Albada 的 Agent 书有 354 页，FDE 读一半就够

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。