查看PDF摘要：搭车者的智能代理AI指南是一本全面的实践者参考书，旨在构建自主AI系统。该书涵盖了从基本原理到生产部署的全栈，围绕着一个中心论点组织：构建伟大的代理系统需要理解管道的每一层，而不仅仅是其中的一层。这本书首先介绍了大型语言模型（LLM）基础框架——变压器架构、GPU系统、训练和微调（SFT、LoRA、MoE）、模型压缩和推理优化——将其视为基本基础，而不是主要焦点。接着，书中发展了对齐和推理层：来自人类反馈的强化学习（RLHF）、PPO、DPO及其变体、GRPO、奖励建模，以及包括思维链和测试时扩展在内的大型推理模型的强化学习。后半部分专注于真正的代理AI。主题包括代理训练和基于轨迹的强化学习、检索增强生成（RAG和代理RAG）、记忆系统（上下文、外部、情节和语义）、代理束设计和上下文管理，以及代理设计模式的分类。书中深入讨论了代理间协调：模型上下文协议（MCP）、代理技能和工具使用、代理对代理（A2A）通信协议，以及覆盖集中式、分散式和分层拓扑的多代理体系结构。最后，书还总结了代理开发框架、代理用户界面设计、代理任务的评估方法和生产部署。每一章都将严格的理论基础与实施指导、代码示例及主要文献的参考相结合。主题：人工智能（cs.AI）；计算与语言（cs.CL）；信息检索（cs.IR）；机器学习（cs.LG）引用格式：arXiv:2606.24937 [cs.AI]（或arXiv:2606.24937v1 [cs.AI]表示此版本）https://doi.org/10.48550/arXiv.2606.24937 arXiv发行的DOI通过DataCite提交历史来自：Haggai Roitman [查看电子邮件] [v1] 2026年6月22日星期一 17:48:54 UTC（5,525 KB）