Agent 作为一种新兴的人工智能技术,正在受到越来越多的关注。要说清楚什么是 Agent,先得看看人工智能的本质是什么。
在人工智能领域中, 代理是一种具有计算能力的实体,研究者只能观察到它们的行为和决策过程。为了深入理解和描述这些代理,研究者通常会引入其他几个关键属性,包括自 主性、反应性、社会亲和性以及学习能力,以全面地认识人工智能代理的能力和潜力。
■ 感知环境,就是指 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,就是指 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,就是指 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。
因此,Agent 能够独立完成特定的任务。Agent 的四大特性如下。
■ 自主性:Agent 能够根据自身的知识和经验,独立做出决策和执行行动。
■适应性:Agent能够学习和适应环境,不断提高自己的能力。
■ 交互性:Agent 能够与人类进行交互,提供信息和服务。
■ 功能性:Agent 可以在特定领域内执行特定的任务。 从技术角度来说,Agent 通常包括以下核心组件。
■ 感知器:Agent 通过感知器接收关于环境的信息。这可以是通过传感器收集的实 时数据,也可以是通过数据库或互联网获取的信息。
■ 知识库:Agent 根据目标和以往的经验,通过知识库存储和管理有关环境和自身 状态的信息。
■ 决策引擎:Agent 分析感知的信息,并结合知识库中的数据,通过决策引擎做出 决策。
■ 执行器:Agent 通过执行器在环境中采取行动。这可以是物理动作,如机器人移 动其手臂,也可以是虚拟动作,如在线服务发送信息。
尽管构建 Agent 的基石已经准备就绪,但 Agent 的技术发展仍处于萌芽阶段。开 发者需要进行深入思考并动手实践,以确立 Agent 的开发框架、Agent 访问工具的方 式、与数据交互的方式,以及如何对话以完成具体任务。这些问题的答案将塑造未来 Agent 的形态和能力。
学习 Agent需要这样一本AI Agent书籍
目前无论是学术界还是产业界,对人工智能应用开发的关键问题远未达成共识。《动手做AI Agent GPT》或许可以作为读者深入探讨上述问题的漫长旅途的开端。本书旨在从技术和工具层面阐释 Agent 设计的框架、功能和方法,具体涉及如下技术或工具。
除了介绍 Agent 的框架和开发工具之外, 本书还将通过 7 个实操项目, 带领读者 学习前沿的 Agent 实现技术。这 7 个项目分别如下。
Agent 1:自动化办公的实现——通过 Assistants API 和 DALL ·E 3 模型创 作 PPT。
■ Agent 2:多功能选择的引擎——通过 Function Calling 调用函数。
■ Agent 3:推理与行动的协同——通过 LangChain 中的 ReAct 框架实现自动 定价。
■ Agent 4: 计 划 和 执 行 的 解 耦 —— 通 过 Lang Chain 中 的 Play - and - Execute 实现智能调度库存。
■ Agent 5:知识的提取与整合——通过 LlamaIndex 实现检索增强生成 Agent。
■ Agent 6:GitHub 的网红聚落——AutoGPT、BabyAGI 和 CAMEL。
■ Agent 7:多 Agent 框架——AutoGen 和 MetaGPT。
此外,我还在附录中简要介绍了科研论文中 Agent 技术进展,旨在为读者提供当前 Agent 技术发展的全面视角并展现相关的探索。
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 2
- 1.2 那么,究竟何为Agent 5
- 1.3 Agent的大脑:大模型的通用推理能力 9
- 1.4 Agent的感知力:语言交互和多模态 23
- 1.5 Agent的行动力:语言输出和工具使用 25
- 1.6 Agent对各行业的效能提升 28
- 1.7 Agent带来新的商业模式和变革 32
- 1.8 小结 39
第2章 基于大模型的Agent技术框架 41
- 2.1 Agent的四大要素 41
- 2.2 Agent的规划和决策能力 44
- 2.3 Agent的各种记忆机制 45
- 2.4 Agent的核心技能:调用工具 46
- 2.5 Agent的推理引擎:ReAct框架 49
- 2.6 其他Agent认知框架 66
- 2.7 小结 68
第3章 OpenAI API、LangChain和LlamaIndex 70
- 3.1 何为OpenAI API 71
- 3.2 何为LangChain 91
- 3.3 何为LlamaIndex 105
- 3.4 小结 113
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 115
- 4.1 OpenAI公司的Assistants是什么 117
- 4.2 不写代码,在Playground中玩Assistants 118
- 4.3 Assistants API的简单示例 123
- 4.4 创建一个简短的虚构PPT 141
- 4.5 小结 160
第5章 Agent 2:多功能选择的引擎——通过Functions Calling调用函数 161
- 5.1 OpenAI中的Functions 163
- 5.2 在OpenAI Playground中定义Function 168
- 5.3 用Assistants API来实现Functions Calling 173
- 5.4 用ChatCompletion API来实现Tool Calls 196
- 5.5 小结 205
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 207
- 6.1 复习一下ReAct推理框架 208
- 6.2 LangChain中ReAct Agent 的实现 210
- 6.3 LangChain中的工具和工具包 212
- 6.4 通过create_react_agent创建鲜花定价Agent 215
- 6.5 深挖AgentExecutor的运行机制 221
- 6.6 小结 249
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 251
- 7.1 Plan-and-Solve策略的提出 252
- 7.2 LangChain中的Plan-and-Execute Agent 257
- 7.3 用Plan-and-Execute Agent实现物流管理 258
- 7.4 从单Agent到多Agent 273
- 7.5 小结 273
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 275
- 8.1 何为检索增强生成 276
- 8.2 RAG和Agent 282
- 8.3 用LlamaIndex的ReAct Agent来实现花语秘境财报检索 284
- 8.4 小结 289
第9章 Agent 6:GitHub的网红聚落——AutoGPT、BabyAGI、CAMEL和Generative Agents 292
- 9.1 AutoGPT 293
- 9.2 BabyAGI 298
- 9.3 CAMEL 317
- 9.4 小结 333
第10章 Agent 7:多Agent系统框架——AutoGen和MetaGPT 335
- 10.1 AutoGen 336
- 10.2 MetaGPT 343
- 10.3 小结 353
第11章 下一代Agent的诞生地:科研论文中的新思路 355
- 11.1 两篇高质量的Agent综述 355
- 11.2 论文选读:Agent自主学习、多Agent合作、Agent可信度的评估、边缘系统部署以及具身智能落地 358
- 11.3 小结 359
- 参考文献 361
- 后记 创新与变革的交汇点 362
如何系统的去学习大模型LLM ?
大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业
?”“谁的饭碗又将不保了?
”等问题热议不断。
事实上,抢你饭碗的不是AI,而是会利用AI的人。
继科大讯飞、阿里、华为
等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?
与其焦虑……
不如成为「掌握AI工具的技术人
」,毕竟AI时代,谁先尝试,谁就能占得先机!
但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。
针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料
分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集,涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)
LLM大模型学习路线 ↓
阶段1:AI大模型时代的基础理解
-
目标:了解AI大模型的基本概念、发展历程和核心原理。
-
内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
-
目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
-
内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3:AI大模型应用架构实践
-
目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
-
内容:
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4:AI大模型私有化部署
-
目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
-
内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料
包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓