Jamence的博客

上述的解析整体还是比较简单，难以直观、全面地把lagent呈现给大家，后续可能有专题，一步步讲解。给大家讲解的过程，也是我自己学习的过程。建议采用硅基流动+[internlm/internlm2_5-7b-chat](对输入做前处理，具体前处理方法依任务而定。对输出做后处理，例如上述python代码执行的例子中，对执行过程做检查。，将会话记录、当前会话、系统prompt等信息合并起来。第二步更新agent的memory（会话记录），添加。是所有动作的基类，用于执行各种各样的任务。有两个类较为重要，一个是。

子问题分解是AI搜索的一个较核心功能，在大多数AI搜索应用中都有体现。Mindsearch借助lagent智能体框架，完成了子问题分解的初步实现，具备较强的借鉴意义。但mindsearch和lagent的代码耦合程度太高，较难自定义，也是在实现层面需要注意的问题。最令人震惊的是，360 AI搜索居然有广告，可谓是AI搜索商业化排头兵！！！

国产又来个推理模型——通义千问的QwQ-32B-Preview到目前为止，共有4个国产推理模型。

2024年11月20日，DeepSeek全新研发的推理模型 DeepSeek-R1-Lite 预览版正式上线。可登录官方网页 （chat.deepseek.com），开启与 R1-Lite 的对话体验。该模型采用强化学习训练，推理过程包含大量反思和验证，思维链长度可达数万字。该系列模型在数学、代码以及各种复杂逻辑推理任务上，取得了媲美 o1-preview 的推理效果，

做一个简单小实验，让一些商用的LLM输出自己的system prompt

当前（20240925）的时间节点下，效果比较好的文档拆分策略为CharacterTextSplitter+ParentDocumentRetriever，能够较好得协调检索的精度和LLM的效果。