AI Agents 权威指南：12 章、35 个 Notebook 的免费实战路线

这是什么

O’Reilly 的书《AI Agents - The Definitive Guide》把配套代码全部开源在 GitHub：12 个章节、35 个 Jupyter Notebook，每个 Notebook 都提供 Colab 运行入口，浏览器点开就能跑，不需要先在本地装 Python、Jupyter 和一堆依赖。

仓库：Nicolepcx/ai-agents-the-definitive-guide

为什么值得看

它和很多「只带你跑一个 Demo」的 Agent 教程不一样，内容是从基础结构一路走到工程化问题：

经典模式：思维链（CoT）、思维树（ToT）、ReAct
进阶能力：多 Agent 协作、记忆管理、效果评估、成本计算
上线必修：最后专门讲 Agent 系统的威胁建模，工具权限、Prompt Injection、被诱导执行危险操作后的处理

所以它可以有两种用法：

刚学 Agent：直接当学习路线，按顺序跑
已经在做 Agent 项目：挑薄弱的部分单独补

12 章目录（已按仓库 README 核对）

From LLMs to Agents: The Foundational Blueprint —— 从 LLM 到 Agent 的基础蓝图
Architectures and Patterns: Planning, Reactivity, and Multi-Agent-Systems —— CoT / ToT / ReAct / HITL / 层级团队 / Swarm
Advanced Planning, Reasoning, and Scalable Execution —— ART / RULER / TreeQuest（AB-MCTS）
Models Behind the Agents: Capabilities and Optimization —— Supervisor Agent Team
From Prototypes to Production: Contracts, Tools, and Reliable Execution —— Deep Agents / MCP / Pydantic 一致性
Secure Execution and Tool Governance —— A2A + MCP、Composio、E2B 沙箱
Deploying Agents in Real Products —— 推理后端、模型回退、加固
Foundational Evaluation and Operational Observation —— OWASP ASI、评估框架
Customized and Advanced Evaluation —— AgentVista、Langfuse / LangSmith
Agent Memory —— LangGraph 记忆、记忆拓扑
From Compute to Cost —— 按拓扑估算成本、GPU 需求
Threat Modeling for AI Agents —— LlamaFirewall

学习进度：已从第 2 章开始，先跑 CoT / ReAct / Swarm 三个 Notebook 并整理中文笔记。

我最关注的一章：威胁建模

Agent 一旦拥有文件访问、代码执行、API 调用这些能力，风险会跟着上来。多数 Agent 教程都在讲 Prompt、Tool Calling、MCP、多 Agent 和工作流，但安全讲得细的很少。这一章值得单独认真看，因为这些问题上线后一定会遇到。

使用方式

打开仓库，按章节选 Notebook，点 Colab 入口直接在线运行
即使不买书，35 个 Notebook 从头到尾跑一遍，本身就很像一套完整的 Agent 开发实战课程，而且免费

来源与说明

原分享：AI Agents 学习资源推荐（GitHub Nicolepcx/ai-agents-the-definitive-guide）
本章为学习记录整理，具体章节内容、运行环境和许可以仓库 README 与各 Notebook 为准；尚未逐个跑完，后续按需要补实测笔记