AI智能体实战全书

解决什么问题

团队从聊天机器人走向真正的 Agent 时，最先卡住的往往不是模型能力，而是设计取舍：任务该给多大自主权？多智能体选 AutoGen 还是 CrewAI？工具、记忆、推理该按什么顺序组合？这些知识散落在各章，临时翻找成本高。

技能如何工作

这个技能把《AI Agents in Action》的核心框架整理成可对话查询的知识库，使用分四档：

• 不带参数：加载核心框架作为快速参考。
• 带主题：例如 "behavior trees"、"RAG"、"multi-agent"，技能定位并读取相关章节后回答。
• 带章节：直接指定 ch05 加载对应章节。
• 浏览索引：问 "what chapters do you have?" 可查看全部 11 章索引。

核心框架覆盖八个决策点：

• Agent 交互频谱（Ch 1）：从 Direct 到 Autonomous 四级，把自主性当频谱而非二元开关，按风险收益匹配。
• 多智能体（Ch 4）：AutoGen 适合对话式探索，CrewAI 适合结构化企业流程。
• 工具与行动（Ch 5）：OpenAI Function Calling 是标准模式；Semantic Kernel 用语义服务层把 LLM 与外部 API 解耦。
• 行为树（Ch 6）：五个基础节点覆盖大部分控制模式，ABTs 用 LLM 动态建树，Control Barrier Functions 作安全护栏。
• RAG 与记忆（Ch 8）：索引与查询两阶段；知识来自文档，记忆来自交互经验。
• 提示工程（Ch 9）：六种 OpenAI 策略对应 Agent 不同组件，需持续迭代。
• 推理技术（Ch 10）：Few-Shot、CoT、Self-Consistency、ToT，多路径优于单路径。
• 规划与反馈（Ch 11）：顺序规划处理依赖任务，JSON Planner 生成计划，反馈机制持续改进。

另附 glossary.md、patterns.md、cheatsheet.md 辅助文件。

适用边界

技能只覆盖书中内容。要在实际代码库落地，需结合项目特定工具链；超出本书范围的主题建议参考其他技能或直接提问。