真想学 Agent ，不管是 Agent 应用还是 Agent 开发，很多书可能都没什么用，里面可能还是存在一些有用信息的，但用这种方式组织，性价比甚至不如直接问豆包。
真要说 Agent 开发，建议直接看开源仓库：
- lrgs/nanocode: 首先是这个 250 行 Python 实现的 CLI Agent。你可以不看很多代码，但至少 250 行代码扫一眼你得能知道他们做了啥；
- swe-agent/mini-swe-agent: 这也是个极简 Agent，现在的 SWE 系的 Benchmark 都用的他跑分，可以说是玩 Agent 评估必知必会；
- pi: 真正生产级可用的极简可扩展 AI Agent，不管是核心 Agent Loop、插件框架还是 pi-tui 都很值得研究学习；
- opencode: 开源 Coding Agent 的顶梁柱，大规模应用 Effect TS 来做可观测性，正在大规模重构 v2 版本；
- codex: OpenAI 官方的 Rust 实现的 CLI Agent，可以代表工业级可用；
- deepseek-harness: DeepSeek 官方搞的更激进的「万物皆插件」架构的 Agent，核心架构设计、热插拔更新设计、PTC 等新模式的研究、Web UX 实践都可以在这套上面研究学习；
因为现在发展太快，所以研究学习也应该是动态的过程。
除了 nanocode 和 mini-swe-agent 这俩是极简设计、不会频繁更新，其他的几个都更新很快。所以，另一个值得研究的就是他们的 releases 以及 commit history。除了其中 deepseek-harness 的时间短一点，pi / opencode / codex 这仨你单纯是把他们的 releases 信息给全量拉回来、让 AI 梳理一通，都可以得到他们的发展时间线以及取舍；感兴趣的细节还可以直接跟踪到具体的 commit 以及 issue 讨论，这其中的价值比静态的、科普教程性质的电子书要价值得多。
总之，不要用书籍的方式研究 AI 和 Agent