昨天在线下的AI教育分享会上,看到一页分享的PPT,里面介绍了AI教育方面做产品,也逐渐以AI智能体作为主要方向进行落地。
生成式AI为教育领域焕新,以AI智能体方向为落地指向
虽然AI智能体目前不太成熟,有很多的开放平台,但是在可预见的未来,AI智能体将不断发展、助力个性化学习,为每个学生可以进行因材施教,有专属的AI家教。
同时,AI agent在内容营销、电商获客方面大有可为,扣子目前支持主流的国产大模型,具有不同的分发渠道(微信生态、抖音生态、办公协作等),具备丰富的插件、工作流等开发工具,除此之外,扣子专业版及火山引擎具有矩阵式的Bot分发策略…
关键词:生态、内容、矩阵
问题来了?为什么这么火?
什么是Agent?
AI智能体(AI agent)是将人工智能技术与特定应用场景相结合,实现技术应用落地的一种实践方式。
大模型尽管通过海量数据训练后具备了高级智能,但它们本身并不具有实体形态。这就像人类的大脑,虽然能够产生想法,但关键在于如何将这些想法转化为具体行动,即将想法实现出来。
AI agent的作用就是将这些抽象的智能转化为具体的功能和应用,它们充当了大型AI模型与现实世界之间的桥梁,使得AI的智能能够以更加具体和实用的方式服务于人类社会。通过AI代理,大型AI模型的潜力得以扩展和实现,从而在各个领域发挥其作用。
Agent架构是怎么样的?
大模型驱动的自主agent架构:规划(planning)、记忆(memory)、工具(tools)、执行(action)
agent负责协同各个组件处理复杂任务和决策过程。
-
规划:包括规划、决策能力,有效执行复杂任务。涉及子目标分解、连续思考(思维链)、自我反思和批评、对过去行动的反思。
-
记忆:短期记忆和长期记忆。
-
短期记忆:与上下文学习有关,属于提示工程一部分。
-
长期记忆:与信息长时间保留与检索有关,利用外部向量存储和快速检索。
-
工具:包括agent调用的各类工具,如:日历、计算器、代码解释器等。
-
执行(行动):基于规划和记忆执行具体行动,包括:与外部世界互动、调用工具完成一个动作或者任务。
Agent执行流程
Agent通过不同模块的协作处理和解决任务:
-
接收任务:通过读入的提示【查询、附加知识、人设提示】,接收需要处理的任务。
-
记忆更新:根据任务更新系统记忆,确保信息是鲜活的,
-
记忆检索:从记忆检索相关信息,必要时可进行截断,便于高效处理信息。
-
任务规划:根据工具、记忆、查询提示,由大模型生成一个包含任务名称的计划,包括后续执行步骤和动作【说明调用工具和参数】。
-
工具执行:大模型会调用在任务规划中指定的工具去完成特定的任务,将工具生成的指定格式结果整合到任务记忆,如果“任务规划”产生任务完成信号,循环将终止。根据工具描述、记忆、约束条件,判断是否调用已有工具。
-
工具描述:工具的简版说明书。
-
记忆和约束条件:提示中告诉agent,如果你没有这方面的知识,一定要查询相关资料,不要乱说。
-
总结:系统总结出最终的答案,完成整个任务处理工程。
问题来了,如何成为一个Agent工程师?
有没有相关的学习课程?
推荐一个我也打算报名的agent开发课程,讲师实力在线,丰富的操作案例应有尽有。
课程实力展示
一、课程案例覆盖coze.com和coze.cn两个版本
- 国内案例库已经创建了13个教学案例,涉及基础教学+复杂工作流+卡片+多Agent模式教学
- 国内案例库工作流已经创建了20+个工作流,2个复杂的卡片示例
- 国外案例库已经创建了3个教学案例,涉及多Agent模式教学+自定义插件教学+Coze写代码案例教学
二、飞书知识库沉淀大量的教学文档和直播回放资料
- 飞书知识库已经沉淀篇19篇体系化教学文档,约8万字
- 飞书知识库已经沉淀11篇答疑文档(都会附有视频教学,答疑文档会逐步增加)
- 飞书会议已经沉淀7个直播视频回放,平均每次直播2.5-3个小时 …
三、coze新功能更新会同步到飞书文档,增加视频
- 针对Coze重要功能的更新,我们也会逐步的添加视频或者飞书文字文档
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。