# Albada 的 Agent 书有 354 页，FDE 读一半就够

> 书中最好记的建议只有一句：别给 Agent 300 个工具。FDE 最该读的章节都在后半本。

原文: https://fdetimes.net/zh/books-courses/building-applications-ai-agents-albada-fde/

全书 13 章，但 Michael Albada 最让人记住的建议只有一句话：别给 Agent 注册三百个工具。这句话出自他在 AI Engineer World's Fair 2025 上的演讲。他本人称那场演讲是自己约 300 页新书的浓缩版，当时这本书即将由 O'Reilly 出版。

这本书就是《Building Applications with AI Agents》，副标题为《Designing and Implementing Multiagent Systems》。据 Ebookpoint 信息，电子书于 2025-09-16 出版，共 354 页。引言里直白地写出了每个前线部署工程师（FDE）都清楚的事实：对许多组织来说，部署 Agent 仍然是一项挑战。

所以，最有价值的问题不是这本书好不好，而是：如果接下来几周你要把一个 Agent 接入客户的真实系统，哪些章节能让你少犯错？

## 作者在哪里构建 Agent？

Albada 现任 NVIDIA 平台架构师，为芯片设计构建 Agent 系统。此前，他是 Microsoft Security Copilot 的首席应用科学家。两个场景有一个共同点：Agent 一旦出错，后果是真实的。

这段经历体现在全书结构上。书从基础章节讲起，如 Introduction to Agents、Designing Agent Systems 和 User Experience Design for Agentic Systems，再到 Tool Use、Orchestration、Knowledge and Memory、Learning in Agentic Systems 以及 From One Agent to Many。

后半本讲的是少有人愿意做、但每个 FDE 都躲不开的工作：Validation and Measurement、Monitoring in Production、Improvement Loops、Protecting Agentic Systems 和 Human-Agent Collaboration。

## 应该按什么顺序读？

不要从头读到尾。先略读第 1、2 章，熟悉术语；然后精读第 4 章（Tool Use）和第 5 章（Orchestration），因为这是你进驻客户第一周就必须定下来的两项决策。接下来读第 9 章（Validation and Measurement），读完再写下一行代码。

Agent 即将上生产环境时，再读第 10 章（Monitoring in Production）、第 12 章（Protecting Agentic Systems）和第 13 章（Human-Agent Collaboration）。第 9、10、12、13 章与为客户运行 Agent 的日常工作最贴近。讲多 Agent 的第 8 章，等你证明一个 Agent 确实不够用时再读。

其余四章不该跳过，只是要在合适的时候读。客户的终端用户开始试用 Agent 时，第 3 章（UX）能派上用场；Agent 需要查文档或记住上下文时，读第 6 章（Knowledge and Memory）；第 7 章和第 11 章（Learning、Improvement Loops）则适合在 Agent 上线运行、手里有了可用于改进的真实数据之后再读。

## 要点一：工具越少，Agent 越准

下面三个要点来自 Albada 的演讲，也就是这本书的浓缩版，每一点都对应目录里的一章。第一点属于 Tool Use：他建议不要给单个 Agent 注册太多工具，因为准确率会下降。

假设客户是一家保险公司，想用 Agent 处理理赔，而它的 IT 团队已经有几十个内部 API。

本能的做法是把它们全部封装成工具。应该反过来做：列出员工处理一个案件时实际走的步骤，比如查保单、核对条款、创建工单，只开放这些工具。Agent 要选择的选项更少，出错时也更容易查清原因。

## 要点二：一条链能解决，就用一条链

这本书的副标题讲的是多 Agent 系统，但作者本人在演讲中谈到编排时，推荐的是尽可能简单的架构。如果问题用一条链就能装下，他希望你就这么做。

对 FDE 来说，这条建议关乎人，多于关乎技术。你离开之后，维护系统的是客户的团队。清晰的步骤序列，他们能读懂、能调试、能修复；一张 Agent 互相调用的网，通常做不到这些。

**要点:** 最好的 Agent 架构，是你离开后客户团队能自己修好的架构。

## 要点三：先投入评测，再投入提示词

演讲的核心信息是：在评测上多投入，并以高质量的评测数据集为基础。它对应目录中的第 9 章，也是最需要细读的一章。

回到保险的例子。调任何提示词之前，先向客户要几十个已办结的真实案件，每个都附上正确结果。每次换模型或改提示词，都把整套用例重跑一遍，并把数字报给客户，而不是含糊地说 Agent 看起来好一些了。

演讲还涉及第 12、13 章的两个主题。安全方面，Albada 提到了 Microsoft 的 PyRIT，这是一个在发布前尝试越狱、对 Agent 做红队测试的工具。

人机协作方面，他指出一个常见问题：Agent 不知道什么时候该把工作交给人。在他看来，重要案件应该从自动化流程中抽出来，交给审核人员检查。

## 谁该读，以及如何把它变成职业优势

这本书适合调用过几次 LLM API、如今要为一个跑在真实数据上的 Agent 负责的工程师。如果你正准备转向 FDE 岗位，在同一周读完第 4、5、9 章，然后做一个同时应用这三点的小 Agent。

简历上不要写“有 AI Agent 经验”，而要写你砍掉了多少个工具、评测集有多少个用例、哪些类型的请求会转给人工审核。看岗位描述时，留意 evals、monitoring 或 human-in-the-loop 这类词，它们说明这家公司要招的人，做的正是这本书后半本的工作。

前半本教你如何构建 Agent，后半本教你如何让它在客户现场持续运转。客户最需要 FDE 的，很可能正是后一部分。

**本周动手试试:**

- 打开你手上的 Agent，数一数注册了多少个工具，删掉或合并那些很少被调用的
- 从客户的真实请求中写出 30 个测试用例，每个都附预期答案，每次改提示词前都跑一遍
- 选一类高风险请求，写一条规则，让 Agent 把它转给人工审核

## 信源

- [Building Applications with AI Agents. Designing and Implementing Multiagent Systems Michael Albada - ebook (ePub, mobi), książka online - księgarnia Ebookpoint](https://ebookpoint.pl/ksiazki/building-applications-with-ai-agents-designing-and-implementing-multiagent-systems-michael-albada,e_4lrw.htm)

- [Michael Albada | AI Engineer (speaker page)](https://www.ai.engineer/speakers/michael-albada)

- [Building Applications with AI Agents | AI Engineer](https://ai.engineer/talks/building-applications-with-ai-agents)