卷爆大模型，引发硅谷大厂打擂台赛的AI Agent到底是何方神圣？

AI Agent是何方神圣？

让比尔·盖茨在2023年预言：未来五年内有望正式迎来它，彻底改变人类的生产力与生活方式。

让吴恩达教授在AI Ascent 2024演讲中高赞：今年得益于它的工作流的帮助， 人工智能的能力范围将持续拓展，所有从事人工智能的人都应该关注这个令人兴奋的新兴趋势。

它就是卷爆大模型，引发微软、OpenAI 、谷歌、Meta打擂台赛，“代表了AI的一种未来”的AI Agent。

可能还有很多小伙伴对这个概念很陌生，今天通过新书《动手做AI Agent》为大家科普一下它的来龙去脉。

下载当前版本： 完整PDF书籍链接获取，可以V扫描下方二维码免费领取👇👇👇

什么是AI Agent？

Agent也可以译为“代理”。“代理”这个词在AI出现之前就有了，哲学家们研究过它。像亚里士多德和大卫·休谟这样的大思想家都讨论过代理的概念，他们认为只要能自己做决定，不管是人、动物还是别的东西，都能称作代理。到了20世纪80年代，AI的研究者也开始关注这个概念了。

目前，我们倾向于把所有能够感知环境、做出决策并采取行动的实体或系统视为人工智能领域的代理。而AI Agent，即人工智能代理，被定义为一个能够自主执行任务、做出决策并与环境交互的系统。

• 感知环境，指Agent能够接收来自环境的信息。例如，一个自动驾驶Agent可以感知周围的交通情况、道路状况等信息。

• 做出决策，指Agent根据感知的信息制订下一步的行动计划。例如，自动驾驶 Agent 根据感知的信息决定是否加速、减速、转弯等。

• 采取行动，指Agent根据决策执行相应的行动。例如，自动驾驶 Agent 根据决策控制汽车的加速器、刹车、方向盘等。

在众多 Agent 框架中如何选择适合自己需求的框架做AI Agent？

挑个适合自己的AI代理框架得考虑老多事儿，不过看看相关书籍能给咱们指点迷津。最近，黄佳出的新书 《大模型应用与开发：动手做AI Agent》 就能帮上大忙。

这本书会带你深入探索AI Agent的世界，从技术框架到开发工具，从实战项目到最新动态，手把手教你做出7个超给力的AI Agent。书的最后，还会聊聊AI Agent的未来会是啥样。

不管是对AI Agent感兴趣的朋友，还是想在这块儿大展拳脚的研究人员、开发人员、企业高管，或者是大学里的老师和学生，都适合读这本书。你会跟着咖哥和小雪一起开启一段超有趣的AI Agent开发之旅，近距离感受GPT-4模型、OpenAI API、各种助手、LangChain、LlamaIndex和MetaGPT这些前沿技术的魅力，看看AI Agent在自动办公、智能调度、知识整合和增强生成等领域的酷炫表现，一起打开人工智能时代的大门，找到那颗最耀眼的AI Agent之星！

书籍目录：

第1章 何为Agent，为何Agent 1

1.1 大开脑洞的演讲：Life 3.0
1.2 那么，究竟何为Agent
1.3 Agent的大脑：大模型的通用推理能力
1.4 Agent的感知力：语言交互和多模态
1.5 Agent的行动力：语言输出和工具使用
1.6 Agent对各行业的效能提升
1.7 Agent带来新的商业模式和变革
1.8 小结

第2章 基于大模型的Agent技术框架

2.1 Agent的四大要素
2.2 Agent的规划和决策能力
2.3 Agent的各种记忆机制
2.4 Agent的核心技能：调用工具
2.5 Agent的推理引擎：ReAct框架
2.6 其他Agent认知框架
2.7 小结

第3章 OpenAI API、LangChain和LlamaIndex

3.1 何为OpenAI API
3.2 何为LangChain
3.3 何为LlamaIndex
3.4 小结

第4章 Agent 1：自动化办公的实现——使用Assistants API和DALL·E 3模型创作PPT

4.1 OpenAI公司的Assistants是什么
4.2 不写代码，在Playground中玩Assistants
4.3 Assistants API的简单示例
4.4 创建一个简短的虚构PPT
4.5 小结

第5章 Agent 2：多功能选择的引擎——通过Functions Calling调用函数

5.1 OpenAI中的Functions
5.2 在OpenAI Playground中定义Function
5.3 用Assistants API来实现Functions Calling
5.4 用ChatCompletion API来实现Tool Calls
5.5 小结

第6章 Agent 3：推理与行动的协同——使用LangChain中的ReAct框架实现自动定价

6.1 复习一下ReAct推理框架
6.2 LangChain中ReAct Agent 的实现
6.3 LangChain中的工具和工具包
6.4 通过create_react_agent创建鲜花定价Agent
6.5 深挖AgentExecutor的运行机制
6.6 小结

第7章 Agent 4：计划和执行的解耦——使用LangChain中的Plan-and-Execute智能调度库存

7.1 Plan-and-Solve策略的提出
7.2 LangChain中的Plan-and-Execute Agent
7.3 用Plan-and-Execute Agent实现物流管理
7.4 从单Agent到多Agent
7.5 小结

第8章 Agent 5：知识的提取与整合——使用Llama Index实现检索增强生成Agent

8.1 何为检索增强生成
8.2 RAG和Agent
8.3 用LlamaIndex的ReAct Agent来实现花语秘境财报检索
8.4 小结

第9章 Agent 6：GitHub的网红聚落——AutoGPT、BabyAGI、CAMEL和Generative Agents

9.1 AutoGPT
9.2 BabyAGI
9.3 CAMEL
9.4 小结

第10章 Agent 7：多Agent系统框架——AutoGen和MetaGPT

10.1 AutoGen
10.2 MetaGPT
10.3 小结

下载当前版本： 完整PDF书籍链接获取，可以V扫描下方二维码免费领取👇👇👇