← Open Source
aliyun

ai-agent-handbook

A practical guide to building enterprise AI agents across their full lifecycle.

TutorialsAIE roadmapJavaScript
Open on GitHub
Momentum
+47stars in 24 hours+1.4%
3.52k
Stars
445
Forks
+426
This week
9
Contributors
Created 2026-09-11 · Updated 2026-11-19 · #400 today
Top developers
README

AI Agent Handbook

中文 | English

项目围绕 Agent 的架构、构建、运行、治理和调优的整个应用生命周期,总结了阿里云、云上的企业客户、开源社区的开发者用户在企业级 Agent 落地过程中的实践经验、教训和体会。我们每周会收录最新的实践,并对已发布的内容进行不定期更新。如果该项目能对个人学习和企业落地 Agent 起到一点点的促进作用,这将是我们莫大的荣幸。

谨以此项目,献给参与 AI 建设的同行者们。

🤗 在线阅读 ,这里的阅读体验更好。

💯 测试题 ,设计了一些代码测试题,来看看能拿多少分吧?

🎮 海底世界 ,设计了一些小游戏,3分钟一局,谁玩谁解压。

欢迎高校等教育机构等一起共建企业级 Agent 课程,让更多人体系化的掌握 Agent。若感兴趣,请添加微信(max_0928)进行沟通,备注共建。


1. 项目背景

2025年9月,我们发布了《AI 原生应用架构白皮书》,围绕 AI 原生应用的 DevOps 全生命周期,从架构设计、技术选型、工程实践到运维优化,对概念和重难点进行体系化的拆解,并尝试提供一些解题思路。但随着模型和智能体技术的快速发展,我们发现,市场的关注度已经从快速构建智能体,转向以下三大新挑战:

  • 工程化挑战:从概率智能到可靠生产力,Agent 能够承担关键任务。

  • 规模化挑战:稳定、安全、性能、成本,从单点试验到智能基础设施,Agent 能够被大规模部署。

  • 组织化挑战:从 Agent 孤岛到智能组织,Agent 能够进入核心业务流程。

2025年的那本白皮书,显然难以应对这些新的诉求。

因此,我们重新梳理了白皮书的结构,并以开源的方式进行维护,希望通过更与时俱进的内容,更多的实践,以及更社区化的协作,为企业选型和内部立项提供参考,持续呈现 AI 原生应用架构的前沿思考和落地实践。

2. 推荐使用姿势

这是一个每周都会收录最新实践的开源项目。

在收录前,我们会进行人工审核,以确保质量,以及和开源项目自身所阐述的工程体系的契合性,因此非常适合作为您的 Agent 的知识库,按需调用。

也非常推进您自行阅读,尤其是对还没任何企业级 Agent 构建经验的人士,是非常体系化的 Agent 教程。

3. 章节目录

篇章 目录 章节范围 阅读重点
2026 Agent 开发者调研报告 根目录 — 企业 Agent 开发、生产化、架构选型、工具链、治理与评估现状。
前言 00-preface/ — 白皮书结构和背景。
智以致用:从造出智能,到用好智能 00-preface/ — 从智能能力走向可靠交付,以全模态、全栈与 Harness 工程支撑规模化应用。
架构篇 01-architecture/ 第 01–02 章 定义对象、判断形态、选择成熟度并建立参考架构。
构建篇 02-build/ 第 03–06 章 以 Harness 为核心,组织任务、信息和行动。
运行篇 03-run/ 第 07–12 章 从单 Agent 稳定运行扩展到异步、多 Agent 与分布式通信。
治理篇 04-governance/ 第 13–16 章 让运行可见、行为有边界、资产可管理、上线前可验证。
调优篇 05-optimization/ 第 17–24 章 从模型与 Agent 两条主线构建持续优化闭环。
实践篇 06-case-study/ 第 25–29 章、决策模型专题、Personal Agent 专题、FDE 专题 企业实践、垂直场景、Agent Infra 前沿探索、结构化决策、Personal Agent 观察与 FDE 工程实践。
总结与展望篇 07-conclusion/ 第 30 章 从 Agentic Application 走向 Agentic OS。

4. 下一步规划

白皮书将以开放项目的方式持续维护,而不是在首次发布后封存。接下来的重点包括:

  • 扩展企业实践案例:增加更多来自研发、运营、客服、数据、安全、财务和行业场景的一线案例,补充成功路径、架构取舍与真实失败模式。
  • 增加云资源线上体验:围绕沙箱、Runtime、AI 网关、状态存储、可观测和评估等关键能力,设计可复现的云上体验流程,让读者从阅读进一步走向动手验证。
  • 持续完善治理内容:跟进身份权限、Prompt Injection 防护、数据出域、审计、资产注册、版本治理和上线前仿真等企业核心议题。
  • 持续完善评估体系:补充任务成功率、轨迹评估、LLM-as-Judge、黄金数据集、Badcase 回归、线上实验和成本质量权衡等方法与案例。
  • 跟进技术演进:持续吸收模型、Harness、协议、Runtime、多 Agent 和 Agentic OS 的新进展,并及时修正已经不再适用的判断。

欢迎贡献

欢迎开发者、架构师、研究者、企业技术团队和产品实践者参与共建。你可以:

  • 提交 Issue,指出事实错误、概念歧义、链接失效或需要补充的主题;
  • 提交 Pull Request,完善章节、修正内容、优化图表或补充参考资料;
  • 分享经过脱敏的企业实践、故障复盘、评估方法与架构取舍;
  • 提供可复现的代码、云资源体验流程、数据集或实验方案;
  • 参与术语统一、技术审校、案例评审和内容翻译。

贡献内容应尊重原创与授权边界;涉及企业数据、客户信息、内部系统和安全细节时,请先完成必要的脱敏与许可确认。

5. 贡献者

感谢所有参与架构设计、章节写作、案例整理与内容审校的贡献者。

贡献领域 贡献者
前言 麻芃
开发者调查报告 任娟、王晨
架构篇 王晨、刘军、沈林
构建篇 刘军、泮圣伟、王晨
运行篇 赵庆杰、李诗波、林清山、黄晓萌、张添翼、赵源筱、孙校、宋震、胡庆达、柳遵飞、朱桐、余华峰、罗鑫、孔可青
治理篇 肖长军、周洋、张磊、王方、张海彬、程书意、刘子明、饶子昊、任懿、杨永、王硕、马昕、刘宇轩、杨翊
调优篇 张寒萌、李盛荣、王亚宁、孙坚运、马云雷、王桢、郑前祎、刘航、陈新、高凯升
实践篇 杨涛、朱颜、余艾琳、胡峻、姜剑、张添翼、赵彬、周远航、郑天、任懿、周春刚
总结与展望篇 林演
Nearby in the ranking
Similar items

AI Rank for iPhone

Follow AI model rankings

Download on the App Store