开源《企业级 Agent 平台工程》

《企业级 Agent 平台工程》

从 Demo 到生产：一本面向企业级 Agent 平台建设的工程地图。
仓库：https://github.com/datagallery-lab/enterprise_agent_platform
在线阅读：https://datagallery-lab.github.io/enterprise_agent_platform/

1. 一句话介绍

《企业级 Agent 平台工程：从数据智能底座到 AI 原生业务系统》是一份面向企业级 Agent 落地的开源工程手册。它不只讨论 Prompt、RAG 或工作流编排，而是把模型、数据、知识、工具、运行时、评测、部署、安全、合规和组织治理放在同一张平台地图中，帮助团队判断：一个 Agent 系统怎样从演示样例走向可复用、可观测、可审计、可治理的生产系统。

2. 为什么需要这本书

很多 Agent 项目在 Demo 阶段看起来很顺畅：用户输入问题，模型生成回答，工具完成调用，界面给出结果。但一旦进入企业真实场景，问题会迅速变复杂：

• 谁有权限访问这些数据？
• 工具调用失败后如何重试、回放和恢复？
• 模型回答的依据、成本和风险如何记录？
• 多部门、多租户、多业务线如何复用同一套能力？
• 一个版本上线后，如何证明它比上一个版本更可靠？
• 高风险动作是否需要人工审批、审计证据和合规留痕？

这本书关注的正是这些“Demo 之后”的问题。它把 Agent 从单点应用放回企业平台工程中理解，强调运行边界、能力接口、评测证据、治理责任和组织协同。

3. 项目核心价值

3.1 一张完整的平台工程地图

本书将企业级 Agent 平台拆解为业务任务层、Agent 能力层、智能与数据基础层、基础设施与治理层。团队可以用这张地图定位当前系统的短板：是模型能力不足，还是语义层缺失？是工具注册混乱，还是 Trace、Eval 和权限边界没有建立？

3.2 从组件堆叠转向平台能力

书中反复讨论 Runtime、Registry、Planner、Memory、RAG / Knowledge、Observability、Eval、Policy 等核心能力簇。它们不是孤立功能清单，而是企业 Agent 能否稳定运行、持续演进和规模化复用的基础。

3.3 以 DataAgent 贯穿全栈能力

DataAgent 是全书最贴近业务价值的主线。一个“经营指标异常原因分析”的问题，往往会同时穿过身份与权限、语义层、NL2SQL、Python 分析、RAG、Planner、模型网关、Trace、Eval、图表与报告交付等多个环节。通过 DataAgent，读者可以看到企业级 Agent 不是“自然语言转 SQL”，而是一条端到端的可信任务链路。

3.4 配套 mini-platform 参考实现

仓库提供mini-platform/作为配套参考实现，将书中的平台概念映射到代码结构中，包括 Runtime、Registry、Memory、Planner、RAG、Observability、Eval、Policy、Gateway、Guardrails、数据基础设施适配和测试样例等模块。它适合作为阅读书稿时的对照骨架，帮助读者把章节概念落到工程目录和接口边界上。

4. 全书覆盖内容

全书 11 个部分，53 个正式章节 + 8 个附录 Part I 总论与平台观 Part II 模型与推理 Part III 数据基础设施 Part IV 向量、检索与知识工程 Part V Agent 能力百科 Part VI DataAgent 主线深潜 Part VII 可观测性、评估与成本 Part VIII 部署与基础设施 Part IX 前端、交互与多模态 Part X 安全、合规与组织 Part XI 案例方法论与案例准入 Appendix 安装、术语、API、评测、延伸阅读与合规清单

5. 适合谁阅读

这份资料适合以下读者：

• AI 平台负责人、CTO、技术负责人；
• 企业架构师、平台架构师、数据架构师；
• 数据智能工程师、AI 工程师、MLOps / LLMOps 工程师；
• 正在把 Agent Demo 推向生产系统的应用开发者；
• 关注 AI 系统安全、合规、审计和治理的团队负责人。

6. 推荐阅读路径

7. 可以如何使用这个项目

• 作为团队共读材料：先统一 Agent、平台、Workflow、Copilot、DataAgent、Runtime、Eval、Policy 等核心概念。
• 作为架构评审清单：用四层架构和能力簇检查现有 Agent 项目缺少哪些前置能力。
• 作为平台路线图参考：从首个试点出发，逐步沉淀 Runtime、工具注册、Trace、Eval、权限、审批、成本与 SLO。
• 作为 DataAgent 建设参考：将问数、分析、报告和治理能力放到同一条端到端任务链路中设计。
• 作为安全与合规讨论基础：把 Guardrails、权限、审计证据、人工审批、合规映射和责任矩阵纳入平台设计。

8. 结尾 CTA

如果你正在做企业 Agent、DataAgent、AI 平台、LLMOps、智能问数、RAG 平台、安全治理或 AI 原生业务系统，欢迎阅读、Star、讨论和贡献：

• GitHub：https://github.com/datagallery-lab/enterprise_agent_platform
• 在线阅读：https://datagallery-lab.github.io/enterprise_agent_platform/