项目简介
Agents Towards Production 是 Nir Diamant 维护的一套开源、代码优先的教程合集，目标是帮助开发者把 GenAI Agent 从「能跑的原型」推进到「可上线的产品」。仓库目前包含 28 个生产级教程，覆盖工具集成、RAG、记忆、部署、安全、评估、UI 等 13 大模块，所有代码都以可运行的 Notebook 形式提供。
安装要求和过程
- 环境要求：Python 3.10+、Jupyter Notebook / JupyterLab、Git
- 克隆仓库：
git clone https://github.com/NirDiamant/agents-towards-production.git - 进入对应教程目录，例如：
cd tutorials/LangGraph-agent - 安装依赖：每个教程都有独立的
requirements.txt，执行pip install -r requirements.txt - 启动 Jupyter：
jupyter notebook，按 Notebook 说明逐格运行即可
核心功能
- 端到端生产链路：从 Prompt 工程、状态化工作流、向量记忆，到 Docker/FastAPI 部署、GPU 扩展、安全防护，形成完整闭环。
- 可运行教程：每个教程独立成册，直接提供 Notebook 与依赖文件，几分钟内就能从概念跑到可交互的 Agent。
- 主流技术栈实战：涵盖 LangGraph、LangChain、MCP、Redis、Mem0、Cognee、LlamaFirewall、RunPod、AWS Bedrock、Streamlit 等。
- 安全与可观测性：包含安全护栏、Apex 安全评估、LangSmith Tracing、IntellAgent 自动评估等实战内容。
- 多智能体协作：讲解 A2A 协议下的智能体间通信与任务分发。
典型使用场景
- 企业 RAG 落地：Contextual AI 教程演示如何在 15 分钟内构建面向金融文档分析的企业级 RAG，包含文档处理、索引与 LMUnit 自动化评测。
- 可部署 Agent 服务：Docker 容器化 + FastAPI 端点部署教程，教你把 LangGraph 工作流封装成可调用的 REST API。
- 长记忆客服助手：结合 Redis 双记忆、Mem0 向量+图谱、Cognee 构建能持续学习用户偏好的对话 Agent。
推荐理由
这是一本「会动的书」：不是泛泛而谈的设计模式，而是把每个生产环节拆成可执行的 Notebook。对已经会用 LLM、但苦于不知道怎么把 Agent 真正交付到生产环境的人来说，它补全了从原型到运维之间最关键的拼图。21.2K Stars 和活跃的社区也证明了它的实用价值。
发表回复