一本书带你进入Agent的世界，抢占AI的风口！【附PDF】

前言

随着技术的进步，我们开始期待更多：我们所向往的是一个不仅把人工智能生成内容视为工作的一部分，还将人工智能作为连接更加复杂任务的关键纽带的时代。这种愿景正是Agenta诞生的起点。

未来的 Agent 将不仅仅是内容生成工具。它们将整合人工智能模型、海量数据和多样化的工具，从而能执行各种任务，完成不同的工作。这些 Agent 跨越单纯的内容生成的界限，开始涉足决策制定和行动实施等领域。无论是解读复杂指令、规划策略、拆解任务，还是执行实现目标的具体步骤，它们都将展现出独特的自主性和适应性。更为关键的是，这些 Agent 能够接入并灵活运用多种辅助工具和数据资源，从而大幅拓宽工作领域和提高工作能力。

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。本书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。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。

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👇👇👇

## 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👇👇👇