“第二课堂”AI实践（5）智能体开发（基于大语言模型）

已于 2024-08-24 18:09:37 修改
阅读量224 收藏
点赞数 3
文章标签： 人工智能
于 2024-08-24 18:07:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Super_zzx_star/article/details/141307223
版权

prompt工程：提示词工程（使用清晰的提示词，会让大模型的输出更好、也会用prompt进行流程化控制）

检索增加生成：大模型的外挂知识库，能让其更好的回答垂直领域的问题

现有的开发范式：检索增加生成（RAG）、AI Agent

Agent = Model + Memory + Planning + Tools（模型+记忆+规划+工具）

如何调用open AI GPT3&4模型API：1.用open AI库调用，2.requests原生请求

主流prompt工程：1.Few-shot：使用少量例子给LLM做提示词

                              2.Zero-shot：不使用例子输入，仅使用指令

                              3.CoT：思维链，让LLM有思考的过程

                              4.可控生成：用prompt控制LLM生成我们想要的格式方便后期进行解析

word embedding编码：词义相近时，在空间上也相近

Super_zzx_star
关注
大数据与人工智能的应用
程序员光剑
08-06 2405
数据增长已经成为经济学中的一个重要话题，从数据采集到存储、计算、分析、传输、处理等各个环节的数据量都在飞速增长。与此同时，越来越多的人参与了数据的分析过程，并用机器学习的方式提升产品和服务的效果。作为解决这一复杂问题的第一步，数据科学家需要懂得如何进行数据的清洗、整合、标注、特征提取等工作，掌握数据分析方法，能够应对日益复杂、多样化的业务场景。
数据科学教育与智能学习——数据科学教师的策略与方法论
程序员光剑
08-06 2133
数据科学（Data Science）是一个新兴的计算机科学学术研究领域，它融合了统计学、数学、编程语言、信息论、机器学习等多学科的研究成果，并使之能够处理海量数据、高维特征及复杂关系，从而实现对数据的自动化分析、预测、决策、推荐等高效率运用。数据科学教育不仅是数据科学实践中不可或缺的一环，也是企业对员工培养能力、提升职场竞争力、为组织创造价值的重要渠道。数据科学教师通过培养学生的数据思维、解决实际问题的能力，可以有效促进学生的全面发展。智能学习就是指由机器引导的人机交互过程。
【“第二课堂”AI实践课堂笔记】：5__基于大语言模型的智能体入门
2402_84069573的博客
08-24 544
一、需求分析与目标确定明确应用场景确定大模型的具体应用领域，如自然语言处理、计算机视觉、推荐系统等。不同的应用场景对模型的性能要求和功能特点有所不同。例如，在智能客服领域，模型需要具备准确理解用户问题、快速给出恰当回答的能力；而在图像识别领域，模型则需要能够准确识别不同物体和场景。定义性能指标根据应用场景确定合适的性能指标，如准确率、召回率、F1 值、响应时间等。这些指标将用于评估模型的性能和效果。例如，对于文本分类任务，可以使用准确率和 F1 值作为主要性能指标；
【“第二课堂”AI实践课堂笔记】：基于大语言模型的智能体入门
huodaqi666的博客
08-26 573
大语言模型（Large Language Model，简称LLM）是基于深度学习技术的机器学习模型，它们通常使用海量的文本数据进行训练，模型参数可达数十亿至数万亿。这些模型能够理解和生成自然语言，具备强大的语言处理能力。著名的例子包括GPT系列（如GPT-3、GPT-4等）、BERT、XLNet等。基于大语言模型的智能体是人工智能领域的一个重要研究方向。通过合理利用大语言模型的强大语言处理能力，结合智能体的自主执行任务、学习和适应环境的能力，我们可以构建出更加智能化、高效化的应用系统。
“第二课堂”AI实践第五次笔记——基于大语言模型的智能体入门
2402_86289347的博客
08-26 166
如何控制智能体的交互流程、如何构建Prompt使大模型更好地发挥作用。是用Prompt控制LLM生成我们想要的格式方便后期进行解析。（一）开放的大模型API、本地部署的开源大模型。本地部署如：GLM、Qwen、InternLM。开放API如：GPT-4o、GLM、Qwen。四、如何利用LLM搭建自己的AI智能助手。外接搜索引擎、天气查询、代码书写等接口。（二）外接知识库、外接专业工具。三、主流Prompt工程。（二）Zero-shot。一、大模型的工作原理。二、大模型的固有缺陷。三、什么是大模型开发。
“第二课堂“AI实践笔记5---基于大语言模型的智能体入门
2401_86374509的博客
08-25 235
（1）开放的大模型API（GPT-4o、GLM、Qwen）、本地部署的开源大模型（GLM、Qwen、lnternLM）（2）外接知识库。外接专业工具（3）Prompt工程及流程化。
基于数据智能的区域教育大平台建设与应用实践
weixin_45585364的博客
12-23 1939
点击上方蓝字关注我们基于数据智能的区域教育大平台建设与应用实践贺相春,郭绍青西北师范大学教育技术学院，甘肃 兰州 730070摘要：数据智能引领是新时期区域教育大平台建设与应用的重要...
自然语言处理（NLP）基础知识大全
程序员光剑
08-07 2050
19世纪末期，人类开发出了第一台计算机——“电子集中式计算机”，它由电信号和电路组成，用于处理输入数据，并按照指令对数据进行加工处理得到输出结果。随着时代的发展，人们逐渐发现电子计算机在很多领域都具备着巨大的潜力，但由于其结构简单、成本低廉、运算速度快、适应性强等特点，在计算机行业受到了广泛关注。另一方面，随着人工智能技术的兴起，机器学习、深度学习、自然语言处理等人工智能技术也越来越火热。经过几十年的研究和实践，人工智能目前已经进入了一个高速发展阶段，它的算法和技术正在飞速进步。
中小学人工智能课程的设计原则与实践范例
AI_Frotech的博客
10-26 1329
中小学数字化教学 《中小学数字化教学》（CN10-1490/G4）系教育部主管、人民教育出版社主办的国家级教育专业期刊，主要服务于运用信息技术改进教学的中小学教师、教研员、校长，以及师范院校师生和科研院所的科研人员。本公号是刊物“纸数联动”的支撑平台之一。 随着人工智能技术的不断发展及其对社会生活所产生的广泛影响，世界各国都开始重视在基础教育阶段实施人工智能教育，以培养适应智能社会的创新型人才。美国人工智能促进协会（Association for the Advancement of Artific..
生成式人工智能在新加坡的发展现状和地位
wukangjupingbb的博客
09-11 789
依据国际隐私专业人员协会(IAPP)的相关报告，2020年，上述两机构更新了该模型框架，发布了第二版，并推出了《组织实施和自我评估指南》，帮助组织评估其人工智能治理实践与型框架的匹配程度，还发布了《案例汇编》，展示了组织如何实施负责任的人工智能治理实践。2019年，金融管理局宣布与金融行业合作创建Veritas框架，为金融机构提供可验证的方法，将FEAT原则纳入其人工智能和数据分析驱动的解决方案中。新加坡在人工智能治理方面采取了部门性的方法，即通过各个行业的监管机构来管理人工智能的使用。
【提效工具】AI工作流的1-10个实际落地场景
万物皆有灵
09-09 1249
在这个快速发展的数字时代，人工智能（AI）正在以惊人的速度改变我们的工作方式。无论你是开发者、教育工作者还是内容创作者，AI工作流提示词助手都能为你提供无与伦比的支持。今天，我们将深入探讨，20个实际落地场景，帮助你更好地理解如何利用这些工具提升工作效率和创造力。💡。
从AI到大数据，数字技术服务平台全栈赋能企业升级
最新发布
smjt2024的博客
09-11 412
海量的数据中蕴含着丰富的信息和价值，数字技术服务平台能够收集、整理和分析这些数据，为企业提供精准的市场洞察和决策支持。企业可以通过参加树莓集团举办的培训课程和研讨会，了解最新的数字技术趋势和应用案例，提升自身的数字技术水平。从技术咨询、解决方案设计到系统实施和运维，数字技术服务平台为企业提供一站式的服务，让企业无需担心技术难题，专注于自身的核心业务。树莓集团的数字技术服务平台，以其先进的技术、专业的服务和丰富的经验，为企业提供了全栈赋能。在数字时代，让我们共同利用数字技术服务平台，开启企业升级的新篇章。
【自然语言处理】第二章现代语言学基础
Ausgelebt的博客
09-07 1199
从语言使用时的外部环境来看句子在交际中实际传递的信息、发挥的功能，就是调用语用系统对句子的语义做出更全面的解释。语用系统的本质是基于经验的逻辑推理。
深度学习算法，该如何深入，举例说明
liyy614的博客
09-10 1062
深度学习算法的深入学习可以从理论和实践两个方面进行。理论上，深入理解深度学习需要掌握数学基础（如线性代数、概率论、微积分）、机器学习基础和深度学习框架原理。实践上，可以通过实现和优化深度学习模型来提升技能。
图神经网络（2）预备知识
m0_63860007的博客
09-07 1157
对于接触过数据结构和算法的读者来说，图并不是一个陌生的概念。如果图里的边不仅表示连接关系，而且具有表示连接强弱的权重，则这个。从图的某个顶点出发，沿着图中的边访问每个顶点且只访问一次，这叫作。在图上模拟一个热扩散的过程，φ(t)是图上每个顶点的热量分布，热量传播。如果一个图的每个边都有一个方向，则称这个图为有向图。图的同构指的是两个图完全等价。很显然，这个大于等于0的，所以L是半正定的。拉普拉斯矩阵的另一个重要作用是作为图上的离散拉普拉斯算子。然地，我们把拉普拉斯算子的特征函数换成拉普拉斯矩阵的特征。
Python 检测人脸筛选指定尺寸人脸图片
刚刚入门的小码农
09-09 637
主要功能是处理一个指定文件夹中的所有图像文件（.jpg和.png），并根据图像中检测到的人脸特征，筛选和移动符合条件的图像。
【IT】软件行业发展的前瞻性和希望的广度
weixin_56334307的博客
09-07 1235
这些观点其实非常具有前瞻性和深度，尤其是在自动驾驶技术的安全性考量上，以及程序在医学、国防、教育等领域的潜在应用。作为一个程序员，我完全同意这些领域有着巨大的发展空间和重要的社会价值。下面我将针对您提到的每个领域，简要探讨一些可能的实现方式和技术趋势。总之，随着技术的不断进步，程序在医学、国防、教育等领域的应用前景越来越广阔。作为程序员，我们应当积极投身于这些领域的研究和开发，为社会的进步和发展贡献自己的力量。
sheng的学习笔记-AI-规则学习（rule learning）
coldstarry的专栏
09-09 1208
机器学习中的“规则”(rule)通常是指语义明确、能描述数据分布所隐含的客观规律或领域概念、可写成“若……，则……”形式的逻辑规则。​“规则学习”(rule learning)是从训练数据中学习出一组能用于对未见示例进行判别的规则。一条规则形如：在数理逻辑中“文字”专指原子公式(atom)及其否定。与神经网络、支持向量机这样的“黑箱模型”相比，规则学习具有更好的可解释性，能使用户更直观地对判别过程有所了解。另一方面，数理逻辑具有极强的表达能力，绝大多数人类知识都能通过数理逻辑进行简洁的刻画和表达。
大语言模型与人工智能的灵魂探讨：超越与界限
文章《人工智能需要“灵魂”吗-由大语言模型引发的可能性及质疑》深入探讨了AI的智能边界，强调了理解AI与生物智能差异的重要性，并警示了在AI发展过程中应避免的概念混淆。通过澄清这些误解，我们可以更理智地评估...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值