北京
2022 年底，ChatGPT 發布的時候，我在哥倫比亞大學讀數據庫方向的博士。和所有人一樣，我被震住了，覺得這東西會改變一切。我延遲畢業了一年，一頭扎進大模型，想用它讓數據庫變得人人可用——用自然語言查數據，不用寫SQL。我做了原型，聊了客戶，試著創業。Demo 挺驚艷，但創業不是靠Demo 活的。折騰了一年，幾乎沒有進展， 但也不是一無所獲。這一年里我搭了幾十個大模型應用，和市面上每一個主流框架都搏斗過——LangChain、AutoGen、CrewAI。我被莫名其妙的報錯折磨過， 被依賴沖突坑過，在四五層繼承鏈里迷路過。但在這些痛苦的過程中，我也悄悄攢下了自己的一套寫法：一些好用的小抽象，一些實戰驗證過的工具函數，一些真正讓我覺得“對，就該這么寫”的代碼。
2024年的有天晚上我產生了一個想法：
如果把這些東西里
最核心的部分提煉出來，
壓縮到極致，
會剩下什么？
我花了幾天時間，把過去一年踩過的所有坑濃縮成一個最小的底層框架，最后出來的東西只有100行代碼。我叫它PocketFlow，發到了Reddit 上。沒想到的是，幾周之內就有上千開發者給了star，社區自發移植了8 種編程語言。Discord 里涌進來一群人，用這100 行代碼搭研究型智能體、編程助手、RAG 知識問答。一個用PocketFlow 搭的教程生成器，star 數比大多數框架都多。
原來被框架折磨的不只是我一個人。大家受夠了，只是沒人把底層那個簡單的東西擺出來。
為什么簡單？因為我后來拆了20 多個AI 產品——Cursor、NotebookLM、Notion AI 等——發現它們底層都是同一個東西：一張“圖”——節點干活，邊做連接，一個共享字典傳數據。聊天機器人、檢索增強生成、深度研究、智能體， 不同的產品，不同的標價，同一張圖。框架給每個用例造了一套類，但底層的圖從來就只有一張。
每個AI產品就是一張圖
Agent的統一抽象：
一張可執行的“圖”
《手搓AI智能體: 輕量框架，100 行搞定》就是把這件事徹底講清楚。先教你圖的原語——節點、流程、鏈、分支、循環、嵌套，100 行代碼全部覆蓋。然后用這些原語拆解真實產品，每個都帶可運行的代碼。再深入真正拉開差距的三件事：提示詞怎么寫，工具怎么設計， 上下文怎么管理——還會從零搭智能體和多智能體系統。最后教你把項目部署上線。每一章都有代碼、有實驗、有可以跑的項目。
點擊翻頁
點擊翻頁
點擊翻頁
點擊翻頁
手搓AI智能體: 輕量框架，100行搞定購買
黃澤洲 著
北京: 科學出版社, 2026. 4
ISBN 978-7-03-085491-9
接下來你將像廚師做菜一樣學會這些技能，如下圖所示。到第3 章結束， 你從零搭出來的AI 應用將遠超大多數“AI 工程師”。
學食譜、做硬菜、精通食材、端上桌
? 第一部分（第2～3 章）：學食譜，即學會圖的操作。圖操作只有四種，鏈、分支、循環、嵌套，每個AI 應用都是它們的排列組合。你會從零搭出聊天機器人、工作流、Agent 和批處理管線。選錯操作，你的Agent 就會死循環，你會學到該選哪個以及為什么。
? 第二部分（第4～6 章）：做硬菜，即把圖用在真實產品上。每家創業公司都在做的“跟你的文檔聊天”，就是多個節點排成一條線。每月收$200 （約￥1400）的Deep Research，就是一個圍繞MapReduce 的循環加一個搜索API。你會搭RAG、Deep Research、Text to SQL、代碼庫知識庫和潛在客戶生成， 然后納悶自己以前怎么會覺得它們很復雜。
? 第三部分（第7～11 章）：精通食材，即精通每個節點內部的東西。Prompt Engineering、工具設計、Context Engineering，把Cursor 從玩具變成產品的三項技能。你會想到為什么工具輸出的格式比你用的模型更重要，為什么喂對20% 的上下文比全喂效果更好，為什么一個90% 正確的prompt 會有50% 的失敗率，然后你會把這些全部整合起來：從零搭一個Agent 和一個多Agent 系統。
? 第四部分（第12～13 章）：端上桌，即用AI 來搭，上線給用戶。如果你根本不自己寫，只是由你設計圖，AI 來寫每個節點，這就是智能體編程（Agentic Coding）。這部分還會處理一些沒人談的部分：為什么大多數AI Demo 上線就夭折，以及讓它們活下來的評估、成本控制和錯誤處理。
如果你會Python、用過DeepSeek，那就夠了。
動手吧！
本文摘編自《手搓AI智能體：輕量框架，100行搞定》（黃澤洲著. 北京: 科學出版社, 2026. 4）一書“前言”“第 1 章 別再較勁了，你只需要 100 行”。有刪減修改，標題為編者所加。
ISBN 978-7-03-085491-9
責任編輯：胡詠梅 楊 凱
本書圍繞大模型應用開發的核心原理與實踐方法展開。針對 LangChain 擁有數十萬行代碼、CrewAI 依賴繁多的問題，本書以100行Python代碼為起點，回歸本質，提出AI應用的統一抽象——“圖”，系統介紹聊天機器人、檢索增強生成、深度研究和智能體等典型應用的基本結構與實現方式。同時，本書深入分析影響AI應用效果的關鍵因素，包括提示詞設計、工具使用能力與上下文構建方法，強調復雜系統也可通過簡潔代碼高效實現。本書內容緊湊實用，讀者不僅能夠理解每一個AI產品的實現邏輯，還能親手將其復現與擴展。
本書適合具備Python基礎的開發者、AI愛好者及相關從業人員閱讀，也可供大模型應用開發人員參考。
（本文編輯：劉四旦）
專業品質 學術價值
原創好讀 科學品位
一起閱讀科學
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
