一份「能读很多年」的书,应该把读者领到更深的地方去。 本附录按主题给出经过时间检验的资源:基础论文(原理不会过时)、 工程指南(方法论)、框架官方文档(随时变,以官网为准)、基准、基础设施。 用一句话标注「为什么值得读」。
1. 基础论文(原理类,不会过时)
| 论文 | 一句话 | 对应章节 |
|---|---|---|
| CoT / Self-Consistency(Wei et al. 2022;Wang et al. 2022) | 思维链让中间推理显式化;多次采样取多数提升可靠性 | 02 |
| Tree of Thoughts(Yao et al. 2023) | 把单条推理扩成树的搜索,规划与多路探索的早期形态 | 02、附录 G §5.4 |
| ReAct(Yao et al. 2022) | 思考与行动交织,Agent 循环的奠基论文 | 02 |
| Toolformer(Schick et al. 2023) | 模型自学何时调用工具,工具调用的早期范式 | 03 |
| Reflexion(Shinn et al. 2023) | 把「反思 + 教训记忆」整合进循环,自愈能力的来源 | 02 |
| Self-Refine(Madaan et al. 2023) | 生成→反馈→修正的自循环,反思提示的依据 | 02、附录 G §7.3 |
| MemGPT(Packer et al. 2023) | 用操作系统分页思想管理 Agent 记忆 | 04 |
| Generative Agents(Park et al. 2023) | 25 个 Agent 的「小镇」,记忆-反思-计划的社会模拟 | 08、13 |
| MetaGPT(Hong et al. 2023) | SOP 驱动的多智能体协作,角色化分派的论文 | 08 |
| AutoGen(Wu et al. 2023, Microsoft) | 对话式多智能体范式,Agent 间对话协作的奠基 | 08 |
| LLMCompiler(Kim et al. 2023/2024) | 计划图 + 并行工具调用,延迟优化的经典 | 02、03 |
| A Survey on LLM-based Agents(Wang et al. 2024) | 全景综述,Agent 领域的「地图」 | 全书 |
| The Rise and Potential of LLM-based Agents(Xi et al. 2023) | 另一份重要综述,偏学术视角 | 全书 |
阅读方法:不必逐字精读,先读 Abstract + 方法图 + 结论。 这些论文的价值在于确立问题与名词------五年后它们仍是讨论的起点。
2. 工程指南与方法论
| 资源 | 为什么值得读 | 对应章节 |
|---|---|---|
| Anthropic《Building Effective Agents》(2024) | 定义提示链/路由/并行/编排者/评估-优化五大模式,第 02 章 §5 的设计蓝本 | 02 |
| Anthropic《Effective Context Engineering for AI Agents》(2025) | 上下文工程的官方方法论,预算/排序/缓存/压缩的权威表述 | 05 |
| OpenAI Function Calling & Structured Outputs 文档 | 工具调用与约束解码的第一手规范 | 03 |
| 各模型商的 Prompting 官方指南(Anthropic / OpenAI / Google) | 提示词怎么写、Few-shot / CoT 怎么用、系统提示怎么设计 | 20 |
| 各模型商的 System Prompts 工程指南(Anthropic / OpenAI / Google) | 系统提示怎么写、缓存怎么设计 | 05 |
| Anthropic《Claude 官方 Prompt Engineering 最佳实践》 | 清晰指令、示例、思维链、工具提示的第一手经验 | 20 |
| MCP 官方规范(modelcontextprotocol.io) | MCP 协议的唯一权威来源(注意 2024-11-05 与 2026 无状态版的差异) | 09 |
| A2A 官方规范(a2a-protocol.org) | Agent 间通信协议的规范与用例 | 08 |
| OWASP LLM Top 10(genai.owasp.org) | LLM 应用安全风险的行业基准清单 | 11 |
工程指南的特点:半年就会更新。读的时候抓「方法论」而不是「API 参数」------ 参数以官方文档为准,方法论才经得起时间。
3. 框架与工具(以官方文档为准)
| 框架 | 一句话定位 | 何时去读 |
|---|---|---|
| LangChain | 链式抽象的框架鼻祖;LangGraph 是 LangChain 团队针对 Chain 静态化的重构 | 熟悉其生态、或从链式迁移到图式时 |
| LangGraph | 显式状态图,企业级复杂工作流的事实标准 | 需要状态/检查点/人工介入时 |
| CrewAI | 角色化多智能体,上手最快 | 快速原型、内容管线 |
| OpenAI Agents SDK | 循环型 harness,handoff + 三层护栏 | 绑定 OpenAI、要生产护栏 |
| Claude Agent SDK | 深度自主 Agent,内置工具 + MCP 最全 | 编码 Agent、系统级访问 |
| Google ADK | 协议覆盖最全(MCP/A2A/ACP),多模型 | 需要协议互操作 |
| AutoGen / AG2 | 对话式多智能体开创者 | 研究、已有系统维护 |
| LlamaIndex | RAG / 数据框架之王 | 检索型 Agent |
| Smolagents | 代码优先的 Agent(用代码行动而非 JSON) | 想理解「代码即行动」 |
| Dify | 中文友好的低代码 Agent 平台,RAG 管线开箱即用 | 想快速搭业务 Agent、少写代码 |
| Coze | 字节的 Agent 平台,插件生态丰富,面向非程序员 | 免写代码搭 bot、复用现成插件 |
框架会变------本书第 06 章已经提醒:框架是「当时最优」的封装,不是「永远正确」的真理。 读框架文档时,问自己:「它的核心抽象是什么?换成别家对应什么?」
4. 基准与评测
| 基准 | 测什么 | 什么时候用 |
|---|---|---|
| SWE-bench | 真实 GitHub issue → 修代码 | 代码 Agent 的事实标准 |
| GAIA | 多工具/多步推理的开放问题 | 通用 Agent 能力 |
| WebArena / WebVoyager | 真实网页环境完成任务 | 浏览器 / 计算机使用 Agent |
| τ-bench(tau-bench) | 客服类多轮工具交互 | 对话 Agent |
| BFCL(Berkeley Function Calling) | 函数调用正确性 | 工具调用专项 |
| AgentBench | 多环境通用 Agent 能力 | 综合对比 |
| MINT | 多轮交互中的错误反馈恢复 | 反思/自愈能力 |
| AgentDojo | 工具调用任务中的提示注入攻防 | 安全评测(第 11 章) |
| CyberSecEval | 注入/越狱/危险代码 | 安全评测(第 11 章) |
提醒:基准分数 ≠ 生产表现(第 10 章 §7)。基准用于「横向比较模型/方法」, 生产评估请基于自己的真实流量建评测集。
5. 基础设施
| 类别 | 代表 | 用途 |
|---|---|---|
| 向量数据库 | pgvector、Milvus、Weaviate、Qdrant、Chroma、FAISS | 长期记忆与 RAG 的存储检索(第 21 章 §4) |
| ANN 索引库 | FAISS、hnswlib、annoy、pgvector(HNSW/IVFFlat) | 向量索引算法的实现参考(第 21 章 §3) |
| 混合检索/重排 | Weaviate/Qdrant 内置混合检索;cross-encoder 模型(rerankers) | 多路召回 + 精排(第 21 章 §6) |
| 重排模型(reranker)点名 | Cohere Rerank (英文强、长文本稳);bge-reranker (BAAI,中文友好);jina-reranker(多语言通用) | 精排(第 21 章 §6):中文场景优先 bge-reranker,英文场景优先 Cohere,别只看英文榜单选型 |
| 评测/可观测 | LangSmith、Langfuse、Opik、Braintrust、OpenTelemetry | 轨迹追踪、评测平台、成本监控 |
| 沙箱/隔离 | Firecracker、Docker、gVisor | 代码执行 Agent 的沙箱化(第 11 章) |
| 任务队列 | Redis、RabbitMQ、Kafka | 慢速 Agent 任务的异步编排(第 12 章) |
| 嵌入模型 | OpenAI embeddings、BGE、E5、GTE、m3e | 向量记忆的「语义化」升级(第 04 章 §5、第 21 章 §5) |
6. 持续学习:到哪里跟上变化
Agent 领域迭代极快,「跟上变化」本身就是一项技能。几个可靠的信号源:
- 官方发布:Anthropic / OpenAI / Google 的工程博客与规范仓库 (MCP、A2A 的更新都在各自的 GitHub org 里);
- 顶会论文:NeurIPS / ICML / ICLR / ACL 的 LLM-Agents 方向;
- 开源生态:GitHub 上的框架仓库的 README 与 changelog, 比二手文章更及时、更准确;
- 社区综述:每年都有新的 Agent 综述论文,用它们做「年度刷新」;
- 本书第 13 章的「五个技术方向」与「七个开放问题」------如果你在找研究方向, 那里全是选题。
7. 给读者的最后提醒
资源清单的宿命是「部分过时」,所以记住三条:
- 原理读论文,方法读指南,参数读文档------按这个优先级分配阅读时间;
- 框架半年一变,模式十年不变------优先掌握第 02 章的模式语言与第 05 章的上下文工程, 它们才是这本书想让你带走的东西;
- 读十篇不如跑一个------把 mini-agent 改一个工具、加一个测试, 比读十篇框架博客更能建立直觉。
至此,正文章节与附录到此结束。愿你带着「原理 + 代码」的双线知识, 在 Agent 的世界里做出既强大又可信任的系统。