前言
在 AI 方面，产品经理要了解机器学习、深度学习、自然语言处理等理论知识，还要知道基于这些理论构建的技术是如何影响产品设计、用户体验和业务流程的。
AI Agent 就将多项技术工具整合在一起，从而提供了个性化服务、自动化任务执行和智能决策支持。从原理出发，结合应用场景思考，产品经理就能在产品规划和设计中充分发挥出 Agent 的潜力。
为了让产品经理系统化地学习 AI 与产品知识，小编精心挑选了系列图书，有前沿的 AI Agent 应用，还有体系化产品方法论等，本书从零基础出发，介绍了 Agent 的定义、特性与技术架构，还对构建 Agent 的 AI 技术工具进行了详细讲解，最后以 7 个实战项目展示了 Agent 开发的方法。
本书的一大特点是站在技术前沿，结合当下实际需要，提出了一套 Agent 开发的系统性方法论。这在业界具有开创性意义，作者也希望读者通过这本书开启对人工智能应用开发的探索。
实战性强是本书另一大特点，7 个实战项目覆盖了 Agent 开发的多个方面。读者在实际工作中遇到困难，都可以在案例中得到启发，或者直接找到解决方案。
读懂这本书，产品经理就知道 Agent 是什么，可以做到什么，怎么去设计智能体类的产品了。
书籍目录：
第1章 何为Agent，为何Agent 1
1.1 大开脑洞的演讲：Life 3.0
1.2 那么，究竟何为Agent
1.3 Agent的大脑：大模型的通用推理能力
1.4 Agent的感知力：语言交互和多模态
1.5 Agent的行动力：语言输出和工具使用
1.6 Agent对各行业的效能提升
1.7 Agent带来新的商业模式和变革
1.8 小结
第2章 基于大模型的Agent技术框架
2.1 Agent的四大要素
2.2 Agent的规划和决策能力
2.3 Agent的各种记忆机制
2.4 Agent的核心技能：调用工具
2.5 Agent的推理引擎：ReAct框架
2.6 其他Agent认知框架
2.7 小结
第3章 OpenAI API、LangChain和LlamaIndex
3.1 何为OpenAI API
3.2 何为LangChain
3.3 何为LlamaIndex
3.4 小结
第4章 Agent 1：自动化办公的实现——使用Assistants API和DALL·E 3模型创作PPT
4.1 OpenAI公司的Assistants是什么
4.2 不写代码，在Playground中玩Assistants
4.3 Assistants API的简单示例
4.4 创建一个简短的虚构PPT
4.5 小结
第5章 Agent 2：多功能选择的引擎——通过Functions Calling调用函数
5.1 OpenAI中的Functions
5.2 在OpenAI Playground中定义Function
5.3 用Assistants API来实现Functions Calling
5.4 用ChatCompletion API来实现Tool Calls
5.5 小结
第6章 Agent 3：推理与行动的协同——使用LangChain中的ReAct框架实现自动定价
6.1 复习一下ReAct推理框架
6.2 LangChain中ReAct Agent 的实现
6.3 LangChain中的工具和工具包
6.4 通过create_react_agent创建鲜花定价Agent
6.5 深挖AgentExecutor的运行机制
6.6 小结
第7章 Agent 4：计划和执行的解耦——使用LangChain中的Plan-and-Execute智能调度库存
7.1 Plan-and-Solve策略的提出
7.2 LangChain中的Plan-and-Execute Agent
7.3 用Plan-and-Execute Agent实现物流管理
7.4 从单Agent到多Agent
7.5 小结
第8章 Agent 5：知识的提取与整合——使用Llama Index实现检索增强生成Agent
8.1 何为检索增强生成
8.2 RAG和Agent
8.3 用LlamaIndex的ReAct Agent来实现花语秘境财报检索
8.4 小结
第9章 Agent 6：GitHub的网红聚落——AutoGPT、BabyAGI、CAMEL和Generative Agents
9.1 AutoGPT
9.2 BabyAGI
9.3 CAMEL
9.4 小结
第10章 Agent 7：多Agent系统框架——AutoGen和MetaGPT
10.1 AutoGen
10.2 MetaGPT
10.3 小结
