本书以“智能体（Agentic System）”为核心，探讨如何将大型语言模型（LLM）的能力转化为具备感知、决策、执行与学习能力的自治系统。 作者将“开发智能体”比喻为“在画布（Canvas）上作画”——其中画布指代技术框架（如 LangChain、Crew AI、Google ADK 等），而设计模式则是绘画的笔触和结构。

核心目标：

• 提供一套构建智能体的可复用模式体系；
• 帮助开发者从“Prompt响应式AI”迈向“自主决策型Agentic系统”；
• 通过代码示例展示每个模式的实现方式。

书中涵盖的关键主题包括：

• 智能体架构设计；
• 任务分解与计划；
• 工具调用与外部交互；
• 多智能体协作；
• 反思与自我改进；
• 安全、评估与优化。

1. Agentic系统的四大核心能力：
   • 感知（Perception）：理解环境与输入；
   • 决策（Reasoning）：生成行动计划；
   • 执行（Action）：与外部世界交互；
   • 反思（Reflection）：评估并优化行为。
2. 设计模式的层次化作用：
   • 结构模式（Structure）：Prompt Chaining、Routing、Planning；
   • 交互模式（Interaction）：Tool Use、RAG、A2A；
   • 控制模式（Control）：Goal Setting、Exception Handling；
   • 自我进化模式（Self-Improvement）：Reflection、Learning；
   • 安全模式（Safety）：Guardrails、Evaluation。
3. 未来趋势：
   • 从“Human-in-the-loop”向“Human-on-the-loop”过渡；
   • Agent-as-a-Service 生态体系崛起；
   • 融合神经符号AI（neuro-symbolic AI）与多智能体标准（MCP/A2A）；
   • 安全与一致性成为核心挑战。