- 博客(5)
- 收藏
- 关注
RSS订阅原创 Hello-Agents 第十三章 智能旅行助手
13.2节我们利用Pydantic从下至上设计所需要的数据模型；13.3节谈到了这个项目的多智能体协作设计，包括4个专门的agent，分别是景点搜索，天气查询，酒店推荐和行程规划。不过使用过程中我发现几个问题，一个是如果选择旅行时间段很长（比如7天），不能生成计划（可能和响应时间设置有关）；另一个是地图显示有问题，每日行程中是从第二天开始的。本章我们利用HelloAgents框架构建了一个智能旅行助手，相比第一章构建的旅行助手，这个功能更加全面。
2025-11-20 23:41:53
325
原创 Hello-Agents 第十章 智能体通信协议
10.1节首先介绍了为何需要通信协议，它的核心价值在于它提供了一套标准化的接口规范，让智能体能够以统一的方式访问各种外部服务，而无需为每个服务编写专门的适配器。这就像互联网的 TCP/IP 协议，它让不同的设备能够相互通信，而不需要为每种设备编写专门的通信代码。然后介绍了HelloAgents通信协议架构的实现，我感觉三种协议中MCP应该是现在最成熟，使用最广泛的，经常在很多地方听到这个词。未完待续，明天早上补完。
2025-11-18 23:55:23
332
原创 Hello-Agents 第四章 智能体经典范式构建
返回的response是一个可迭代的生成器，我们循环读取每个chunk中的新增的文本片段，并实时输出到终端，这样就达到了我们日常使用的一些网页聊天助手到效果了。在初始化方法__init__中，除了LLM_MODEL_ID，LLM_API_KEY，LLM_BASE_URL三个参数的初始化，还有一个LLM_TIMEOUT参数，这个是。，plan阶段会调用一次大语言模型，将问题分解，并制定出一个清晰、分步骤的行动计划；的循环，将新的观察结果追加到历史记录中，形成一个不断增长的上下文，直到它在。
2025-11-14 15:29:45
365
原创 Hello-Agents 第三章 大语言模型基础
是为了解决这样一个问题：对于自注意力来说，它本身不包含任何关于词元顺序或位置的信息，“agent learns” 和 “learns agent” 这两个序列是完全等价的，因为它只关心词元之间的关系，而忽略了它们的排列。第三步：稳定化与归一化，将得到的所有分数除以一个缩放因子sqrt(d_k)（sqrt(d_k)是K向量的维度），以防止梯度过小，然后用Softmax函数将分数转换成总和为1的权重，也就是归一化的过程。第一步：计算Q，K，V，下面矩阵的每一行对应不同词的Q，K，V向量。
2025-11-12 21:40:50
436
原创 Hello-Agents 第一章 初识智能体
通过这个项目，我们可以直观理解基于Thought-Action-Observation范式的智能体所具备的四项基本能力：任务分解、工具调用、上下文理解和结果合成。第一章比较有意思的是动手实践的案例：从零开始构建一个可以工作的智能旅行助手。本文内容来自DataWhale开源项目。
2025-11-10 15:30:29
317
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人