庫存狀況
折扣
「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
   
秘密花園
  • 定價93.00元
  • 8 折優惠:HK$74.4
  • 放入購物車
二樓書籍分類
 
Deep Agents實戰:用LangChain自建能連續工作的AI Agent

Deep Agents實戰:用LangChain自建能連續工作的AI Agent
放入購物車
沒有庫存
訂購需時10-14天
ISBN 9786267889855
作者 胡嘉璽
出版社 深智數位
出版日 2026年10月19日
原價 427.00  元
特價 HK$ 362.95  
訂購


詳
細
資
料
ISBN:9786267889855</li><li>規格:平裝 / 896頁 / 23 x 17 x 4 cm / 普通級 / 單色印刷 / 初版</li><li>出版地:台灣

分
類
電腦資訊 > 概論/科技趨勢 > 人工智慧/機器學習

內
容
簡
介

<div class="bd">
<div class="content" style="height:auto;">
<p>市面上談 AI Agent 的書多半停在「把工具接上模型」這一步,跑得動就算成功;這本書的起點恰恰是那之後的問題,當任務長到一次對話裝不下、當上下文被工具結果塞爆、當 Agent 需要連續工作好幾十輪,該怎麼設計。<br />
?<br />
本書把 Deep Agents 的四個核心設計(規劃、檔案系統、子代理人、上下文管理)逐一拆解,每一個都給出可執行的程式與實測數字:待辦清單帶進來的兩段提示長什麼樣、工具結果外移的門檻設在哪裡、漸進式揭露到底省下多少上下文、平行委派時哪些東西共用哪些隔離。<br />
?<br />
難得的是它不迴避失敗,書裡有大量「它答錯的地方」「第一次失敗」「上限撞到的時候」這類小節,把模型會編造數字、會被提示注入、會在沒有驗收標準時交出跑不動的程式,都攤開來寫。<br />
?<br />
後段的四個完整專案(程式開發、銀行業務、客服工單、維運)更是少見地把稽核軌跡、個資遮蔽、對抗性測試、併發下的漏洞一併處理,最後一章直接列出從能執行到能交付的差距清單與十項上線檢查。<br />
?<br />
對想把 Agent 真正放進生產環境的開發者,這本書補足的正是最不好看、卻決定成敗的那一段。<br />
?<br /><span style="color:#0000ff;"><strong>【內容重點】</strong></span><br /><br />
? 比較工作流程型、ReAct、規劃執行、反思、多代理人五種 Agent 架構。<br />
? 指出淺層 Agent 的極限,提出 Deep Agents 的四個核心設計。<br />
? 用 uv 建可重現環境:pyproject 欄位、金鑰存放原則、驗證腳本。<br />
? 一份程式三種後端:雲端 NIM、DGX Spark 的 Qwen、macOS 本機模型。<br />
? create_deep_agent 的參數、內建中介層,與三種執行方式。<br />
? 工具設計:參數 schema、輸入驗證、錯誤轉成模型訊息、自我修正。<br />
? 檔案系統五種 backend:State、Filesystem、LocalShell、Store、Composite。<br />
? 上下文工程實測:待辦規劃、工具結果外移、摘要門檻、提示快取。<br />
? Skills 機制:一個目錄一個技能,漸進式揭露只注入清單而非全文。<br />
? 子代理人委派:上下文隔離、自訂 SubAgent、平行執行時檔案共用。<br />
? 七個應用:研究、資料分析、RAG、程式開發、多模態、MCP、模型路由。<br />
? 產品化四關:人工核准、權限沙箱、記憶持久化、容器化與上線檢查。<br /><br /><br />
?</p>
</div><div class="type02_gradient" style="display:none;"></div>
</div></div><div class="mod_b type02_m057 clearfix">
<a name="AuthorP00a400020009">&nbsp;</a>

目
錄

<div class="bd">
<div class="content more_off" id="M201105_0_getProdTextInfo_P00a400020009_h2">
<p><span style="color:#0000ff;"><strong>◤第1 篇 基礎安裝與觀念◢</strong></span><br />
?<br /><strong>▍第1 章 Agent 與 Deep Agents</strong><br />
1-1 什麼是Agent<br />
1-2 Agent 的架構<br />
1-3 什麼是Deep Agents<br />
1-4 LangChain 生態分層<br />
1-5 全書專案與環境<br />
1-6 本章小結<br />
?<br /><strong>▍第2 章 可重現的開發環境</strong><br />
2-1 Python 與套件管理<br />
2-2 專案結構與設定<br />
2-3 金鑰與敏感資訊<br />
2-4 第一個可執行專案<br />
2-5 本章小結<br />
?<br /><strong>▍第3 章 接上第一個模型</strong><br />
3-1 Chat Model 與工具呼叫<br />
3-2 雲端模型與 DGX Spark 端點<br />
3-3 結構化輸出<br />
3-4 模型替換與相容性<br />
3-5 本章小結<br />
?<br /><strong>▍第4 章 macOS 上的本機模型</strong><br />
4-1 Ollama<br />
4-2 LM Studio<br />
4-3 MLX 與 mlx-lm<br />
4-4 選擇與比較<br />
4-5 本章小結<br />
?<br /><span style="color:#0000ff;"><strong>◤第2 篇 Deep Agent 的組成◢</strong></span><br />
?<br /><strong>▍第5 章 建立第一個 Deep Agent</strong><br />
5-1 建立 Deep Agent<br />
5-2 系統提示與任務輸入<br />
5-3 同步、非同步與串流<br />
5-4 執行結果與錯誤處理<br />
5-5 本章小結<br />
?<br /><strong>▍第6 章 設計可控的工具</strong><br />
6-1 工具的介面<br />
6-2 輸入驗證<br />
6-3 工具錯誤<br />
6-4 外部服務工具<br />
6-5 本章小結<br /><strong>?<br />
▍第7 章 Agent 的檔案系統與 backend</strong><br />
7-1 檔案工具與 backend 協定<br />
7-2 StateBackend<br />
7-3 FilesystemBackend 與LocalShellBackend<br />
7-4 StoreBackend 與長期資料<br />
7-5 CompositeBackend<br />
7-6 本章小結<br />
?<br /><strong>▍第8 章 規劃與上下文工程</strong><br />
8-1 上下文裡有什麼<br />
8-2 待辦清單與長任務規劃<br />
8-3 把大量內容移出對話<br />
8-4 摘要與對話歷史<br />
8-5 提示快取與設計準則<br />
8-6 本章小結<br />
?<br /><strong>▍第9 章 Skills 與可重用能力</strong><br />
9-1 技能的組成與格式<br />
9-2 漸進式揭露<br />
9-3 多個來源與存放位置<br />
9-4 技能裡的腳本<br />
9-5 什麼時候該寫技能<br />
9-6 本章小結<br /><strong>?<br />
▍第10 章 子代理人與任務委派</strong><br />
10-1 委派的介面與上下文隔離<br />
10-2 自訂子代理人<br />
10-3 掛一個編好的 Agent<br />
10-4 平行執行與共用狀態<br />
10-5 本章小結<br />
?<br /><span style="color:#0000ff;"><strong>◤第3 篇 應用實作與整合◢</strong></span><br />
?<br /><strong>▍第11 章 從零組一個研究 Agent</strong><br />
11-1 搜尋與擷取工具<br />
11-2 研究員子代理人<br />
11-3 完整的研究 Agent<br />
11-4 產出、驗證與限制<br />
11-5 本章小結<br />
?<br /><strong>▍第12 章 資料分析 Agent</strong><br />
12-1 資料不進上下文<br />
12-2 把程式送到資料旁邊<br />
12-3 一次完整的分析<br />
12-4 驗證與界線<br />
12-5 本章小結<br />
?<br /><strong>▍第13 章 文件問答與 RAG</strong><br />
13-1 文件解析與切分<br />
13-2 三種檢索方式<br />
13-3 把檢索接成工具<br />
13-4 驗證與取捨<br />
13-5 本章小結<br />
?<br /><strong>▍第14 章 程式開發 Agent</strong><br />
14-1 程式碼專案的探索<br />
14-2 修改檔案的兩種方式<br />
14-3 偵錯迴圈<br />
14-4 審查與交付<br />
14-5 本章小結<br />
?<br /><strong>▍第15 章 多模態與內容產製</strong><br />
15-1 影像與多模態輸入<br />
15-2 語音、影音與工具化<br />
15-3 內容產製流程<br />
15-4 本機多模態的界線<br />
15-5 本章小結<br />
?<br /><strong>▍第16 章 Model Context Protocol</strong><br />
16-1 MCP 的角色<br />
16-2 多出來的失敗方式<br />
16-3 認證與權限<br />
16-4 測試與維護<br />
16-5 本章小結<br />
?<br /><strong>▍第17 章 多模型路由與替換</strong><br />
17-1 三層後端與分流<br />
17-2 失敗時的備援<br />
17-3 模型專用的中介層<br />
17-4 基準測試<br />
17-5 本章小結<br /><span style="color:#0000ff;"><strong>?<br />
◤第4 篇 安全與持久化◢</strong></span><br /><strong>?<br />
▍第18 章 人工核准</strong><br />
18-1 中斷與檢查點<br />
18-2 核准、編輯與拒絕<br />
18-3 敏感操作分級<br />
18-4 CLI 審核流程<br />
18-5 本章小結<br />
?<br /><strong>▍第19 章 權限與沙箱</strong><br />
19-1 檔案權限規則<br />
19-2 工作區隔離<br />
19-3 本機與遠端沙箱<br />
19-4 提示注入與資料外洩<br />
19-5 本章小結<br />
?<br /><strong>▍第20 章 記憶與持久化</strong><br />
20-1 短期與長期記憶<br />
20-2 使用者與 Agent 範圍<br />
20-3 記憶更新策略<br />
20-4 多使用者資料隔離<br />
20-5 本章小結<br />
?<br /><span style="color:#0000ff;"><strong>◤第5 篇 完整應用與產品化◢</strong></span><br />
?<br /><strong>▍第21 章 程式開發 Agent</strong><br />
21-1 需求與架構<br />
21-2 讓它自己修<br />
21-3 子代理人分工<br />
21-4 讓過程看得見<br />
21-5 沒有驗收標準的時候<br />
21-6 本章小結<br />
?<br /><strong>▍第22 章 銀行業務 Agent</strong><br />
22-1 需求與限制<br />
22-2 查詢與個資<br />
22-3 風險規則與人工核准<br />
22-4 稽核軌跡<br />
22-5 對抗性測試<br />
22-6 命令列介面<br />
22-7 併發下的漏洞<br />
22-8 本章小結<br />
?<br /><strong>▍第23 章 客服工單 Agent</strong><br />
23-1 需求與資料<br />
23-2 檢索與訂單查詢<br />
23-3 多輪對話<br />
23-4 升級判斷<br />
23-5 兩種介面<br />
23-6 界線與成本<br />
23-7 本章小結<br />
?<br /><strong>▍第24 章 維運 Agent</strong><br />
24-1 需求與資料<br />
24-2 從告警查到根因<br />
24-3 危險處置的把關<br />
24-4 事故報告<br />
24-5 界線與量測<br />
24-6 本章小結<br />
?<br /><strong>▍第25 章 把 Agent 推上正式環境</strong><br />
25-1 從能執行到能交付<br />
25-2 容器化<br />
25-3 狀態要放哪裡<br />
25-4 容量與成本<br />
25-5 上線檢查與監測<br />
25-6 換成自己的領域<br />
25-7 本章小結<br />
?<br /><strong>▍附錄A 安裝與環境速查</strong><br />
A-1 專案與相依套件<br />
A-2 模型後端<br />
A-3 環境變數與金鑰<br />
A-4 常見的安裝問題<br />
A-5 速查指令<br />
?<br /><strong>▍附錄B API 與設定速查</strong><br />
B-1 建立 Agent<br />
B-2 工具<br />
B-3 執行與串流<br />
B-4 狀態與中斷<br />
B-5 中介層與上限<br />
B-6 模型與結構化輸出<br />
?<br /><strong>▍附錄C 模型與方案比較</strong><br />
C-1 模型後端<br />
C-2 本機推論的三個工具<br />
C-3 狀態儲存<br />
C-4 防線的性質<br />
C-5 容量與成本<br />
C-6 選型建議<br />
?<br /><strong>▍附錄D 疑難排解與安全清單</strong><br />
D-1 安裝與環境<br />
D-2 執行期的錯誤訊息<br />
D-3 沒有錯誤訊息的失敗<br />
D-4 效能與資源<br />
D-5 安全檢查清單<br />
D-6 檢查要寫成程式<br /><br /><br />
?</p>
</div>

序
<div class="bd">
<div class="content more_off" id="M201105_0_getProdTextInfo_P00a400020009_h3">
<p><br /><font color="#0000ff"><strong>  </strong></font>AI Agent 在今年大爆發,每個人應該早就在自己的電腦中裝上了Claude Code 或是Codex 這一類的Coding Agent, 或是OpenClaw/Hermes Agent 這一類的Computer Agent。在大量使用了這一類的Agents 之後,我一直想了解這些Agents 背後的原理是什麼,而了解最快的方式就是自己手動建立一個Agent。<br /><br />
目前市面上手動建立Agent 的套件不多,你很可能需要依賴不同AI 廠商的SDK來完成, 如OpenAI 或Anthropic。這一類SDK 功能強大但相容性非常差,只能依賴於這個AI 廠商的LLM。如果你希望建立個類似Pi Agent 這樣通用的Agent,除非自己手刻,要不然選擇真的很少。而LangChain 推出的Deep Agents,大概就是你能選擇的極少數選擇之一。<br /><br />
隨著Agent 的流行,我們一般人用的Claude Code 或Codex 是無法滿足廣大企業的專業用途的。遲早你必須面對企業自己的工作流來撰寫特定的Agent。企業工作流十分注重隱私,大部分的情況很可能使用地端模型。隨著開放權重模型功能越來越強大,將模型LLM 放入公司的私有雲或區域網將會是主流。而LLM 被限制在安全的邊界之後,如果還使用商用的Claude Code/Codex 或開源的通用Pi/Opencode 是無法滿足企業需求的,這時候你勢必要開發自己的Agent。<br /><br />
Deep Agents 可以讓你快速完成這個目標。我們都知道一個Agent 就分成兩部分,LLM 和Harness, 而Deep Agents 是LangChain 推出的開源Agent Harness, 套件名稱為deepagents, 設計的目標是長時間執行的任務。Agent Harness 指的是一種已經內建工具與預設能力的Agent 框架。你不必自己從迴圈、提示組裝、工具執行這些基礎開始寫,安裝完成之後該有的功能就都在裡面了。deepagents 替你處理三件最麻煩的事,也就是規劃、上下文管理,以及多個Agent 之間的協調。<br /><br />
一個完整的Agent 至少有十幾個元件,但有了Deep Agents 之後,你不需要每個元件都自己手動撰寫。本書的目的,雖然希望讀者了解每一個Agent 元件的功能,但真正實作時,反而將這些工作交給Deep Agents 的功能即可。每一個章節都會說明一個元件的概念及實作,只要照著書本的順序讀完,一個完整的Agent 就自然而然產生了。<br /><br />
Deep Agents 有一個非常重要的觀念,就是對模型供應商保持中立,而且可以設定功能非常完整。你可以使用雲端、地端模型,更換模型不必改寫Agent 的結構。狀態存在記憶體、SQLite 還是資料庫都可以由你決定。需要人工核准的動作可以隨時插進流程裡。追蹤與部署則直接對接LangChain 自家的LangSmith。LangChain 一共有三個框架,選擇哪一個視任務的性質。任務複雜、沒有固定流程而且會執行很久,可以使用Deep Agents,需要低階控制,自己定義每一個節點與轉移,則用LangGraph,如果想快速做出一個標準的Agent,則使用LangChain。<br /><br />
就像所有的產業一樣,在經過推廣及導入期,進入普遍的高原期之後,垂直化的市場必將出現,針對不同產業的專用Agent 將會充斥在軟體世界中,會自行開發通用Agent,對未來軟體工程師的競爭力大幅提升,而Deep Agents 就是你進入這個爆發產業的第一關,也相信在熟悉Deep Agents 之後,就算不開發自己的Agent,你也會對使用現在的Agent 更加了解,也希望這本書能給你帶來相當大的幫助。<br />
?</p>
<p style="text-align:right;">胡嘉璽<br />
2026/09/01</p>
<p><br /><br /><br /><br />
?</p>
</div>


書
評

其 他 著 作