最重要的 20 個 AI Agent 實戰案例精彩直播
活動訊息
金石堂閱讀週年慶
第48次中小學生讀物選介
台灣角川歌曲改編作品書展
影音介紹
內容簡介
https://youtu.be/52TP5-2k8fc
【書籍簡介】
20 個 AI Agent 開發案例，從真實業務需求出發的實戰全書。
每個案例完整走過整體設計、開發環境、系統實現與功能測試。
統一開發環境建置：Python、PyCharm、Anaconda 與大模型 API 申請。
內容創作類：生成歌詞、文字生成圖片、生成遊戲。
影音處理類：調整影片目光、影片調優。
智慧問答類：智慧問答、通訊學科知識問答、網頁問答。
檢索應用類：智慧檢索、階段式搜尋模型、檢索增強生成模型。
辦公自動化：簡歷回覆、程式開發、輔助決策。
對話與教學：對話機器人、教學機器人、智慧翻譯。
知識工程：擷取知識圖譜，建構結構化知識。
平臺整合：代理平臺的搭建與應用。
適合大學相關科系教材，亦適合物聯網與創新開發技術人員。
【書籍簡介】
20 個 AI Agent 開發案例，從真實業務需求出發的實戰全書。
每個案例完整走過整體設計、開發環境、系統實現與功能測試。
統一開發環境建置：Python、PyCharm、Anaconda 與大模型 API 申請。
內容創作類：生成歌詞、文字生成圖片、生成遊戲。
影音處理類：調整影片目光、影片調優。
智慧問答類：智慧問答、通訊學科知識問答、網頁問答。
檢索應用類：智慧檢索、階段式搜尋模型、檢索增強生成模型。
辦公自動化：簡歷回覆、程式開發、輔助決策。
對話與教學：對話機器人、教學機器人、智慧翻譯。
知識工程：擷取知識圖譜，建構結構化知識。
平臺整合：代理平臺的搭建與應用。
適合大學相關科系教材，亦適合物聯網與創新開發技術人員。
目錄
專案1 生成歌詞
1.1 整體設計
1.1.1 整體框架
1.1.2 系統流程
1.2 開發環境
1.2.1 安裝Python
1.2.2 安裝PyCharm
1.2.3 建立專案
1.2.4 大模型API 申請
1.3 系統實作
1.3.1 環境設定
1.3.2 基礎設定
1.3.3 建立工作流
1.3.4 生成歌詞
1.4 功能測試
專案2 調整影片目光
2.1 整體設計
2.1.1 整體框架
2.1.2 系統流程
2.2 開發環境
2.2.1 安裝Python
2.2.2 安裝PyCharm
2.2.3 安裝Anaconda
2.2.4 環境設定
2.2.5 大模型API 申請
2.3 系統實作
2.3.1 interfaces 中介面呼叫檔案
2.3.2 後端檔案
2.3.3 index.html
2.4 功能測試
2.4.1 啟用專案
2.4.2 上傳影片並處理
專案3 慧答助手
3.1 整體設計
3.1.1 整體框架
3.1.2 系統流程
3.2 開發環境
3.2.1 安裝Python
3.2.2 安裝Python 套件
3.2.3 智譜API 申請
3.2.4 SerpAPI 申請
3.3 系統實作
3.3.1 AI Agent 類別的初始化
3.3.2 網路搜尋功能
3.3.3 模型回應處理
3.3.4 搜尋需求判斷方法
3.3.5 查詢處理邏輯
3.3.6 主程式入口
3.4 功能測試
3.4.1 啟用專案
3.4.2 傳送問題及回應
專案4 智慧檢索
4.1 整體設計
4.1.1 整體框架
4.1.2 系統流程
4.2 開發環境
4.3 系統實作
4.3.1 初始化ChatModel
4.3.2 建構檢索工具
4.3.3 建立Agent
4.3.4 增加記憶模組
4.3.5 RAG Agent 應用實現
4.3.6 RAG_Agent
4.3.7 Flask API
4.3.8 Streamlit 介面
4.4 功能測試
4.4.1 啟用專案
4.4.2 結果分析
專案5 簡歷回覆
5.1 整體設計
5.1.1 整體框架
5.1.2 系統流程
5.2 開發環境
5.2.1 建立虛擬環境
5.2.2 建立專案
5.2.3 環境設定
5.2.4 大模型API 申請
5.2.5 Pinecone 向量資料庫API 的申請
5.3 系統實作
5.3.1 Retriver 模組
5.3.2 Agents 模組
5.3.3 App.py 程式
5.4 功能測試
5.4.1 啟用專案
5.4.2 傳送問題及回應
專案6 生成遊戲
6.1 整體設計
6.1.1 整體框架
6.1.2 系統流程
6.2 開發環境
6.2.1 安裝VSCode
6.2.2 GitHub 的複製
6.2.3 大模型API 申請
6.3 系統實作
6.3.1 執行開發流程
6.3.2 ChatChain 類別
6.3.3 Phase 程式
6.4 功能測試
6.4.1 啟用專案
6.4.2 傳送問題及回應
專案7 文字生成圖片
7.1 整體設計
7.1.1 整體框架
7.1.2 系統流程
7.2 開發環境
7.2.1 安裝PyCharm
7.2.2 環境設定
7.2.3 建立專案
7.2.4 大模型API 申請
7.3 系統實作
7.3.1 生成驗證資訊
7.3.2 主函式
7.4 功能測試
7.4.1 啟用專案
7.4.2 傳送問題及回應
專案8 程式碼開發
8.1 整體設計
8.1.1 整體框架
8.1.2 系統流程
8.2 開發環境
8.2.1 安裝Poetry
8.2.2 安裝Homebrew
8.2.3 安裝Ctags
8.2.4 安裝Pylint
8.2.5 環境設定
8.2.6 大模型API 申請
8.3 系統實作
8.3.1 主函式
8.3.2 任務管理程式
8.3.3 工具類別腳本
8.3.4 記憶模組
8.4 功能測試
8.4.1 啟用專案
8.4.2 傳送問題及回應
專案9 通訊學科知識問答
9.1 整體設計
9.1.1 整體框架
9.1.2 系統流程
9.2 開發環境
9.2.1 安裝Python
9.2.2 環境設定
9.2.3 大模型API 申請
9.3 系統實作
9.4 功能測試
9.4.1 啟用專案
9.4.2 傳送問題及回應
專案10 代理平臺
10.1 整體設計
10.1.1 整體框架
10.1.2 系統流程
10.2 開發環境
10.2.1 安裝Ollama
10.2.2 安裝Docker
10.2.3 使用Docker 部署Dify 服務
10.3 系統實作
10.3.1 模型後端服務
10.3.2 工具呼叫
10.3.3 知識庫檢索
10.4 功能測試
10.4.1 啟用專案
10.4.2 傳送問題及回應
專案11 影片微調
11.1 整體設計
11.1.1 整體框架
11.1.2 系統流程
11.2 開發環境
11.2.1 安裝Cursor
11.2.2 安裝Remote-SSH 外掛程式
11.2.3 連接伺服器端
11.2.4 安裝軟體套件
11.3 系統實作
11.3.1 資料集準備
11.3.2 下載CLIP 和vicuna-7b-v1.5
11.3.3 模型訓練
11.4 功能測試
11.4.1 模型推理
11.4.2 模型評估
專案12 對話式搜尋模型
12.1 整體設計
12.1.1 整體框架
12.1.2 系統流程
12.2 開發環境
12.2.1 安裝Anaconda
12.2.2 安裝CUDA
12.2.3 安裝PyTorch
12.2.4 安裝PyCharm
12.3 系統實作
12.3.1 主函式
12.3.2 訓練函式
12.3.3 測試評估函式
12.4 功能測試
12.4.1 模型訓練
12.4.2 測試評估
專案13 智慧問答
13.1 整體設計
13.1.1 整體框架
13.1.2 系統流程
13.2 開發環境
13.2.1 安裝Python
13.2.2 安裝PyCharm
13.2.3 環境設定
13.2.4 建立專案
13.2.5 大模型API 申請
13.3 系統實作
13.3.1 大模型呼叫 ChatBots.py
13.3.2 對話記錄處理Conversation.py
13.3.3 網頁後端處理web.py
13.3.4 使用者互動介面ChatBots.html
13.3.5 啟用程式main.py
13.3.6 API 金鑰檔案.env
13.4 功能測試
13.4.1 啟用專案
13.4.2 傳送問題及回應
13.4.3 查看歷史對話和連續對話
專案14 教學機器人
14.1 整體設計
14.1.1 整體框架
14.1.2 系統流程
14.2 開發環境
14.2.1 環境設定
14.2.2 安裝系統模組
14.2.3 大模型API 申請
14.3 系統實作
14.3.1 初始化向量資料庫
14.3.2 自訂檢索工具
14.3.3 載入代理
14.3.4 Gradio 介面
14.4 功能測試
14.4.1 啟用專案
14.4.2 傳送問題及回應
專案15 智慧翻譯
15.1 整體設計
15.1.1 整體框架
15.1.2 系統流程
15.2 開發環境
15.2.1 安裝VSCode
15.2.2 安裝Python
15.2.3 環境設定
15.2.4 建立專案
15.2.5 大模型API 申請
15.3 系統實作
15.3.1 get_completion() 函式
15.3.2 one_chunk_initial_translation() 函式
15.3.3 one_chunk_reflect_translation() 函式
15.3.4 one_chunk_improve_translation() 函式
15.3.5 num_tokens_in_string() 函式
15.3.6 translate() 函式
15.4 功能測試
15.4.1 啟用專案
15.4.2 傳送問題及回應
專案16 對話機器人
16.1 整體設計
16.1.1 整體框架
16.1.2 系統流程
16.2 開發環境
16.2.1 安裝Tabby Terminal
16.2.2 安裝Docker
16.2.3 建立專案
16.2.4 大模型API 申請
16.2.5 修改參數
16.3 系統實作
16.4 功能測試
16.4.1 啟用專案
16.4.2 傳送問題及回應
專案17 檢索增強生成模型
17.1 整體設計
17.1.1 整體框架
17.1.2 系統流程
17.2 開發環境
17.2.1 安裝Ollama
17.2.2 環境設定
17.2.3 建立專案
17.3 系統實作
17.3.1 建構外部知識庫
17.3.2 本機RAG
17.4 功能測試
17.4.1 啟用專案
17.4.2 傳送問題及回應
專案18 網頁問答
18.1 整體設計
18.1.1 整體框架
18.1.2 系統流程
18.2 開發環境
18.2.1 安裝 Anaconda 和基本設定
18.2.2 安裝CUDA Toolkit
18.2.3 安裝函式庫
18.2.4 建立專案並部署GLM 模型
18.3 系統實作
18.4 功能測試
18.4.1 啟用專案
18.4.2 傳送問題及回應
專案19 擷取知識圖譜
19.1 整體設計
19.1.1 整體框架
19.1.2 系統流程
19.2 開發環境
19.2.1 LangChain 的整合
19.2.2 GPT-4 API 申請
19.2.3 建立Neo4j 資料庫
19.2.4 系統實作所需其餘Python 套件
19.3 系統實作
19.3.1 資料庫連接程式
19.3.2 知識圖譜擷取程式
19.4 功能測試
19.4.1 資料庫連通性測試
19.4.2 知識圖譜擷取測試
專案20 輔助決策
20.1 整體設計
20.1.1 整體框架
20.1.2 系統流程
20.2 開發環境
20.2.1 測試版本
20.2.2 應用介面
20.2.3 環境設定
20.2.4 大模型API 申請
20.3 系統實作
20.3.1 代理物件設定
20.3.2 生成回覆
20.3.3 任務設定與執行
20.4 功能測試
20.4.1 啟用專案
20.4.2 傳送問題及回應
1.1 整體設計
1.1.1 整體框架
1.1.2 系統流程
1.2 開發環境
1.2.1 安裝Python
1.2.2 安裝PyCharm
1.2.3 建立專案
1.2.4 大模型API 申請
1.3 系統實作
1.3.1 環境設定
1.3.2 基礎設定
1.3.3 建立工作流
1.3.4 生成歌詞
1.4 功能測試
專案2 調整影片目光
2.1 整體設計
2.1.1 整體框架
2.1.2 系統流程
2.2 開發環境
2.2.1 安裝Python
2.2.2 安裝PyCharm
2.2.3 安裝Anaconda
2.2.4 環境設定
2.2.5 大模型API 申請
2.3 系統實作
2.3.1 interfaces 中介面呼叫檔案
2.3.2 後端檔案
2.3.3 index.html
2.4 功能測試
2.4.1 啟用專案
2.4.2 上傳影片並處理
專案3 慧答助手
3.1 整體設計
3.1.1 整體框架
3.1.2 系統流程
3.2 開發環境
3.2.1 安裝Python
3.2.2 安裝Python 套件
3.2.3 智譜API 申請
3.2.4 SerpAPI 申請
3.3 系統實作
3.3.1 AI Agent 類別的初始化
3.3.2 網路搜尋功能
3.3.3 模型回應處理
3.3.4 搜尋需求判斷方法
3.3.5 查詢處理邏輯
3.3.6 主程式入口
3.4 功能測試
3.4.1 啟用專案
3.4.2 傳送問題及回應
專案4 智慧檢索
4.1 整體設計
4.1.1 整體框架
4.1.2 系統流程
4.2 開發環境
4.3 系統實作
4.3.1 初始化ChatModel
4.3.2 建構檢索工具
4.3.3 建立Agent
4.3.4 增加記憶模組
4.3.5 RAG Agent 應用實現
4.3.6 RAG_Agent
4.3.7 Flask API
4.3.8 Streamlit 介面
4.4 功能測試
4.4.1 啟用專案
4.4.2 結果分析
專案5 簡歷回覆
5.1 整體設計
5.1.1 整體框架
5.1.2 系統流程
5.2 開發環境
5.2.1 建立虛擬環境
5.2.2 建立專案
5.2.3 環境設定
5.2.4 大模型API 申請
5.2.5 Pinecone 向量資料庫API 的申請
5.3 系統實作
5.3.1 Retriver 模組
5.3.2 Agents 模組
5.3.3 App.py 程式
5.4 功能測試
5.4.1 啟用專案
5.4.2 傳送問題及回應
專案6 生成遊戲
6.1 整體設計
6.1.1 整體框架
6.1.2 系統流程
6.2 開發環境
6.2.1 安裝VSCode
6.2.2 GitHub 的複製
6.2.3 大模型API 申請
6.3 系統實作
6.3.1 執行開發流程
6.3.2 ChatChain 類別
6.3.3 Phase 程式
6.4 功能測試
6.4.1 啟用專案
6.4.2 傳送問題及回應
專案7 文字生成圖片
7.1 整體設計
7.1.1 整體框架
7.1.2 系統流程
7.2 開發環境
7.2.1 安裝PyCharm
7.2.2 環境設定
7.2.3 建立專案
7.2.4 大模型API 申請
7.3 系統實作
7.3.1 生成驗證資訊
7.3.2 主函式
7.4 功能測試
7.4.1 啟用專案
7.4.2 傳送問題及回應
專案8 程式碼開發
8.1 整體設計
8.1.1 整體框架
8.1.2 系統流程
8.2 開發環境
8.2.1 安裝Poetry
8.2.2 安裝Homebrew
8.2.3 安裝Ctags
8.2.4 安裝Pylint
8.2.5 環境設定
8.2.6 大模型API 申請
8.3 系統實作
8.3.1 主函式
8.3.2 任務管理程式
8.3.3 工具類別腳本
8.3.4 記憶模組
8.4 功能測試
8.4.1 啟用專案
8.4.2 傳送問題及回應
專案9 通訊學科知識問答
9.1 整體設計
9.1.1 整體框架
9.1.2 系統流程
9.2 開發環境
9.2.1 安裝Python
9.2.2 環境設定
9.2.3 大模型API 申請
9.3 系統實作
9.4 功能測試
9.4.1 啟用專案
9.4.2 傳送問題及回應
專案10 代理平臺
10.1 整體設計
10.1.1 整體框架
10.1.2 系統流程
10.2 開發環境
10.2.1 安裝Ollama
10.2.2 安裝Docker
10.2.3 使用Docker 部署Dify 服務
10.3 系統實作
10.3.1 模型後端服務
10.3.2 工具呼叫
10.3.3 知識庫檢索
10.4 功能測試
10.4.1 啟用專案
10.4.2 傳送問題及回應
專案11 影片微調
11.1 整體設計
11.1.1 整體框架
11.1.2 系統流程
11.2 開發環境
11.2.1 安裝Cursor
11.2.2 安裝Remote-SSH 外掛程式
11.2.3 連接伺服器端
11.2.4 安裝軟體套件
11.3 系統實作
11.3.1 資料集準備
11.3.2 下載CLIP 和vicuna-7b-v1.5
11.3.3 模型訓練
11.4 功能測試
11.4.1 模型推理
11.4.2 模型評估
專案12 對話式搜尋模型
12.1 整體設計
12.1.1 整體框架
12.1.2 系統流程
12.2 開發環境
12.2.1 安裝Anaconda
12.2.2 安裝CUDA
12.2.3 安裝PyTorch
12.2.4 安裝PyCharm
12.3 系統實作
12.3.1 主函式
12.3.2 訓練函式
12.3.3 測試評估函式
12.4 功能測試
12.4.1 模型訓練
12.4.2 測試評估
專案13 智慧問答
13.1 整體設計
13.1.1 整體框架
13.1.2 系統流程
13.2 開發環境
13.2.1 安裝Python
13.2.2 安裝PyCharm
13.2.3 環境設定
13.2.4 建立專案
13.2.5 大模型API 申請
13.3 系統實作
13.3.1 大模型呼叫 ChatBots.py
13.3.2 對話記錄處理Conversation.py
13.3.3 網頁後端處理web.py
13.3.4 使用者互動介面ChatBots.html
13.3.5 啟用程式main.py
13.3.6 API 金鑰檔案.env
13.4 功能測試
13.4.1 啟用專案
13.4.2 傳送問題及回應
13.4.3 查看歷史對話和連續對話
專案14 教學機器人
14.1 整體設計
14.1.1 整體框架
14.1.2 系統流程
14.2 開發環境
14.2.1 環境設定
14.2.2 安裝系統模組
14.2.3 大模型API 申請
14.3 系統實作
14.3.1 初始化向量資料庫
14.3.2 自訂檢索工具
14.3.3 載入代理
14.3.4 Gradio 介面
14.4 功能測試
14.4.1 啟用專案
14.4.2 傳送問題及回應
專案15 智慧翻譯
15.1 整體設計
15.1.1 整體框架
15.1.2 系統流程
15.2 開發環境
15.2.1 安裝VSCode
15.2.2 安裝Python
15.2.3 環境設定
15.2.4 建立專案
15.2.5 大模型API 申請
15.3 系統實作
15.3.1 get_completion() 函式
15.3.2 one_chunk_initial_translation() 函式
15.3.3 one_chunk_reflect_translation() 函式
15.3.4 one_chunk_improve_translation() 函式
15.3.5 num_tokens_in_string() 函式
15.3.6 translate() 函式
15.4 功能測試
15.4.1 啟用專案
15.4.2 傳送問題及回應
專案16 對話機器人
16.1 整體設計
16.1.1 整體框架
16.1.2 系統流程
16.2 開發環境
16.2.1 安裝Tabby Terminal
16.2.2 安裝Docker
16.2.3 建立專案
16.2.4 大模型API 申請
16.2.5 修改參數
16.3 系統實作
16.4 功能測試
16.4.1 啟用專案
16.4.2 傳送問題及回應
專案17 檢索增強生成模型
17.1 整體設計
17.1.1 整體框架
17.1.2 系統流程
17.2 開發環境
17.2.1 安裝Ollama
17.2.2 環境設定
17.2.3 建立專案
17.3 系統實作
17.3.1 建構外部知識庫
17.3.2 本機RAG
17.4 功能測試
17.4.1 啟用專案
17.4.2 傳送問題及回應
專案18 網頁問答
18.1 整體設計
18.1.1 整體框架
18.1.2 系統流程
18.2 開發環境
18.2.1 安裝 Anaconda 和基本設定
18.2.2 安裝CUDA Toolkit
18.2.3 安裝函式庫
18.2.4 建立專案並部署GLM 模型
18.3 系統實作
18.4 功能測試
18.4.1 啟用專案
18.4.2 傳送問題及回應
專案19 擷取知識圖譜
19.1 整體設計
19.1.1 整體框架
19.1.2 系統流程
19.2 開發環境
19.2.1 LangChain 的整合
19.2.2 GPT-4 API 申請
19.2.3 建立Neo4j 資料庫
19.2.4 系統實作所需其餘Python 套件
19.3 系統實作
19.3.1 資料庫連接程式
19.3.2 知識圖譜擷取程式
19.4 功能測試
19.4.1 資料庫連通性測試
19.4.2 知識圖譜擷取測試
專案20 輔助決策
20.1 整體設計
20.1.1 整體框架
20.1.2 系統流程
20.2 開發環境
20.2.1 測試版本
20.2.2 應用介面
20.2.3 環境設定
20.2.4 大模型API 申請
20.3 系統實作
20.3.1 代理物件設定
20.3.2 生成回覆
20.3.3 任務設定與執行
20.4 功能測試
20.4.1 啟用專案
20.4.2 傳送問題及回應
序／導讀
序言
在科技浪潮奔湧向前的當下，AI Agent 無疑已成為人工智慧領域最具活力與潛力的創新力量。它猶如一把萬能鑰匙，正開啟一扇通往全新領域的大門，廣泛應用於智慧客服、智慧辦公、智慧家庭等領域，使人們的生活與工作獲得前所未有的便捷與高效。
AI Agent 不僅是技術層面的創新，更是一種思維模式的革命。它具備理解、學習和自主決策的能力，能模擬人類的思考和行動，為解決複雜問題提供高效且智慧的解決方案。然而，理論與實踐之間往往宛如橫亙著一道難以跨越的天塹。許多開發者和技術同好在探索AI Agent 的道路上，常常會陷入如何將抽象的理論轉化為實際應用的困境之中。
為了幫助大家跨越這道難關，本書作者精心撰寫了《解鎖AI Agent 技術——20 個開發案例引領創新實踐》。書中精心挑選了極具代表性和啟發性的案例，它們並非簡單的程式碼堆砌，而是從真實的業務需求出發，詳細展示如何運用AI Agent 技術解決實際問題，進而幫助讀者實現能力的顯著提升。
在撰寫過程中，作者秉持深入淺出的原則，對每個案例的技術要點、實現步驟以及最佳化想法進行了細緻入微的講解，力求讓讀者不僅知其然，更知其所以然。無論讀者是剛剛踏入 AI 領域的新手，還是經驗豐富的資深開發者，都能從本書中獲得靈感，找到解決問題的新想法和新方法。
本書可作為大學電腦、人工智慧相關科系的大學部教材，為學生提供系統的知識體系和實踐指導，同時也可作為從事物聯網、創新開發和設計的專業技術人員的參考用書。
本書的內容和素材主要來源於以下幾方面：作者所在學校近年來承擔的教育部和北京市的教育、教學改革專案與成果；作者指導的研究生在物聯網方向的研究工作及成果總結；北京郵電大學資訊與通訊工程專業的創新實踐。北京郵電大學資訊與通訊工程專業的學生透過CDIO工程教育方法，積極開展創新研發，不僅提升了自身的知識和能力，也為本書提供了寶貴的第一手素材和資料，在此向他們表示衷心的感謝。
由於作者水準有限，書中難免存在不足之處，懇請讀者們不吝賜教，以便進一步修改和完善。讓我們共同攜手，在AI Agent 的技術海洋中不斷探索，書寫更加輝煌的篇章。
李永華
2026 年1 月
在科技浪潮奔湧向前的當下，AI Agent 無疑已成為人工智慧領域最具活力與潛力的創新力量。它猶如一把萬能鑰匙，正開啟一扇通往全新領域的大門，廣泛應用於智慧客服、智慧辦公、智慧家庭等領域，使人們的生活與工作獲得前所未有的便捷與高效。
AI Agent 不僅是技術層面的創新，更是一種思維模式的革命。它具備理解、學習和自主決策的能力，能模擬人類的思考和行動，為解決複雜問題提供高效且智慧的解決方案。然而，理論與實踐之間往往宛如橫亙著一道難以跨越的天塹。許多開發者和技術同好在探索AI Agent 的道路上，常常會陷入如何將抽象的理論轉化為實際應用的困境之中。
為了幫助大家跨越這道難關，本書作者精心撰寫了《解鎖AI Agent 技術——20 個開發案例引領創新實踐》。書中精心挑選了極具代表性和啟發性的案例，它們並非簡單的程式碼堆砌，而是從真實的業務需求出發，詳細展示如何運用AI Agent 技術解決實際問題，進而幫助讀者實現能力的顯著提升。
在撰寫過程中，作者秉持深入淺出的原則，對每個案例的技術要點、實現步驟以及最佳化想法進行了細緻入微的講解，力求讓讀者不僅知其然，更知其所以然。無論讀者是剛剛踏入 AI 領域的新手，還是經驗豐富的資深開發者，都能從本書中獲得靈感，找到解決問題的新想法和新方法。
本書可作為大學電腦、人工智慧相關科系的大學部教材，為學生提供系統的知識體系和實踐指導，同時也可作為從事物聯網、創新開發和設計的專業技術人員的參考用書。
本書的內容和素材主要來源於以下幾方面：作者所在學校近年來承擔的教育部和北京市的教育、教學改革專案與成果；作者指導的研究生在物聯網方向的研究工作及成果總結；北京郵電大學資訊與通訊工程專業的創新實踐。北京郵電大學資訊與通訊工程專業的學生透過CDIO工程教育方法，積極開展創新研發，不僅提升了自身的知識和能力，也為本書提供了寶貴的第一手素材和資料，在此向他們表示衷心的感謝。
由於作者水準有限，書中難免存在不足之處，懇請讀者們不吝賜教，以便進一步修改和完善。讓我們共同攜手，在AI Agent 的技術海洋中不斷探索，書寫更加輝煌的篇章。
李永華
2026 年1 月
贈品
指定商品滿$888即贈 閱讀隨行袋（款式隨機）
凡全站商品單筆訂單滿888元，即送「閱讀隨行袋」1個，款式隨機出貨。（數量有限，送完為止）
※ 海外訂單恕不提供贈品。
目前數量：67
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價