庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
   
地圖+地圖創意遊戲 (附行旅世界地圖包)
  • 定價650.00元
  • 8 折優惠:HK$520
  • 放入購物車
二樓書籍分類
 
AI Agent 最強工具-LangGraph建構最新代理人系統

AI

沒有庫存
訂購需時10-14天
9786267889275
張海立、曹士圯、尹?
深智數位
2026年6月19日
327.00  元
HK$ 277.95  






ISBN:9786267889275
  • 規格:平裝 / 576頁 / 23 x 17 x 2.88 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣


  • 電腦資訊 > 概論/科技趨勢 > 人工智慧/機器學習











    ● AI 代理人核心能力:推理、規劃、工具使用、狀態管理





    ●?ReAct 設計模式:迭代執行迴圈、提示詞結構、衍生模式





    代理人開發挑戰:可靠性、可控性、框架化工程方法





    ● LangGraph 基本原語:節點、邊、狀態、命令(Command)





    ● 流程控制:分支、並行、遞迴限制、扇出�扇入





    ● MapReduce 任務分解:Send API、平行處理、應用場景





    ● 子圖(Subgraph)機制:模組化、複用、可維護圖設計





    ● 工具呼叫體系:ToolNode、@tool、錯誤處理、狀態更新、執行期參數





    ● 互動體驗:串流事件、持久化(Checkpoint)、人機迴路 interrupt()





    ● 記憶系統:短期�長期記憶、語意搜尋、TrustCall、LangMem





    ● 核心 API:create_react_agent、Functional API(@entrypoint�@task)、選型決策





    ● 平台與部署:Cloud�自託管�Docker、Studio、觀測除錯、存取控制、RemoteGraph�React Hook

    ?






















    ?


















































    【書籍簡介】

    本書共分11章,第1章介紹 AI 代理人概念、核心能力與 ReAct 模式;第2章介紹 LangGraph 架構與與 LangChain 的關係,並以 LangGraph 實作 ReAct;第3章介紹狀態圖的核心原語與流程控制,包含並行、MapReduce、子圖與工具呼叫;第4章介紹互動體驗設計,涵蓋串流、事件流、持久化與人機迴路;第5章介紹代理人記憶系統,包含短期�長期記憶、語意搜尋、記憶更新與 LangMem;第6章介紹 LangGraph 核心 API 與 Functional API,並提供選型思路;第7章介紹代理人系統的架構模式與多代理人設計;第8章介紹 LangGraph 平台、部署方式、可觀測性與存取控制;第9章介紹官方開發範本的目錄結構與常見類型;第10章解析官方應用案例的流程與程式結構;第11章討論代理人框架選型與技術發展趨勢。































    ?




     












    緣起



    在我的上一本書《LangChain 實戰:從原型到生產,動手打造LLM 應用》與讀者見面後,我非常欣喜地看到LangChain 生態在國內開發者社群中蓬勃發展。許多讀者透過這本書快速上手LangChain,並開始建構自己的大型語言模型應用。時隔一年,大型語言模型(LLM)技術日新月異,我們正站在一個激動人心的新起點——AI 代理人元年的前夜。

    ?

    正如業界專家預測,2025 年極有可能成為AI 代理人技術爆發的關鍵節點。AI代理人,即具備自主決策和行動能力的代理人,被認為是充分釋放LLM 潛力的核心方向。而支撐AI 代理人應用落地的關鍵,正是像LangGraph 這樣成熟、強大的開發框架。

    ?

    回顧一年前,LangGraph 的技術發展尚處於早期階段,而如今,LangChain、LangGraph 和LangSmith 構成的生態體系已經日臻完善,展現出能開發企業級應用的實力,並湧現出眾多成功的落地案例。儘管LangGraph 官方提供了豐富的資料和課程,但這些內容基本上以英文為主,且資訊較為分散,對於希望快速切入Agent 應用開發的國內開發者而言,存在一定的學習門檻。

    ?

    值得一提的是,雖然LangGraph 與LangChain 同屬於LangChain 生態系統,但LangGraph 本身是一個可以獨立使用的框架。即使讀者沒有LangChain 的使用經驗,也可以從本書開始學習LangGraph,並掌握AI 代理人應用的開發技能。

    ?

    因此,我決定撰寫第二本書——《LangGraph 實戰:建構新一代AI 代理人系統》。我們深知,優秀的框架版本總在不斷演進。為此,本書的重點並非簡單羅列某一版本的功能,而是旨在深入剖析LangGraph 的底層架構與設計哲學。我們將以更符合中國開發者習慣的方式,幫助讀者掌握建構代理人的核心思想與工程範式——這些知識的生命力遠超任何特定版本。我希望本書能夠幫助讀者深入理解AI 代理人理念,並快速掌握LangGraph 的使用,從而在這個充滿機遇的AI 代理人時代搶佔先機。

    ?

    從HTML5 時代的程式碼初探,到雲端原生時代的深入實踐,再到通用人工智慧(AGI)時代的積極擁抱,15 年的技術生涯,我始終秉持著「理論結合實踐」的學習理念。每一次技術浪潮都帶來新的挑戰和機遇,而AI 代理人技術無疑是AGI 時代最耀眼的浪花之一。

    ?

    如果說LangChain 降低了LLM 應用開發的門檻,讓開發者能夠快速建構各種基於大型模型的應用,那麼LangGraph 則更進一步,專注解決建構複雜、具備自主決策能力的AI 代理人應用的難題。在探索LangGraph 的過程中,我們將深刻感受到它在工作流程編排、狀態管理、AI 代理人協同等方面的強大能力。它不僅是一個框架,更是建構未來AI 代理人應用的基石。

    ?

    為了將我們對LangGraph 的理解和實務經驗分享給更多開發者,我再次與兩位優秀的LangChain 社群夥伴——曹士圯、尹?攜手合作,共同創作本書。我們希望以本書為載體,為讀者建構一條全面、深入的學習路徑,不僅涵蓋LangGraph 的核心概念和功能,更著眼於AI 代理人應用的開發方法論和最佳實務。

    ?

    透過本書,我們希望能夠激發大家對AI 代理人技術的興趣,並為大家提供一個系統、實用的LangGraph 學習指南。我們相信,無論是希望提升技能的AI 開發者,還是尋求業務創新的企業技術團隊,都能從本書中獲得寶貴的知識和靈感,進而在AI 代理人應用開發領域取得突破。









    ?






    其 他 著 作