转行AI-从Dify开始实践-Agent详解

1. Agent的定义和工作原理

- Agent是一个自动化系统,能够识别用户意图并自动执行操作。

- 例如,当用户询问"去年哈佛录取了多少人"时,Agent会意识到需要联网搜索,调用Google搜索,获取相关链接,阅读内容,最后整合信息回答用户。

- Agent的基本工作流程包括:接收用户输入、意图识别、任务拆解、计划制定、工具选择、执行操作、整合结果、输出回答。

2. 搭建搜索引擎Agent示例

- 使用Dify平台创建空白应用。

- 在工具库中选择并添加搜索引擎工具,如DuckDuckGo API(免费使用)。

- 设置Agent参数,包括模型选择(如GPT-4)和最大迭代次数(如5次)。

- 编写提示词指导Agent如何展示搜索结果和参考链接,例如将参考链接单独列在回答下方。

- 测试Agent,如询问"最近xx有什么新闻",观察Agent如何调用搜索工具并整合信息。

3. 搜索引擎工作原理

- 搜索引擎会根据关键词返回多个相关网页。

- Agent会选择前几个(如前3个)搜索结果。

- 将这些网页的全部内容提取并输入到大语言模型中。

- 大模型根据这些"参考资料"和用户问题生成回答。

4. Agent的原理和架构

- Agent需要工具储备、数据源和大语言模型作为基础。

- 大模型作为"项目经理",负责任务拆解、计划制定和工具调度。

- Agent会根据任务需求和工具描述选择合适的工具。例如,在解决数学方程时,会选择"数学老师"工具而非"计算器"工具。

- Agent的执行过程类似于项目开发流程:需求分解(任务拆解)、计划制定、工具调度(分配任务给开发人员)、执行、测试反馈。

5. 多Agent协作

- 微软提出的多Agent边缘协调方案,多个Agent在"群聊"中协作解决问题。

- 包括执行者、监督者等不同角色的Agent。

- 例如,在查询股票信息并给出投资建议时,执行者Agent负责获取股价信息,监督者Agent负责分析和提供建议,用户可以与多个Agent交互。

6. Agent的应用类型

- 狭义的Agent:设置好SOP流程执行任务,类似Workflow。适用于需要精确控制的场景。

- 广义的Agent:全自动化的智能助手,具有更高的自主性和灵活性。

- 应用案例:

- BySmart:一个智能购物助手,帮助用户在海外购物网站找到最适合的商品。

- AI搜索:根据用户需求整合多个信息源的内容。

- 化妆品推荐:基于社交媒体评论为用户推荐适合的护肤品。

7. Agent框架

- 清华大学提出的"X Agent"框架,包括外循环(快思)和内循环(慢想)。

- 外循环负责任务拆解和总体规划,类似于人类的直觉思考。

- 内循环负责具体执行和深入分析,类似于人类的深度思考。

8. 多模态多Agent系统:

- 类似ChatGPT-4的工作原理,对问题进行深度理解和意图识别。

- 多个Agent协作,互相校验和改进答案。

- 过程包括:问题理解、意图识别、自我反思、多Agent交叉验证。

- 这种方法提高了输出的准确性和稳定性,类似于思维链(Chain of Thought)加上多轮编辑的过程。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】