回首頁  
帳號
 
關於博碩 博碩好讀 校園圖書 MOCC認證 下載教學 元學堂

博碩好讀
  新書推薦
  出版預告
  名家名著
  iT達人祕笈
 

分類索引
 

出版總覽
 

讀者服務
  徵求作者
 
首頁 >> 書籍介紹
 
 
點我可放大圖片
 
書名：LangGraph實戰開發AI Agent全攻略：掌握AI模型 × 工作流程 × 設計應用，從零打造智慧分工多代理協作系統（iThome鐵人賽系列書）
書號：MP22533 作者：許恆修 著 ISBN： 978-626-414-291-5
定價：NT$660元 印刷：單色 頁數：320頁
書籍規格：17*23 上市日：2025/8/31 譯者：(無)
學習定位：初階 本書附件：網路下載範例檔  
前往購買 >> 蝦皮購物 類別：電腦技術  
       
快速前往 快速前往 快速前往        

 

 
    透過LangGraph框架，晉升企業爭相延攬的AI專家
    兼具生成式AI理論深度與多代理實戰應用，助你從基礎走向職場競爭力的飛躍之路


    【專業推薦】
    作者透過此書將他多年專業淬煉的精華與讀者分享，幫助讀者以最高效的學習路徑，獲得最大幅度的專業提升。

    ─ 賴毓敏，台灣先進智慧公司AI科學家


    「含金量極高！」本書不僅是入門寶典，更是一位資深實踐者實戰經驗的結晶。從代理型AI核心概念出發，對比LangChain與LangGraph到前沿的Agentic RAG技術，清晰呈現技術演進的脈絡。書中的「作者觀點」更是精髓，時刻引導讀者避開思路誤區。無論想打造AI助理大軍，或優化內部流程提高生產力，本書都能一步步引導你，將AI技術轉化為事業成功的利器。

    ─ 江翊先，Google半導體工程師


    作者以平鋪直敘而蘊含工業強度的實務分享，深入淺出地解釋「代理型框架」（Agentic AI）的核心概念，讓讀者直接體會AI如何從單純的「生成」邁向「自主行動、決策與自我精進」。書中透過建構「能思考、規劃、行動甚至自我修正」的智慧應用，以及養護好LLM應用的生命週期的實作，作者詳細展示了LangGraph、 Adaptive-RAG、LangFuse等強大的LLMOps方法論、框架組合。不用浪費時間踩雷，讀者們直接站上了LLM前沿實務經驗的肩膀上，看見全新的風景。

    ─ 鮑聖文，THXLAB架構師



    【內容簡介】
    ♚從入門到精通：由淺入深學習，奠定紮實的技術基本功
    ♚實戰案例導向：精選真實操作案例，立即落實專案成果
    ♚破解系統瓶頸：掌握高階開發技巧，降低知識學習門檻
    ♚提升技術實力：全方位提升AI技能，成為AI專業人才

    本書改編自第16屆iThome鐵人賽生成式AI組優選系列文章《2024年用LangGraph從零開始實現Agentic AI System》。內容直擊生成式AI領域的痛點與實務需求，從基礎到進階完整掌握AI代理技術，幫助讀者在職涯道路上迅速脫穎而出。

    全書以目前生成式AI領域炙手可熱的LangGraph框架為主軸，搭配真實的企業專案案例，從核心觀念、設計模式到實戰應用逐步展開，讓讀者一步到位地學會如何設計、部署並管理高效的多代理系統。透過即學即用的程式碼範例與場景式實務指引，讀者能在短時間內提升技術實力，成為企業爭相搶奪的生成式AI專家。

    【目標讀者】
    ✪想要掌握生成式AI技術、提升職涯競爭力的初階及中階工程師。
    ✪正在求職、轉職，極需具體實務經驗來增加求職籌碼的技術人員。
    ✪想要快速落實AI專案並推動團隊轉型的產品經理、資料科學家與主管。
    ✪希望在生成式AI熱潮中卡位、提升個人價值的職場人士。
    ✪需要掌握AI Agent商業應用案例與導入流程、加速企業數位轉型的人員。
 
    【Part 01 核心概念】
    |Chapter 01| 駕馭未來：探索代理型框架的世界
    1.1 從生成到行動：代理型AI的崛起
    1.2 代理型工作流：組織AI代理的自主行動
    1.3 引出實現代理型框架的利器：LangGraph
    1.4 代理型框架的商用浪潮：LangGraph賦能的企業實例
    1.5 小結：通往更加自主的AI道路

    |Chapter 02| LangGraph核心元件：節點、邊與狀態
    2.1 LangGraph介紹與核心亮點
    2.2 為什麼LangGraph讓AI流程活起來？
    2.3 LangChain vs. LangGraph：它們不一樣的地方在哪裡？
    2.4 介紹LangGraph適用於多種場景
    2.5 LangGraph的三大核心
    2.6 LangGraph使用時可能遇到的挑戰
    2.7 小結

    |Chapter 03| 即時回饋的祕密：LangChain串流技術
    3.1 為什麼串流如此重要？
    3.2 深入了解AI回應的互動機制：invoke() vs. stream()
    3.3 結合LangChain表達語言（LCEL）實現持續串流
    3.4 小結：串流功能

    |Chapter 04| 將串流應用到LangGraph流程中
    4.1 LangGraph串流模式概覽
    4.2 values()串流模式：觀察圖的完整狀態演變
    4.3 updates()串流模式：精確追蹤節點的增量更新
    4.4 多模式串流：設定範例
    4.5 messages串流模式：即時取得LLM逐字輸出
    4.6 小結

    |Chapter 05| 記憶：掌握AI對話上下文與跨會話知識的關鍵
    5.1 記憶類型概覽：短期與長期記憶
    5.2 短期記憶：對話上下文的守護者
    5.3 長期記憶：跨會話知識的傳承
    5.4 記憶類型的概念類比
    5.5 小結

    |Chapter 06| LangChainTools深度解析：打造AI的外掛能力
    6.1 Tools建立指南：AI模型的外掛功能
    6.2 從函式建立Tools：簡單又強大
    6.3 工具錯誤處理：打造穩健的AI應用程式

    |Chapter 07| LangGraph實戰應用：ToolNode與AI互動流程
    7.1 LangGraph如何善用ToolNode：AI的行動中心
    7.2 天氣查詢範例
    7.3 小結

    |Chapter 08| 人機迴圈：讓AI流程也能請示人類
    8.1 什麼是人機迴圈？
    8.2 為什麼需要人機迴圈？
    8.3 核心魔法：interrupt函式與Command原語
    8.4 啟動人機迴圈的關鍵步驟
    8.5 人機迴圈的三大應用模式
    8.6 實戰演練：示範「批准或拒絕」模式
    8.7 小結

    |Chapter 09| LangGraph的時間旅行與狀態深度解析
    9.1 LangGraph的狀態：AI代理的記憶與軌跡
    9.2 時間旅行：回溯、檢查與探索
    9.3 小結：時間旅行與狀態管理的意義

    |Chapter 10| LangGraph功能型API：用Python函式打造智慧AI工作流程
    10.1 深入理解LangGraph的功能型API
    10.2 功能型API的應用時機與優勢
    10.3 實戰演練：自動化會議摘要與待辦事項生成
    10.4 功能型API與圖形API的差異比較
    10.5 小結

    【Part 02 AI代理設計模式】
    |Chapter 11| AI代理自我反思：深入探討Self-Refine
    11.1 什麼是Reflection Agents？
    11.2 Reflection機制的核心步驟
    11.3 Reflection的核心價值與應用：為什麼需要AI自我反思？
    11.4 Self-Refine：Reflection的基礎實踐與運作原理
    11.5 動手實踐：使用LangGraph實現Self-Refine
    11.6 小結

    |Chapter 12| Planning：賦予AI自主規劃能力
    12.1 Planning：AI自主規劃的關鍵
    12.2 Planning的運作機制：AI如何計畫？
    12.3 Plan-and-Solve：Planning Agent的核心框架
    12.4 LangGraph實踐：打造具備規劃能力的智慧代理
    12.5 小結

    |Chapter 13| 多協作模式讓AI團隊實現智慧分工
    13.1 多代理系統：新一代AI協作的基石
    13.2 多代理系統有哪些優勢？
    13.3 協作模式：智慧分工的藝術
    13.4 實現高品質的多代理協作翻譯系統
    13.5 小結

    |Chapter 14| 多代理協作：監督者模式
    14.1 監督者模式：核心原理
    14.2 設計：台灣棒球與啦啦隊新聞處理系統
    14.3 使用LangGraph框架實現工作流程
    14.4 小結

    【Part 03 RAG篇】
    |Chapter 15| 從基礎到進階：掌握RAG與Agentic RAG
    15.1 RAG的誕生：解決LLM固有挑戰的必然選擇
    15.2 RAG的核心機制：資訊檢索與生成的完美結合
    15.3 RAG的廣泛應用與顯著優勢
    15.4 Agentic RAG：使用LangGraph打造智慧檢索系統
    15.5 小結：RAG技術是提升AI系統效能的新方法

    |Chapter 16| CRAG：檢索增強生成的糾錯機制
    16.1 CRAG技術概述與理論基礎
    16.2 檢索增強生成技術的演進：從傳統RAG到CRAG
    16.3 傳統RAG的技術瓶頸：相關性低與資訊冗餘問題
    16.4 CRAG的核心機制：突破傳統RAG的限制
    16.5 CRAG提出什麼機制解決問題？
    16.6 從理論到實踐：使用LangGraph實現CRAG
    16.7 小結：CRAG如何讓AI問答系統更上一層樓

    |Chapter17| Adaptive-RAG：動態檢索策略提高系統問答精準度
    17.1 Adaptive-RAG的定義與核心理念
    17.2 Adaptive-RAG與傳統RAG的比較
    17.3 Adaptive-RAG的核心元件
    17.4 Adaptive-RAG的實作關鍵
    17.5 小結：Adaptive-RAG的革新意義與未來展望

    【Part 04 工具篇】
    |Chapter 18| Ollama初探與基礎使用
    18.1 什麼是Ollama？
    18.2 Ollama有哪些特點？
    18.3 安裝Ollama
    18.4 啟動Ollama服務
    18.5 進階：想把Ollama的能力整合到你自己的程式裡嗎？（給開發者看）
    18.6 Ollama支援的大型語言模型

    |Chapter 19| 揮別命令列：用WebUI讓Ollama更好聊
    19.1 運用Docker執行Ollama，讓環境更獨立乾淨
    19.2 如何在Docker容器中執行模型？
    19.3 在Google Colab上快速試玩Ollama（給喜歡嘗鮮的你）
    19.4 打造友善介面：Ollama+ Web UI一站式懶人包

    |Chapter 20| LangGraphStudio V2指南
    20.1 為什麼採用LangGraphStudio作為Agent開發工具
    20.2 LangGraphStudio：AI代理開發的三大必殺技
    20.3 LangGraphStudio本地環境建立：啟動你的開發引擎
    20.4 LangGraphStudio核心功能導覽：與你的AI代理互動與偵錯
    20.5 小結

    |Chapter 21| LangFuse：打造AI代理觀測系統
    21.1 為何AI代理需要LangFuse？
    21.2 自行託管LangFuse：資料掌控與高度定制
    21.3 為你的LLM團隊增加評分系統
    21.4 LangFuse提示管理：你的提示語中控台
    21.5 LangGraph與LangFuse：實戰可觀測性
    21.6 小結

    【Part 05 專案篇】
    |Chapter 22| 動手打造你的第一個AI應用程式：FastAPI、Streamlit、LangServe的實戰入門
    22.1 專案先預覽：我們要一起做出什麼？
    22.2 動手前準備：開發環境設定指南
    22.3 後端開發：用FastAPI建構你的AI服務骨架
    22.4 啟動程式：讓你的FastAPI服務跑起來！
    22.5 部署API：善用LangServe輕鬆部署
    22.6 前端開發：用Streamlit打造應用網頁介面

    |Chapter 23| MCP：讓大模型更容易使用外部工具的技術
    23.1 認識一下模型上下文協定
    23.2 我們為什麼需要MCP？它解決了什麼痛點？
    23.3 MCP和函式呼叫到底差別在哪？
    23.4 MCP協定是怎麼連線的？
    23.5 打造MCP的神兵利器：FastMCP

    【Part 06 附錄】
    |Appendix A| 當AI遇上軟體架構：狀態管理的新思考
    A.1 狀態管理與流程控制
    A.2 小結與思考：AI時代的狀態管理展望

    |Appendix B| 在Ollama上執行你的模型
    B.1 GGUF格式
    B.2 小結
 
    許恆修
    畢業於美國喬治亞大學電腦科學研究所，專注於人工智慧與軟體開發技術的深度整合應用，長年致力於推動AI技術在產學界的知識傳承與實務落實。現任喬泰科技資深AI研究員，曾任微光國際軟體架構師以及逢甲大學創能學院業界講師，在逢甲大學的講台上，用最貼近學習者的語言，為數百名學生開啟通往技術世界的大門。這種雙重身分讓作者能將抽象的理論與具體的應用緊密結合，幫助學員建立紮實的基礎。過去多年，作者曾主導多項AI專案在企業與教育機構的導入應用，在跨領域技術整合與教學推廣上累積深厚的實務經驗。

    【作者經歷】
    ✪喬泰科技股份有限公司 資深AI研究員
    ✪微光國際 軟體架構師
    ✪逢甲大學 業界講師
    ✪工研院 專業講師
 
 
 		  
     

博碩文化客服信箱
 

[email protected]
 
文教業務團隊
台北、新北、桃園、基隆、宜蘭、花蓮、金門
汪 玉 鳳
LINE ID：0925177716
0925-177716
[email protected]
助理分機 519
新竹、苗栗、台中、彰化、南投、雲林
嘉義、台南、高雄、屏東、台東、澎湖
林 月 玲
LINE ID：0926858627
0926-858627
[email protected]
助理分機 238
 

 

 
 

 

博碩文化股份有限公司 DrMaster Press Co., Ltd.
台灣新北市汐止區新台五路一段112號10樓A棟
Building A, 10F, No.112, Xintai 5th Rd., Sec.1,Xizhi Dist., New Taipei City 221, Taiwan
Tel：02-2696-2869　Fax：02-2696-2867　劃撥帳號：17484299

Copyright© DrMaster Press Co., Ltd. All Rights Reserved.