确写了 ollama，才需要启动本地 Ollama，并加 --provider ollama。

安装完以后，不需要进到某个实验目录再运行。仓库根目录直接跑就行，比如第一章这个实验：

uv run python chapter1/context/main.py
# 使用 pip 安装时也可直接运行：python chapter1/context/main.py

几点补充：

• uv 安装看官方文档。pip 仍然能用，只是不会读取锁文件。
• 各实验现有的 requirements.txt 在迁移期间照常工作，适合只跑单个项目、需要固定版本的情况。
• all 是个 CPU 友好的组合，不包含本地训练栈，别把它当成全量安装。uv sync 每次会精确同步当前选定的 extra；同时要跑两个 extra 时，写在同一命令里。比如 uv sync --locked --extra ch2 --extra vllm，或 uv sync --locked --extra ch7 --extra unsloth。用 pip 时写成 python -m pip install -e ".[ch2,vllm]"。
• 浏览器、CUDA、FFmpeg、Ollama、Playwright 浏览器以及外部仓库这些系统依赖，继续按实验 README 装。第 8 章有些内置第三方组件要求 Python 3.12 以上。

API 密钥

建议申请下面几个平台的 API Key 方便学习。模型选型参考这篇指南。

赞助商

感谢 Krill AI 赞助本项目。Krill 做的是模型 API 中转，OpenAI、Claude、Gemini 这些海外模型和多家国产模型，都可以在同一个接口里访问。支持企业级定制、报销开票、7×16 小时专属技术支持，WebSocket 连接方式对首字速度也有帮助。

Krill 给本书读者开了个优惠：用此链接注册，充值时填优惠码「ai-agent-book」，首次购买 Codex 套餐可享 77 折。

实验有没有真的跑通，要以仓库里的 docs/EXPERIMENT_STATUS.md 为准。它单独记录每个实验的执行状态、证据和还没关闭的门禁。克隆源码或安装依赖，只代表环境能跑起来，不代表实验已经完成。

附录 · 外部仓库获取

本附录列出第 6、7、8、10 章跟实验直接对应的 22 个外部仓库，外加 1 个辅助训练 cookbook。它们没有作为源码内置依赖放进仓库，体积和版权两方面都不合适。需要复现对应章节时，把它们克隆到指定目录就行。部分训练项目还会按各自 README 拉取模型、数据集和模拟器依赖，这部分不算在直接映射的仓库里。

下面的版本号来自 2026-07-30 工作区里的 checkout，或者同一天的只读上游审计。按这些版本固定代码，只是给复现一个稳定起点。训练、硬件、浏览器和多 Agent 实验跑没跑过，得另看实验状态文件。

一键克隆脚本

# 第 6 章 · GUI 与机器人外部复现轨道
git clone https://github.com/anthropics/claude-quickstarts.git chapter6/claude-quickstarts && git -C chapter6/claude-quickstarts checkout --detach 9bcc95e316e5ef6542b4c9d0469f4078829eead5  # 实验 6-8 使用 computer-use-demo/
git clone https://github.com/browser-use/browser-use.git chapter6/browser-use && git -C chapter6/browser-use checkout --detach ec9277c5001f2cb78ee419c927775a3cfc227ff8  # 实验 6-9
git clone https://github.com/Vector-Wangel/XLeRobot.git chapter6/XLeRobot && git -C chapter6/XLeRobot fetch origin 3d14695e40c9c68229c0aacffca6053c75cd3eb6 && git -C chapter6/XLeRobot checkout --detach 3d14695e40c9c68229c0aacffca6053c75cd3eb6 && test "$(git -C chapter6/XLeRobot rev-parse HEAD)" = "3d14695e40c9c68229c0aacffca6053c75cd3eb6"  # 实验 6-10、6-12 共用
git clone https://github.com/Grigorij-Dudnik/RoboCrew.git chapter6/RoboCrew && git -C chapter6/RoboCrew fetch origin c749148f29bd14e61347f9fc3530c343fff0d994 && git -C chapter6/RoboCrew checkout --detach c749148f29bd14e61347f9fc3530c343fff0d994 && test "$(git -C chapter6/RoboCrew rev-parse HEAD)" = "c749148f29bd14e61347f9fc3530c343fff0d994"  # 实验 6-11、6-12；RoboCrew v0.3.1
git clone https://github.com/StoneT2000/lerobot-sim2real.git chapter6/lerobot-sim2real && git -C chapter6/lerobot-sim2real fetch origin 87d6c1d969f6e0ca4dc5697940804e231118a63a && git -C chapter6/lerobot-sim2real checkout --detach 87d6c1d969f6e0ca4dc5697940804e231118a63a && test "$(git -C chapter6/lerobot-sim2real rev-parse HEAD)" = "87d6c1d969f6e0ca4dc5697940804e231118a63a"  # 实验 6-14

# 第 7 章 · 评测基准
git clone https://github.com/google-research/android_world.git chapter7/android_world && git -C chapter7/android_world checkout --detach 0e95d641e244504c22087cc29b013f3b2428a261
git clone https://huggingface.co/datasets/gaia-benchmark/GAIA chapter7/GAIA && git -C chapter7/GAIA checkout --detach 682dd723ee1e1697e00360edccf2366dc8418dd9
git clone https://github.com/xlang-ai/OSWorld.git chapter7/OSWorld && git -C chapter7/OSWorld checkout --detach 8365edc975efd0477a0d62444a5beed562ab5a7b
git clone https://github.com/SWE-bench/SWE-bench.git chapter7/SWE-bench && git -C chapter7/SWE-bench checkout --detach 5cd4be9fb23971679cbbafe5a0ecade27cef99be
git clone https://github.com/sierra-research/tau2-bench.git chapter7/tau2-bench && git -C chapter7/tau2-bench checkout --detach 8d005b0e5b9e4af0bc055886fa7f95fc86d1710e
git clone https://github.com/laude-institute/terminal-bench.git chapter7/terminal-bench && git -C chapter7/terminal-bench checkout --detach 8384a179b1b8688f6ea5233a4d9d51218df1ac96

# 第 8 章 · 训练框架（bojieli/* 为本书适配的分支）
git clone https://github.com/bojieli/minimind.git chapter8/MiniMind-pretrain/minimind && git -C chapter8/MiniMind-pretrain/minimind fetch origin 8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795 && git -C chapter8/MiniMind-pretrain/minimind checkout --detach 8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795 && test "$(git -C chapter8/MiniMind-pretrain/minimind rev-parse HEAD)" = "8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795"  # 实验 8-3
git clone https://github.com/bojieli/minimind-v.git chapter8/MiniMind-pretrain/minimind-v && git -C chapter8/MiniMind-pretrain/minimind-v fetch origin ead791c530fa5f9a3549dbfe9e11ec732d18d2e5 && git -C chapter8/MiniMind-pretrain/minimind-v checkout --detach ead791c530fa5f9a3549dbfe9e11ec732d18d2e5 && test "$(git -C chapter8/MiniMind-pretrain/minimind-v rev-parse HEAD)" = "ead791c530fa5f9a3549dbfe9e11ec732d18d2e5"  # 实验 8-4
git clone https://github.com/bojieli/AdaptThink.git chapter8/AdaptThink-original && git -C chapter8/AdaptThink-original checkout --detach 0033ad172dd53ac64004b763477407014f21b838  # 实验 8-10
git clone https://github.com/bojieli/SFTvsRL.git chapter8/SFTvsRL && git -C chapter8/SFTvsRL checkout --detach fef0a4a3367260a0934be1e40b01e4021698e023  # 实验 8-11、8-12
git clone https://github.com/bojieli/AWorld.git chapter8/AWorld && git -C chapter8/AWorld checkout --detach a52d61d6d483e66b22ef16970eae5bbf4f4ab2ec  # 实验 8-15
git clone https://github.com/bojieli/verl.git chapter8/verl && git -C chapter8/verl checkout --detach 1593fc3a8cf894debdc3dece2a23ed739c282789  # 实验 8-14 ReTool 配方；8-15 训练后端
git clone https://github.com/bojieli/SandboxFusion.git chapter8/SandboxFusion && git -C chapter8/SandboxFusion fetch origin 4a0d573ebd64c98234c190a9d1d49e4276199a0c && git -C chapter8/SandboxFusion checkout --detach 4a0d573ebd64c98234c190a9d1d49e4276199a0c && test "$(git -C chapter8/SandboxFusion rev-parse HEAD)" = "4a0d573ebd64c98234c190a9d1d49e4276199a0c"  # 实验 8-14 代码沙箱
git clone https://github.com/thinking-machines-lab/tinker-cookbook.git chapter8/tinker-cookbook && git -C chapter8/tinker-cookbook checkout --detach fc8449187041cf102905f3f751e6d2eac7f9f754
git clone https://github.com/19PINE-AI/rlvp.git chapter8/RLVP/rlvp && git -C chapter8/RLVP/rlvp fetch origin 1ad30bc7e338911fb733739393d92c420f4d8bee && git -C chapter8/RLVP/rlvp checkout --detach 1ad30bc7e338911fb733739393d92c420f4d8bee && test "$(git -C chapter8/RLVP/rlvp rev-parse HEAD)" = "1ad30bc7e338911fb733739393d92c420f4d8bee"  # 实验 8-16
git clone https://github.com/PRIME-RL/SimpleVLA-RL.git chapter8/SimpleVLA-RL/SimpleVLA-RL && git -C chapter8/SimpleVLA-RL/SimpleVLA-RL checkout --detach 7c51662df27b586f9e8a1ab35fcf849f2b8852f9  # 实验 8-13

第 10 章 · 双智能体架构（已独立为 TalkAct 项目）+ 斯坦福 AI 小镇

这一章的复现分两个仓库，一个是实验 10-3，一个是实验 10-5。TalkAct 那套双智能体架构后来独立成了单独的项目，仓库地址跟书里的早期位置不太一样，不过代码目录保留了 use-computer-while-calling 这个老名字，方便对应原始实验场景。

git clone https://github.com/19PINE-AI/TalkAct.git chapter10/use-computer-while-calling \
  && git -C chapter10/use-computer-while-calling fetch origin 7d70007f72d45ddfc1a14e8e229b6d444e4919a2 \
  && git -C chapter10/use-computer-while-calling checkout --detach 7d70007f72d45ddfc1a14e8e229b6d444e4919a2 \
  && test "$(git -C chapter10/use-computer-while-calling rev-parse HEAD)" = "7d70007f72d45ddfc1a14e8e229b6d444e4919a2"  # 实验 10-3

这段代码在 clone 之后先 fetch 一个旧 hash，再把 HEAD 钉在那个提交上。clone 默认只会拉默认分支，实验固定的提交未必在默认分支里，不先 fetch 直接 checkout 大概率报错。末尾的 test 会校验 HEAD 是否停准，没停准就直接让命令链失败。

斯坦福 AI 小镇源码

第二个仓库对应实验 10-5，拉的是 generative_agents 原版：

git clone https://github.com/joonspk-research/generative_agents.git chapter10/generative_agents \
  && git -C chapter10/generative_agents fetch origin fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4 \
  && git -C chapter10/generative_agents checkout --detach fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4 \
  && test "$(git -C chapter10/generative_agents rev-parse HEAD)" = "fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4"  # 实验 10-5

generative_agents 是斯坦福 AI 小镇论文公开的仓库。实验 10-5 直接用原版跑，没有改成别的 fork。它的模拟器依赖不少，版本锁在 fe05a71 比较稳，后续仓库改动过大时反而容易跑不出书里描述的小镇日志。

两边的源码都到位后，再按各自目录下的依赖配置去同步环境，实验 10-3 和 10-5 就能重新跑起来了。

两条复现命令都锁在固定提交上。实验 10-3 拉 TalkAct 仓库，锁在 7d70007。实验 10-5 拉斯坦福小镇的 generative_agents，锁在 fe05a71。命令如下：

git clone https://github.com/19PINE-AI/TalkAct.git chapter10/use-computer-while-calling && git -C chapter10/use-computer-while-calling fetch origin 7d70007f72d45ddfc1a14e8e229b6d444e4919a2 && git -C chapter10/use-computer-while-calling checkout --detach 7d70007f72d45ddfc1a14e8e229b6d444e4919a2 && test "$(git -C chapter10/use-computer-while-calling rev-parse HEAD)" = "7d70007f72d45ddfc1a14e8e229b6d444e4919a2"  # 实验 10-3
git clone https://github.com/joonspk-research/generative_agents.git chapter10/generative_agents && git -C chapter10/generative_agents fetch origin fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4 && git -C chapter10/generative_agents checkout --detach fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4 && test "$(git -C chapter10/generative_agents rev-parse HEAD)" = "fe05a71d3e4ed7d10bf68aa4eda6dd995ec070f4"  # 实验 10-5

仓库早期有一批实验没锁 checkout。后来统一补上了，一共九处：8-3、8-4、8-16、8-14 的 SandboxFusion、6-10/6-12 共用的 XLeRobot、6-11/6-12 的 RoboCrew、6-14 的 lerobot-sim2real、第 10 章固定并发基线，还有这次的 10-5。每处都固定到不可变 SHA。命令先 detached checkout，再用 rev-parse HEAD 做相等性校验，拉错版本会直接失败。

源码能拉下来，依赖能装上，都不代表实验完成。跑通才算。

贡献

书和配套代码都放在 GitHub 上，欢迎直接提 Pull Request 参与共建。能做的方向有这些：

书籍内容：勘误、补充、把话说得更清楚，或者补上最新进展。正文在 book/chapter*.md。

代码：修 bug，让配套项目更健壮、更好用、更接近生产实践。

新实践项目：给某个实验补充或替换更好的实现，也可以贡献全新的示例。

配图：直接改进 book/images/ 里的 SVG，让图表更清楚、更好看。

翻译：英文版在 book-en/，阿拉伯语版在 book-ar/，繁体中文（台湾）版在 book-zhtw/，俄语版在 book-ru/，泰米尔语版在 book-ta/，越南语版在 book-vi/，日语版在 book-ja/，土耳其语版在 book-tr/，韩语版在 book-ko/，匈牙利语版在 book-hu/，希伯来语版在 book-he/，巴西葡萄牙语版在 book-ptbr/。想加新语言，照这套目录组织就行。

提 PR 之前，建议把相关实验亲手跑一遍，确认能复现。想法还不成熟，就先开 issue 聊。

许可证

项目用 Apache License 2.0，完整文本见 LICENSE 文件。部分子项目可能带自己的许可证，以子项目里的说明为准。

星标历史

星标历史图由 scripts/gen_star_history.py 生成，GitHub Actions 每天自动更新。想看实时数据，点这个链接就行。

常见问题（FAQ）

AI Agent 开源书 2.0 版本相比 1.4 有哪些章节调整？

2.0 版将原第四章“异步交互”与原第九章“多模态 Agent”合并为新第六章“交互：观察与动作空间的扩展”，原第六、七、八章依次后移为第七、八、九章。若持有旧版 PDF，建议下载最新版以免章节对不上。

《AI Agents in Depth》支持哪些语言和格式？哪里下载？

该书开源免费，提供 PDF 和 EPUB 格式，支持中文、英语、西班牙语、日语等 15 种语言。可从 GitHub 的 ai-agent-book 项目 Releases 下载最新构建，也可在线阅读。

Agent = LLM + 上下文 + 工具 是什么意思？有配套实验吗？

该公式概括了 AI Agent 的核心：LLM 提供推理，上下文决定视野，工具使其能执行。全书围绕此展开，共 10 章，配有 109 个开源实验，可动手验证，实现从原理到生产落地。