关于 Agent 设计思路与应用的学习报告#Datawhale#AI夏令营

1. Agent 的组成
   • Agent 被定义为 Agent = 大语言模型（LLM）+ 观察 + 思考 + 行动 + 记忆。其中 LLM 作为“大脑”处理信息、学习、决策和执行行动；观察是感知机制；思考是内部决策过程；行动是对思考和观察的响应；记忆用于存储经验以调整未来行动。
2. Agent1_分析器
   • 其设计目的是对题目进行分析并给出可能的结果。在温度转换问题中，它作为逻辑推理专家，按照以下步骤进行分析：
     • 首先理解摄氏度转华氏度的公式 。
     • 然后将具体的摄氏度数值 代入公式。
     • 接着计算 。
     • 再简化计算，先算出 ，然后 。
     • 最后根据计算结果选择正确选项，得出当摄氏度为 5 度时，华氏度是 41.0，正确答案是 C。
   • 以下是用 Python 代码实现这个温度转换计算的示例：

def celsius_to_fahrenheit(celsius):
    fahrenheit = celsius * 9/5 + 32
    return fahrenheit

celsius = 5
fahrenheit_result = celsius_to_fahrenheit(celsius)
print(f"当摄氏度为{ celsius }度时，对应的华氏度是{ fahrenheit_result }")

1. Agent2_评分器
   • 它的作用是对答案的合理性排序，给出可能性最大的答案。同样在温