Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
AI Agent 开发实战
| Date | Stars |
|---|---|
| 2026-07-31 | 1217 |
| 2026-08-02 | 1220 |
| 2026-08-06 | 1220 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
# 《AI Agent 开发实战》 > AI Agent In Action 陈光剑 编著 <img src="static/ai_genius_institute.jpeg" width="100%" height="auto"> AI 天才研究院 / AI Genius Institute, 2024 本书涵盖了 AI Agent 开发的各个方面: 1. 从基础理论到核心技术,为读者建立了扎实的知识基础。 2. 详细介绍了 AI Agent 的设计与开发过程,包括架构设计、环境构建、学习优化等关键环节。 3. 提供了多个实战案例,涵盖对话系统、游戏 AI、机器人、推荐系统和自动驾驶等热门应用领域。 4. 探讨了多智能体系统、可解释 AI、伦理与安全等高级主题,拓展了读者的视野。 5. 最后展望了 AI Agent 的未来发展趋势,激发读者的思考。 6. 附录部分提供了补充资料,方便读者进一步学习和参考。 全文逻辑清晰,由浅入深,既适合 AI 领域的初学者,也能为有经验的开发者提供深入的技术洞察。 ---- # 《AI Agent 开发实战》 # [《AI Agent 开发实战》序言.md](%E3%80%8AAI%20Agent%20%E5%BC%80%E5%8F%91%E5%AE%9E%E6%88%98%E3%80%8B%E5%BA%8F%E8%A8%80.md) # 第一部分: AI Agent 基础 # [《AI Agent 开发实战》第1章: AI Agent 概述与理论基础.md](%E3%80%8AAI%20Agent%20%E5%BC%80%E5%8F%91%E5%AE%9E%E6%88%98%E3%80%8B%E7%AC%AC1%E7%AB%A0%3A%20AI%20Agent%20%E6%A6%82%E8%BF%B0%E4%B8%8E%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.md) ## 1.1 什么是 AI Agent ### 1.1.1 AI Agent 的定义与特征 ### 1.1.2 AI Agent 与传统 AI 系统的区别 ### 1.1.3 AI Agent 的发展历程 ## 1.2 AI Agent 的类型与应用领域 ### 1.2.1 基于规则的 Agent ### 1.2.2 学习型 Agent ### 1.2.3 自主 Agent ### 1.2.4 应用领域概览 ## 1.3 AI Agent 的理论基础 ### 1.3.1 认知科学与 AI Agent ### 1.3.2 决策理论 ### 1.3.3 效用理论 ### 1.3.4 马尔可夫决策过程 ## 1.4 AI Agent 开发的挑战与机遇 ### 1.4.1 技术挑战 ### 1.4.2 伦理考量 ### 1.4.3 未来发展方向 # [《AI Agent 开发实战》第2章: AI Agent 的核心技术.md](%E3%80%8AAI%20Agent%20%E5%BC%80%E5%8F%91%E5%AE%9E%E6%88%98%E3%80%8B%E7%AC%AC2%E7%AB%A0%3A%20AI%20Agent%20%E7%9A%84%E6%A0%B8%E5%BF%83%E6%8A%80%E6%9C%AF.md) ## 2.1 机器学习基础 ### 2.1.1 监督学习 ### 2.1.2 无监督学习 ### 2.1.3 强化学习 ## 2.2 深度学习技术 ### 2.2.1 神经网络基础 ### 2.2.2 卷积神经网络 (CNN) ### 2.2.3 循环神经网络 (RNN) ### 2.2.4 注意力机制与 Transformer ## 2.3 自然语言处理 (NLP) ### 2.3.1 文本分类 ### 2.3.2 命名实体识别 ### 2.3.3 情感分析 ### 2.3.4 机器翻译 ## 2.4 计算机视觉 ### 2.4.1 图像分类 ### 2.4.2 目标检测 ### 2.4.3 图像分割 ### 2.4.4 人脸识别 ## 2.5 决策与规划 ### 2.5.1 决策树 ### 2.5.2 蒙特卡洛树搜索 ### 2.5.3 A* 算法 # 第二部分: AI Agent 设计与开发 # [《AI Agent 开发实战》第3章: AI Agent 架构设计.md](%E3%80%8AAI%20Agent%20%E5%BC%80%E5%8F%91%E5%AE%9E%E6%88%98%E3%80%8B%E7%AC%AC3%E7%AB%A0%3A%20AI%20Agent%20%E6%9E%B6%E6%9E%84%E8%AE%BE%E8%AE%A1.md) ## 3.1 Agent 架构的基本组件 ### 3.1.1 感知模块 ### 3.1.2 推理引擎 ### 3.1.3 行动执行模块 ## 3.2 常见的 Agent 架构 ### 3.2.1 反应式架构 ### 3.2.2 分层架构 ### 3.2.3 BDI 架构 ## 3.3 多 Agent 系统设计 ### 3.3.1 Agent 间通信协议 ### 3.3.2 协作与竞争机制 ### 3.3.3 分布式问题解决 # [《AI Agent 开发实战》第4章: AI Agent 环境构建.md](%E3%80%8AAI%20Agent%20%E5%BC%80%E5%8F%91%E5%AE%9E%E6%88%98%E3%80%8B%E7%AC%AC4%E7%AB%A0%3A%20AI%20Agent%20%E7%8E%AF%E5%A2%83%E6%9E%84%E5%BB%BA.md) ## 4.1 模拟环境设计 ### 4.1.1 物理世界模拟 ### 4.1.2 社交环境模拟 ## 4.2 Agent-环境交互接口 ### 4.2.1 感知数据格式化 ### 4.2.2 行动指令标准化 ## 4.3 环境复杂度与不确定性 ### 4.3.1 部分可观察环境 ### 4.3.2 动态环境适应 ## 4.4 OpenAI Gym ### 4.4.1 Gym 环境介绍 ### 4.4.2 创建自定义 Gym 环境 ### 4.4.3 在 Gym 中训练 AI Agent # [《AI Agent 开发实战》第5章: AI Agent 的学习与优化.md](%E3%80%8AAI%20Agent%20%E5%BC%80%E5%8F%91%E5%AE%9E%E6%88%98%E3%80%8B%E7%AC%AC5%E7%AB%A0%3A%20AI%20Agent%20%E7%9A%84%E5%AD%A6%E4%B9%A0%E4%B8%8E%E4%BC%98%E5%8C%96.md) ## 5.1 强化学习在 Agent 中的应用 ### 5.1.1 Q-learning 算法实现 ### 5.1.2 深度 Q 网络 (DQN) ### 5.1.3 策略梯度方法 ## 5.2 进化算法优化 ### 5.2.1 遗传算法在 Agent 行为优化中的应用 ### 5.2.2 神经进化方法 ## 5.3 元学习与快速适应 ### 5.3.1 少样本学习技术 ### 5.3.2 终身学习 Agent 设计 ## 5.4 多智能体强化学习 ### 5.4.1 多智能体马尔可夫决策过程 ### 5.4.2 分散式强化学习 ### 5.4.3 协作探索策略 # [《AI Agent 开发实战》第6章: AI Agent 开发框架与工具.md](%E3%80%8AAI%20Agent%20%E5%BC%80%E5%8F%91%E5%AE%9E%E6%88%98%E3%80%8B%E7%AC%AC6%E7%AB%A0%3A%20AI%20Agent%20%E5%BC%80%E5%8F%91%E6%A1%86%E6%9E%B6%E4%B8%8E%E5%B7%A5%E5%85%B7.md) ## 6.1 主流 AI Agent 开发框架 ### 6.1.1 TensorFlow 与 Keras ### 6.1.2 PyTorch ### 6.1.3 TensorFlow Agents ### 6.1.4 ROS (机器人操作系统) ## 6.2 AI Agent 开发工具与库 ### 6.2.1 Python 科学计算库 (NumPy, Pandas, SciPy) ### 6.2.2 可视化工具 (Matplotlib, Seaborn, Plotly) ### 6.2.3 NLP 工具包 (NLTK, spaCy, Gensim) ### 6.2.4 计算机视觉库 (OpenCV, Pillow, scikit-image) ## 6.3 仿真平台 ### 6.3.1 Unity ML-Agents ### 6.3.2 Microsoft AirSim ## 6.4 AI Agent 部署工具 ### 6.4.1 Docker ### 6.4.2 Kubernetes ### 6.4.3 TensorFlow Serving ## 6.5 Agent 部署与集成 ### 6.5.1 云端部署策略 ### 6.5.2 边缘计算在 Agent 中的应用 # 第三部分: AI Agent 开发实战 # [《AI Agent 开发实战》第7章: 智
Excerpt of 9,760 characters
Read on GitHub
1
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:7522d158fa7f5d40, name:ai agent, desc:ai agent