前言

本书内容覆盖当下绝大部分热门类型AI应用的开发，从OpenAI API调用到RAG开发，从MCP服务器创建到智能体开发。在编写本书的过程中，我尽可能采用传统前后端开发过程中开发者熟悉的词汇和术语，力求将学习AI应用开发所需的预备知识量降至最低。

在本书中，我力求在知识点表述上深入浅出，在章节编排上循序渐进。本书的前半部分聚焦“入门”，通过低复杂度的代码和精简的技术栈帮助读者熟悉AI应用开发中的概念与常见模式。例如，我会使用OpenAI开发者平台开发一些简易应用，并尝试使用Haystack框架对这些应用进行重构与扩展。本书的后半部分聚焦“进阶”，讲解如何基于LangGraph构建智能体，并为其添加前端界面。考虑到读者的技术背景不同，本书同时使用Python与Node.js来编写示例代码。不过，即使读者对Python与Node.js不熟悉也没关系，第2章会介绍如何在本地配置Python与Node.js，帮助读者快速入门。

本书的一大特色是注重实战。大部分技术书仅提供可运行的代码，但这与将代码发布到生产环境中还相距甚远，真正的开发者必须考量如何将代码部署到生产环境，部署过程中的最佳实践有哪些，代码上线后如何收集日志和进行远程调试，以及如何提升代码的健壮性。在我看来，缺少这些考量的代码不过是“玩具”而已，因为从长远看，维护代码才是开发工作的重心。好消息是，传统的DevOps方法论在AI应用开发中并没有失效，如何将DevOps方法论应用到AI应用开发场景中也是本书的重点之一，我会根据章节内容将其穿插其中。我认为，解决应用的工程问题比解决应用的业务问题更重要。

实战的另一层含义是与真实世界的第三方服务集成。如今，由云厂商提供的云服务已成了开发的必选项。表面上看云服务是在降低运维成本，但实际上它是在帮助开发者减少业务噪声，确保其专注于交付。在传统前后端开发中，开发者也许还能选择手动完成一些运维工作，但是到了AI应用开发中，这不再是一种好的策略。闭源模型和高昂的硬件成本会让我们步履维艰，广泛采用云服务是必然趋势。既然与云服务集成是未来工作的一部分，我们就应该提前了解这部分工作是如何进行的。这也是本书涵盖第三方云服务相关内容的原因。

以上是本书的写作思路与内容编排，希望读者能够通过上述介绍提前熟悉本书的结构和特色，并将其作为阅读指引。

愿本书不仅能让读者在技术能力上有所提升，更能让读者在面对未知时充满自信—AI应用开发不过如此。