两个开源项目，带你系统学习 AI Agent

2301_80117363

107人浏览 · 2026-07-21 20:45:11

2301_80117363 · 2026-07-21 20:45:11 发布

两个开源项目，带你系统学习 AI Agent

学 Agent 这条路上，我踩过一个坑：碎片文章看了很多，概念记了一堆，但脑子里始终没有一个完整的知识框架。直到我找到两个开源项目，才真正把 Agent 从「听说过」变成了「能动手做」。

一个是 ai-agent-book，一本把 Agent 从原理讲到工程实战的开源书，10 章正文配 88 个实验。另一个是 pi，一个 74K+ Star 的 Agent 实战工具，包含统一 LLM API、Agent 运行时和 Coding Agent CLI。

一个教你理解 Agent，一个让你上手用 Agent。 下面分别介绍它们的内容，以及怎么用来学习。

ai-agent-book：一本把 Agent 讲透的开源书

① 项目概况

ai-agent-book 的 GitHub 地址：https://github.com/bojieli/ai-agent-book

这本书的核心公式只有一句话：Agent = LLM + 上下文 + 工具。全书围绕这个公式展开，用 10 章把 AI Agent 从原理讲到工程实战。正文、配图、88 个配套实验全部开源，支持 5 种语言（中文、英文、台灣正體、泰米尔语、越南语）。

可以直接下载 PDF 和 EPUB：

中文原版：PDF · EPUB

② 10 章内容速览

章	主题	一句话核心
1	Agent 基础知识	「模型即 Agent」新范式，Agent = LLM + 上下文 + 工具
2	上下文工程	上下文决定能力上限：KV Cache、提示工程、Skills、上下文压缩
3	用户记忆和知识库	跨会话记住用户、接入外部知识：记忆、RAG、知识图谱
4	工具	工具是 Agent 的双手：MCP 协议、感知/执行/协作三类工具
5	Coding Agent 与代码生成	代码是「能创造新工具的工具」，生产级 Coding Agent 全景
6	Agent 的评估	把表现变成可比较信号：评估环境、指标、统计显著性
7	Agent 的训练	从 SFT 到 RL：后训练如何塑造 Agent 的决策策略
8	部署与优化	推理加速、量化、服务化，让 Agent 跑得快、跑得稳
9	浏览器自动化	视觉感知 + 操作：让 Agent 操控浏览器完成任务
10	多 Agent 系统	多个 Agent 协作：通信、协调、角色分工

③ 配套实验

88 个配套实验，70+ 可独立运行。每个实验都是一个独立的项目，有自己的 README 和 requirements.txt。

实验从简单到复杂，第 1 章的实验只需要调 API，第 7 章的实验需要 GPU 来训练模型。你可以根据自己的水平选择起点。

④ 这本书的独特价值

很多文章讲 Agent 只讲概念，不给代码。很多仓库给代码但不讲原理。ai-agent-book 两样都有——每一章先讲原理，再用实验让你亲手验证。比如第 3 章讲 RAG，不只讲「检索-拼接-生成」的流程，还给了 13 个实验让你跑不同类型的 RAG，从 Naive RAG 到 Graph RAG 到 Agentic RAG。

pi：74K+ Star 的 Agent 实战工具

① 项目概况

pi 的 GitHub 地址：https://github.com/earendil-works/pi

pi 是一个 Agent Harness（Agent 运行框架），用 TypeScript 写的，目前有 74K+ Star。它的定位是：给你一套完整的 Agent 基础设施，你只需要关注业务逻辑。

② 四个核心包

pi 的架构很清晰，拆成了四个独立的包：

pi-ai — 统一多提供商 LLM API

把 OpenAI、Anthropic、Google 等不同提供商的 API 统一成一套接口。你写一次代码，换提供商只需要改一个配置。这对 Agent 开发很重要——Agent 需要灵活切换模型，不能被一个提供商锁死。

pi-agent-core — Agent 运行时

Agent 的核心运行逻辑：工具调用、状态管理、对话循环。它定义了 Agent 怎么接收消息、怎么决定调用什么工具、怎么处理工具返回的结果。

pi-coding-agent — 交互式 Coding Agent CLI

开箱即用的 Coding Agent 命令行工具。装好就能用，支持代码搜索、文件编辑、命令执行等能力。你可以直接拿它来写代码，也可以基于它做二次开发。

pi-tui — 终端 UI 库

终端界面渲染库，支持差分渲染。pi-coding-agent 的交互界面就是用它做的。

③ 为什么这么火

pi 能拿到 74K+ Star，不是没有原因的：

统一 API：一个接口对接多个 LLM 提供商，不用每个提供商写一套代码
开箱即用：npm install 就能跑，不需要复杂的配置
可扩展：工具、技能、交互方式都可以自定义
工业级质量：有完整的测试、CI/CD、文档，不是玩具项目

④ 适用场景

如果你想快速上手 Agent 开发，pi 是最好的起点之一。它帮你搞定了 LLM 对接、工具调用、状态管理这些基础设施，你只需要写业务逻辑。如果你想看工业级 Agent 的实现，pi 的源码非常值得读——代码质量高、架构清晰、文档完善。

两个项目的互补性

① 理解层 vs 实现层

ai-agent-book 和 pi 解决的是同一类问题的不同层面：

ai-agent-book 是理解层：为什么 Agent 需要上下文工程？为什么工具调用要用 MCP 协议？为什么评估要用统计显著性？它回答的是「为什么」。
pi 是实现层：统一 LLM API 怎么设计？工具调用的状态机怎么管理？Agent 的对话循环怎么跑？它回答的是「怎么做」。

ai-agent-book (理解层)              pi (实现层)
┌─────────────────────┐         ┌─────────────────────┐
│ 为什么这样设计       │         │ 代码怎么写           │
│ 原理是什么          │         │ 架构怎么搭           │
│ 各种方案的优缺点     │         │ 接口怎么定义         │
│ 评估指标怎么选       │         │ 状态怎么管理         │
└─────────────────────┘         └─────────────────────┘
         │                              │
         └──────────┬───────────────────┘
                    ▼
            读书理解原理
            看 pi 学实现
            动手做实验验证

② 互补关系

只读 ai-agent-book 不看 pi，你会知道原理但不知道怎么落地。只看 pi 不读 ai-agent-book，你会用工具但不知道为什么这样设计。两个一起用，才是完整的学习闭环。

比如学「工具调用」这个概念：ai-agent-book 第 4 章讲了工具的分类（感知/执行/协作）、MCP 协议的设计、事件驱动异步 Agent。看完原理后，去 pi-agent-core 的源码里看它怎么实现工具调用、怎么管理工具状态、怎么处理工具返回的结果。原理和实现对照着看，理解会深很多。

怎么用 ai-agent-book 学习 Agent

① 第一遍：通读建立全景（1-2 周）

先读第 1 章，建立核心概念。这一章是全书的概念地图——Agent = LLM + 上下文 + 工具，Harness 工程才是竞争力。初次阅读不必记住所有概念，先建立整体印象。

然后快速浏览 2-10 章的标题和小结，知道每章讲什么就行。这一步的目的是建立知识地图——知道 Agent 的知识体系有哪些分支，每个分支大概讲什么。

② 第二遍：按兴趣深入（2-4 周）

对哪个方向感兴趣就深入哪章。但有两章建议必读：

第 2 章上下文工程：上下文决定 Agent 能力上限，这是 Agent 开发中最核心的工程问题
第 4 章工具：工具是 Agent 的手脚，MCP 协议、工具分类、事件驱动这些概念贯穿所有 Agent 开发

每章的配套实验跟着跑一遍。不用全部跑完，挑 2-3 个核心实验就行。跑实验比纯读文章有效十倍——你以为理解了的概念，跑一遍实验可能发现还有盲区。

③ 第三遍：动手做实验（持续）

从简单的实验开始。chapter1 的 4 个实验只需要调 API，不需要 GPU。chapter2 的 9 个实验开始涉及上下文管理。chapter3 的 13 个实验覆盖各种 RAG 变体。

逐步挑战复杂的：chapter7 的 14 个实验涉及模型训练，需要 GPU。chapter10 的 8 个实验涉及多 Agent 协作，是最综合的。

改代码、调参数、观察变化——这才是真正的学习。光看文章不动手，永远是纸上谈兵。

怎么用 pi 学习 Agent 实现

① 看代码学架构

pi-agent-core 是学习 Agent 架构的好材料。重点看：

工具调用：Agent 怎么发现工具、怎么调用工具、怎么处理工具返回
状态管理：对话状态怎么维护、工具执行状态怎么追踪
对话循环：Agent 的核心循环——接收消息 → 推理 → 调用工具 → 返回结果

② 看代码学 LLM 集成

pi-ai 的统一 API 设计值得学习。它怎么把 OpenAI、Anthropic、Google 不同格式的 API 统一成一套接口？怎么处理不同提供商的差异（流式输出、工具调用格式、错误码）？这些问题在你自己做 Agent 开发时都会碰到。

③ 看代码学 CLI 设计

pi-coding-agent 的交互式终端是怎么做的？怎么处理用户输入？怎么展示 Agent 的思考过程？怎么在终端里渲染富文本？这些细节在做 CLI 工具时都会用到。

④ 动手改代码

fork 后加一个新工具、改一个交互逻辑、换一个 LLM 提供商。从小改动开始，逐步理解整个系统。

实际使用：

npm install
# 配置 API Key
export OPENAI_API_KEY=your_key
# 运行
npx pi

学习路径建议

① 四个阶段

② 阶段一：概念建立（1-2 周）

读 ai-agent-book 第 1 章，建立核心概念
跑 chapter1 的 4 个实验
安装 pi，体验一下 Coding Agent
目标：知道 Agent 是什么、由什么组成

③ 阶段二：原理深入（2-4 周）

读 ai-agent-book 第 2-4 章（上下文、记忆、工具）
跑每章 2-3 个核心实验
看 pi-agent-core 的源码，对照理解工具调用的实现
目标：理解 Agent 的三大核心组件怎么工作

④ 阶段三：实战进阶（4-8 周）

读第 5-6 章（Coding Agent、评估）
用 pi 做一个小项目（比如加一个自定义工具）
参与开源贡献——两个项目都欢迎 PR
目标：能独立开发一个简单的 Agent

⑤ 阶段四：高级主题（持续）

第 7-10 章（训练、部署、浏览器自动化、多 Agent）
自己实现一个简单的 Agent 框架
目标：深入理解 Agent 的高级话题

我的思考

① 学 Agent 的最佳方式

学 Agent 最好的方式是**「读书 + 看源码 + 动手做」三位一体**。ai-agent-book 提供了体系化的知识，pi 提供了工业级的代码，配套实验提供了动手验证的机会。三者缺一不可。

② 两个项目的价值

ai-agent-book 的价值在于体系化——它不是零散的博客文章，而是一本从头到尾讲透 Agent 的书。pi 的价值在于实战化——它不是理论讲解，而是一个可以跑、可以改、可以用的 Agent 框架。

两个项目都是开源的，Star 都很高，社区都很活跃。这说明它们经过了社区的检验，不是某个人的自说自话。

③ 还没想明白的事

学完这些能做什么？怎么把学到的东西用到实际项目中？我的体会是：学完 ai-agent-book 的前 4 章，你就能在自己的项目里设计一个基本的 Agent 架构。学完第 5-6 章，你就能做 Coding Agent 和评估体系。学完第 7-10 章，你就能处理训练、部署和多 Agent 这些高级话题。

但理论和实践之间永远有 gap。最好的弥合方式是做一个真实项目——哪怕很小，哪怕只是把 ai-agent-book 的某个实验改造成一个能解决实际问题的工具。