《AI Agent 实战：从设计模式到生产落地》全书 29 章 + 5 附录已连载完结。 这一篇收录全书的前言与后记：一本书为什么这样写、写给谁看，以及读完之后的三条提醒。
前言
为什么写这本书
2024 年以来，AI Agent 从一个"听起来很酷"的概念，变成了真实跑在企业生产环境里的系统：查订单、写报告、做分析、管流程。但我在与大量开发者的交流中发现一个普遍的困境：
框架教程一大堆，讲透"为什么这样设计"的书几乎没有。 大家学会了 LangChain 的 API，却说不清"什么时候该用提示链、什么时候该上多智能体"；能跑通 demo，却不敢上生产------因为不懂评测、排错、安全与成本控制。
这本书想填的，正是这个"从能跑 demo 到敢上生产"的鸿沟。
这本书讲什么
全书 29 章 + 5 个附录，按"认知 → 技术 → 模式 → 工程 → 案例"五层推进：
- 第 I-III 部分（1-9 章）：Agent 的认知骨架与核心技术------是什么、怎么选模型、怎么管上下文、怎么调工具、怎么构建循环。
- 第 IV 部分（10-18 章）：全书核心------9 大设计模式，从提示链到学习与适应，每章含原理、代码、框架对照与解决方案。
- 第 V 部分（19-24 章）：生产化------Skill 复用、评测体系、排错实战、安全合规、成本部署、参数调优。
- 第 VI 部分（25-29 章）：5 个完整案例，从智能客服到多智能体协作，走完从需求到上线的全流程。
读者对象
- 有 Python 基础的开发者：想进入 Agent 开发或转型大模型应用。
- 在用框架但不懂设计的工程师：想从"会调 API"进阶到"会做架构"。
- 技术负责人：需要为 Agent 项目做选型、评测与治理。
如何阅读这本书
- 快速上手：读第 1、6、24 章 + 一个案例（第 25 章），就能搭出可用系统。
- 系统学习：按顺序读，重点在第 IV 部分（设计模式是本书灵魂）。
- 案头工具：把第 24 章参数速查表、附录 C、第 22 章安全检查清单当手册用。
- 动手实践：每章代码都可运行，建议边读边敲，遇到问题翻第 21 章排错。
配套资源
- GitHub 仓库：全书可运行代码与数据集
- 参数调优速查表：三表合一（附录 C）
- 故障排查手册：40+ 真实问题对照（第 21 章）
本书代码示例中的 API Key 均为占位符，运行前请替换为你自己的 Key（附录 E 有各平台接入指南）。技术生态迭代迅速，书中信息以 2026 年年中为准，使用时请核对最新文档。
关于代码示例的约定 ：全书代码以教学示意为主，为聚焦核心逻辑，省略了
timeout、重试、日志等生产级错误处理。标注"示例代码"的代码块可直接参考结构；标注"伪代码"的代码块仅示意流程，不可直接运行。生产环境请补全异常处理、超时控制和监控埋点。
后记
写给读完全书的你
如果你一路读到这里，恭喜------你已经有了一整套 Agent 工程化的方法论：从 5 层骨架的认知地图，到 9 大设计模式的选型心法，再到评测、排错、安全、成本的生产护栏。剩下的，就是动手。
三条提醒
- 先想清楚问题形态，再选技术方案------能不用 Agent 就不用 Agent。
- 评测是 Agent 工程的坐标系------没有基线，一切优化都是感觉。
- 学模式，不追框架------模式是持久的思想，框架是易逝的工具。
生态在演进
你读这本书的此刻，MCP 在更新、长上下文模型在变大、新的编排框架在出现。但请放心：书里的设计模式（提示链、路由、反思、规划......）不会过时------它们是思想，而思想比工具长寿。遇到新技术时，试着问自己：它对应哪个模式？解决了什么根本问题？
反馈与更新
- 发现错误或想提建议？欢迎通过出版社/作者的渠道反馈。
- 本书配套 GitHub 仓库会随生态演进更新代码与附录。
- 后续版本计划：多智能体治理深入、行业案例扩展、新协议跟进。
致谢
感谢 AI Agent 开源生态的贡献者们（LangGraph、AutoGen、CrewAI、MCP、Langfuse 等）------本书大量内容建立在他们构建的基石之上。也感谢每一位读到这里的你：世界需要更多"既懂原理、敢上生产"的 Agent 工程师，希望这本书能成为你的起点。
祝你在 Agent 的世界里，走得更远。