2022 年底,ChatGPT 发布的时候,我在哥伦比亚大学读数据库方向的博士。和所有人一样,我被震住了,觉得这东西会改变一切。我延迟毕业了一年,一头扎进大模型,想用它让数据库变得人人可用——用自然语言查数据,不用写SQL。我做了原型,聊了客户,试着创业。Demo 挺惊艳,但创业不是靠Demo 活的。折腾了一年,几乎没有进展, 但也不是一无所获。这一年里我搭了几十个大模型应用,和市面上每一个主流框架都搏斗过——LangChain、AutoGen、CrewAI。我被莫名其妙的报错折磨过, 被依赖冲突坑过,在四五层继承链里迷路过。但在这些痛苦的过程中,我也悄悄攒下了自己的一套写法:一些好用的小抽象,一些实战验证过的工具函数, 一些真正让我觉得“对,就该这么写”的代码。
2024年的有天晚上我产生了一个想法:
如果把这些东西里
最核心的部分提炼出来,
压缩到极致,会剩下什么?
我花了几天时间,把过去一年踩过的所有坑浓缩成一个最小的底层框架, 最后出来的东西只有100 行代码。我叫它PocketFlow,发到了Reddit 上。没想到的是,几周之内就有上千开发者给了star,社区自发移植了8 种编程语言。Discord 里涌进来一群人,用这100 行代码搭研究型智能体、编程助手、RAG 知识问答。一个用PocketFlow 搭的教程生成器,star 数比大多数框架都多。
原来被框架折磨的不只是我一个人。大家受够了,只是没人把底层那个简单的东西摆出来。
为什么简单?因为我后来拆了20 多个AI 产品——Cursor、NotebookLM、Notion AI 等——发现它们底层都是同一个东西:一张“图”——节点干活,边做连接,一个共享字典传数据。聊天机器人、检索增强生成、深度研究、智能体, 不同的产品,不同的标价,同一张图。框架给每个用例造了一套类,但底层的图从来就只有一张。
每个AI产品就是一张图
Agent的统一抽象:一张可执行的“图”
《手搓AI智能体: 轻量框架,100 行搞定》就是把这件事彻底讲清楚。先教你图的原语——节点、流程、链、分支、循环、嵌套,100 行代码全部覆盖。然后用这些原语拆解真实产品,每个都带可运行的代码。再深入真正拉开差距的三件事:提示词怎么写,工具怎么设计, 上下文怎么管理——还会从零搭智能体和多智能体系统。最后教你把项目部署上线。每一章都有代码、有实验、有可以跑的项目。
点击翻页
点击翻页
点击翻页
点击翻页
手搓AI智能体: 轻量框架,100行搞定购买黄泽洲 著北京: 科学出版社, 2026. 4ISBN 978-7-03-085491-9接下来你将像厨师做菜一样学会这些技能,如下图所示。到第3 章结束, 你从零搭出来的AI 应用将远超大多数“AI 工程师”。
学食谱、做硬菜、精通食材、端上桌
? 第一部分(第2~3 章):学食谱,即学会图的操作。图操作只有四种,链、分支、循环、嵌套,每个AI 应用都是它们的排列组合。你会从零搭出聊天机器人、工作流、Agent 和批处理管线。选错操作,你的Agent 就会死循环,你会学到该选哪个以及为什么。? 第二部分(第4~6 章):做硬菜,即把图用在真实产品上。每家创业公司都在做的“跟你的文档聊天”,就是多个节点排成一条线。每月收$200 (约¥1400)的Deep Research,就是一个围绕MapReduce 的循环加一个搜索API。你会搭RAG、Deep Research、Text to SQL、代码库知识库和潜在客户生成, 然后纳闷自己以前怎么会觉得它们很复杂。? 第三部分(第7~11 章):精通食材,即精通每个节点内部的东西。Prompt Engineering、工具设计、Context Engineering,把Cursor 从玩具变成产品的三项技能。你会想到为什么工具输出的格式比你用的模型更重要,为什么喂对20% 的上下文比全喂效果更好,为什么一个90% 正确的prompt 会有50% 的失败率,然后你会把这些全部整合起来:从零搭一个Agent 和一个多Agent 系统。? 第四部分(第12~13 章):端上桌,即用AI 来搭,上线给用户。如果你根本不自己写,只是由你设计图,AI 来写每个节点,这就是智能体编程(Agentic Coding)。这部分还会处理一些没人谈的部分:为什么大多数AI Demo 上线就夭折,以及让它们活下来的评估、成本控制和错误处理。
如果你会Python、用过DeepSeek,那就够了。
动手吧!
ISBN 978-7-03-085491-9 责任编辑:胡咏梅 杨 凯
本书围绕大模型应用开发的核心原理与实践方法展开。针对 LangChain 拥有数十万行代码、CrewAI 依赖繁多的问题,本书以100行Python代码为起点,回归本质,提出AI应用的统一抽象——“图”,系统介绍聊天机器人、检索增强生成、深度研究和智能体等典型应用的基本结构与实现方式。同时,本书深入分析影响AI应用效果的关键因素,包括提示词设计、工具使用能力与上下文构建方法,强调复杂系统也可通过简洁代码高效实现。本书内容紧凑实用,读者不仅能够理解每一个AI产品的实现逻辑,还能亲手将其复现与扩展。
本书适合具备Python基础的开发者、AI爱好者及相关从业人员阅读,也可供大模型应用开发人员参考。
(本文编辑:刘四旦)
专业品质 学术价值
原创好读 科学品位
一起阅读科学
欢迎您点亮 ★星标,点赞?,在看▼
股票
板块
用户
资讯
评论 (0)