人工智能全新Agent技术:这本 大模型应用开发-动手做AI Agent 值得一读(附PDF)

人工智能时代一种全新的技术— Agent正在崛起。今天就给大家分享下这本LLM大模型的书《大模型应用开发 动手做AI Agent》,本书从AI agent的角度探索目前人工智能最前沿的技术发展,并且借助开源框架带着读者亲手制作7个常用的agent。

本书将探索Agent的奥秘,内容包括从技术框架到开发工具,从实操项目到前沿进展,通过带着读者动手做7个 功能强大的Agent,全方位解析Agent的设计与实现。最后展望了Agent的发展前景和未来趋势。

我现在讲的这些还是很有限,如果你对大模型感兴趣,那建议你把这本书看完并吃透它,这本书的pdf版本我已经帮你打包好了

大模型应用开发-动手做AI Agent》,扫码获取~

👉优快云大礼包🎁:《大模型应用开发-动手做AI Agent》免费分享(安全链接,放心点击)👈


在这里插入图片描述

作者

黄佳:新加坡科技研究局人工智能研究员。他在NLP、大模型、Al in MedTech、Al in FinTech等领域积累了丰富的项目经验。

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 2
  • 1.2 那么,究竟何为Agent 5
  • 1.3 Agent的大脑:大模型的通用推理能力 9
  • 1.4 Agent的感知力:语言交互和多模态 23
  • 1.5 Agent的行动力:语言输出和工具使用 25
  • 1.6 Agent对各行业的效能提升 28
  • 1.7 Agent带来新的商业模式和变革 32
  • 1.8 小结 39

第2章 基于大模型的Agent技术框架 41

  • 2.1 Agent的四大要素 41
  • 2.2 Agent的规划和决策能力 44
  • 2.3 Agent的各种记忆机制 45
  • 2.4 Agent的核心技能:调用工具 46
  • 2.5 Agent的推理引擎:ReAct框架 49
  • 2.6 其他Agent认知框架 66
  • 2.7 小结 68

第3章 OpenAI API、LangChain和LlamaIndex 70

  • 3.1 何为OpenAI API 71
  • 3.2 何为LangChain 91
  • 3.3 何为LlamaIndex 105
  • 3.4 小结 113

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 115

  • 4.1 OpenAI公司的Assistants是什么 117
  • 4.2 不写代码,在Playground中玩Assistants 118
  • 4.3 Assistants API的简单示例 123
  • 4.4 创建一个简短的虚构PPT 141
  • 4.5 小结 160

第5章 Agent 2:多功能选择的引擎——通过Functions Calling调用函数 161

  • 5.1 OpenAI中的Functions 163
  • 5.2 在OpenAI Playground中定义Function 168
  • 5.3 用Assistants API来实现Functions Calling 173
  • 5.4 用ChatCompletion API来实现Tool Calls 196
  • 5.5 小结 205

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 207

  • 6.1 复习一下ReAct推理框架 208
  • 6.2 LangChain中ReAct Agent 的实现 210
  • 6.3 LangChain中的工具和工具包 212
  • 6.4 通过create_react_agent创建鲜花定价Agent 215
  • 6.5 深挖AgentExecutor的运行机制 221
  • 6.6 小结 249

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 251

  • 7.1 Plan-and-Solve策略的提出 252
  • 7.2 LangChain中的Plan-and-Execute Agent 257
  • 7.3 用Plan-and-Execute Agent实现物流管理 258
  • 7.4 从单Agent到多Agent 273
  • 7.5 小结 273

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 275

  • 8.1 何为检索增强生成 276
  • 8.2 RAG和Agent 282
  • 8.3 用LlamaIndex的ReAct Agent来实现花语秘境财报检索 284
  • 8.4 小结 289

第9章 Agent 6:GitHub的网红聚落——AutoGPT、BabyAGI、CAMEL和Generative Agents 292

  • 9.1 AutoGPT 293
  • 9.2 BabyAGI 298
  • 9.3 CAMEL 317
  • 9.4 小结 333

第10章 Agent 7:多Agent系统框架——AutoGen和MetaGPT 335

  • 10.1 AutoGen 336
  • 10.2 MetaGPT 343
  • 10.3 小结 353

第11章 下一代Agent的诞生地:科研论文中的新思路 355

  • 11.1 两篇高质量的Agent综述 355
  • 11.2 论文选读:Agent自主学习、多Agent合作、Agent可信度的评估、边缘系统部署以及具身智能落地 358
  • 11.3 小结 359
  • 参考文献 361
  • 后记 创新与变革的交汇点 362

朋友们如果有需要 《大模型应用开发-动手做AI Agent》,扫码获取~

👉优快云大礼包🎁:《大模型应用开发-动手做AI Agent》免费分享(安全链接,放心点击)👈

### 关于大模型应用开发和动手制作AI代理的资源 对于希望深入理解并实际操作大型语言模型(LLM)以及构建基于这些模型的应用程序而言,存在多种途径获取所需的知识和技术文档。方面,《大规模语言模型:从理论到实践》这本书籍提供了详细的指导,涵盖了如何利用现有的框架来创建自己的自然语言处理解决方案[^2]。 另方面,在GitHub上有个名为`awesome-LLM-resources`的仓库,它不仅包含了丰富的学习材料,还特别提到了些实用的手册和指南,可以帮助开发者更好地理解和运用大模型技术进行创新性的项目开发[^3]。尽管该链接主要指向网页形式的内容集合,但其中确实也推荐了些可以下载为PDF格式的教学文件或白皮书,供者离线阅研究。 此外,考虑到构建AI代理涉及到多个方面的工作,包括但不限于对话管理、意图识别和服务集成等,因此建议关注那些专注于特定应用场景下的案例分析和技术分享的文章或报告。这类资料往往能够提供更加具体的操作步骤说明和支持代码样例,有助于加速原型设计过程中的试错周期。 ```python import requests from bs4 import BeautifulSoup def fetch_pdf_links(url): response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') pdf_links = [] for link in soup.find_all('a'): href = link.get('href') if href and '.pdf' in href.lower(): pdf_links.append(href) return pdf_links url = "https://github.com/WangRongsheng/awesome-LLM-resourses" print(fetch_pdf_links(url)) ``` 此段Python脚本可用于抓取指定URL页面内的所有PDF链接,方便用户快速定位感兴趣的PDF教程或指南。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值