«AI Agents in Depth»: открытый учебник по AI-агентам набрал 53 000 звёзд на GitHub
Ли Боцзе открыл исходный код книги «Глубокое понимание AI Agent» — 10 глав, 109 экспериментов, 15 языков, лицензия Apache 2.0. Уже 53 000 звёзд на GitHub.
Бесплатный учебник по AI-агентам взорвал GitHub
Книгу написал Ли Боцзе (Bojie Li) — выпускник USTC и Microsoft Research Asia, один из первых участников программы Huawei «Гениальная молодёжь». Проект опубликован под лицензией Apache 2.0 на GitHub и доступен для чтения онлайн или скачивания в форматах PDF и EPUB на 15 языках. Репозиторий bojieli/ai-agent-book уже набрал более 53 000 звёзд и 6 000 форков.
За первые семь дней после публикации книга заработала более 19 000 звёзд на GitHub и два дня держалась на первой строчке GitHub Trending.
Центральная идея: одна формула
Agent = LLM + Context + Tools
Это одна из наиболее системных технических книг об AI-агентах из доступных сегодня: она охватывает всё от базовых принципов до производственного инжиниринга, 10 глав — от контекстной инженерии до мультиагентного взаимодействия, с запускаемыми экспериментами, привязанными к реальным отраслевым бенчмаркам.
Структура книги
| Глава | Тема | Эксперименты |
|---|---|---|
| 1 | Введение в AI Agent | 4 |
| 2 | Context Engineering (инженерия контекста) | 10 |
| 3 | Память пользователя и базы знаний | 12 |
| 4 | Инструменты и протокол MCP | 5 |
| 5 | Coding Agent и универсальные агенты | 16 |
| 6 | Взаимодействие: расширение пространства наблюдения и действий | 14 |
| 7 | Оценка агентов (Evaluation) | 14 |
| 8 | Post-training модели (SFT / RL) | 19 |
| 9 | Непрерывная эволюция агента | 9 |
| 10 | Мультиагентное взаимодействие | 6 |
«Открытость» здесь настоящая: весь текст хранится в формате Markdown и доступен прямо на GitHub; PDF и EPUB собираются автоматически из главной ветки, поэтому читатель всегда получает актуальную версию; сопроводительные эксперименты — реально исполняемый код, а не псевдокод.
Как устроены эксперименты
Это бесплатный учебник с открытым кодом: 10 глав об агентостроении — от контекстной инженерии и памяти до оценки (evals), дообучения и мультиагентных систем, с запускаемыми Python-экспериментами.
Все эксперименты поддерживают Python 3.11–3.13 и устанавливаются одной командой через uv или pip:
# Установка зависимостей для главы 1 (замените ch1 на ch2–ch10)
uv sync --locked --extra ch1
# Запуск эксперимента
uv run python chapter1/context/main.py
.env.example в .env и укажите ключ хотя бы одного провайдера: OpenRouter, DeepSeek, Kimi, Siliconflow, GLM и другие. Поддерживаются и локальные модели через Ollama.Версия 2.0: что изменилось
Репозиторий уже обновился до версии 2.0 по сравнению с первоначальным релизом 1.4:
graph TD
A[v1.4] --> B[Глава 4: Асинхронное взаимодействие]
A --> C[Глава 9: Мультимодальные агенты]
B --> D[v2.0: Новая Глава 6 — Взаимодействие и расширение пространства]
C --> D
D --> E[Главы 6→7→8→9 сдвинуты на одну позицию вперёд]
Сообщество уже перевело книгу на 13 языков: китайский, английский, испанский, традиционный китайский (Тайвань), русский, тамильский, вьетнамский, японский, арабский, турецкий, корейский и венгерский. Автор добавил множество пропущенных экспериментов и исправил ряд деталей в тексте. Сейчас поддерживается уже 15 языков — добавились иврит и португальский (Бразилия).
Сопроводительная книга по AI Infra
Параллельно вышла книга-компаньон AI Infra in Depth: Quantitative Analysis and System Design, также ставшая open source. Она посвящена инфраструктуре, на которой работают модели, — без её понимания сложно строить качественные агентские приложения.
Почему это важно для отрасли
По итогам прочтения читатель способен собрать и оценить производственного агента с памятью, MCP-инструментами и coding-циклом. Книга заполняет нишу, которую прежде занимали разрозненные статьи и документация вендоров: она не привязана к конкретному фреймворку и охватывает полный цикл — от архитектурного выбора до запуска в продакшне.
Полный текст, PDF, EPUB и исходный код экспериментов доступны бесплатно: github.com/bojieli/ai-agent-book