大模型新书丨大模型应用开发：从0基础入门到项目实战，教你动手做AI Agent（附PDF）

一、书籍内容简介

对于构建 Agent 来说，目前业界已经具备技术基础，包括大模型和 AIGC 模型、人工智能应用开发框架和工具、软件平台、丰富的数据等。只要结合具体的业务场景，将现有技术进行整合，就能开发出满足需求的 Agent。

《动手做 AI Agent》从零基础出发，介绍了 Agent 的定义、特性与技术架构，还对构建 Agent 的 AI 技术工具进行了详细讲解，最后以 7 个实战项目展示了 Agent 开发的方法。按照“基础知识——技术工具——项目实战”三部分来组织内容，帮助读者从理论学习推进到动手实际操作。

有需要《大模型RAG实战：RAG原理、应用与系统构建》完整版书PDF，可以微信扫描下方二维码，立即免费领取!

（长按图片即可添加）

二、书籍章节目录

1、基础知识

这部分先是定义了 Agent 的概念，然后说明大模型对于 Agent 的重要程度如同大脑，这是 Agent 进行理解和决策的基础。还对 Agent 的四大特性与四大核心组件进行介绍。

第1章 何为Agent，为何Agent

• 1.1 大开脑洞的演讲：Life 3.0 

• 1.2 那么，究竟何为Agent 

• 1.3 Agent的大脑：大模型的通用推理能力 

• 1.4 Agent的感知力：语言交互和多模态 

• 1.5 Agent的行动力：语言输出和工具使用 

• 1.6 Agent对各行业的效能提升 

• 1.7 Agent带来新的商业模式和变革

2、技术工具

书中介绍了 Agent 架构的四大要素，分别是规划、记忆、工具、执行。重点介绍了当前流行的 ReAct 框架。详细说明了以下技术工具的使用方法。

• OpenAI API 以及 OpenAI Assistants：用于调用包含 GPT-4 模型 和 DALL·E 3 模型在内的众多人工智能模型。

• LangChain：开源框架，专门用于构建和开发由大型语言模型驱动的应用程序，其中包含对 ReAct 框架的封装和实现。

• LlamaIndex：开源框架，用于帮助管理和检索非结构化数据，利用大模型的能力和 Agent 框架来提高文本检索的准确性、效率和智能程度。

Agent 通过接口连接大模型，获得生成内容、语言理解、决策支持能力，再通过外部工具执行复杂任务，或者与环境交互。

第2章 基于大模型的Agent技术框架

• 2.1 Agent的四大要素 

• 2.2 Agent的规划和决策能力 

• 2.3 Agent的各种记忆机制 

• 2.4 Agent的核心技能：调用工具 

• 2.5 Agent的推理引擎：ReAct框架 

• 2.6 其他Agent认知框架

第3章 OpenAI API、LangChain和LlamaIndex

• 3.1 何为OpenAI API 

• 3.2 何为LangChain 

• 3.3 何为LlamaIndex

3、项目实战

工具都会用之后，这部分要讲的就是怎样做出成功的应用，书中详细解析了 7 个项目的实战。

本书兼具理论与实践，读者可以轻松入门，快速掌握 AI Agent 的开发方法。

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

• 4.1 OpenAI公司的Assistants是什么 

• 4.2 不写代码，在Playground中玩Assistants 

• 4.3 Assistants API的简单示例 

• 4.4 创建一个简短的虚构PPT

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

• 5.1 OpenAI中的Functions 

• 5.2 在OpenAI Playground中定义Function 

• 5.3 用Assistants API来实现Functions Calling 

• 5.4 用ChatCompletion API来实现Tool Calls

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

• 6.1 复习一下ReAct推理框架 

• 6.2 LangChain中ReAct Agent 的实现 

• 6.3 LangChain中的工具和工具包 

• 6.4 通过create_react_agent创建鲜花定价Agent 

• 6.5 深挖AgentExecutor的运行机制

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

• 7.1 Plan-and-Solve策略的提出 

• 7.2 LangChain中的Plan-and-Execute Agent 

• 7.3 用Plan-and-Execute Agent实现物流管理 

• 7.4 从单Agent到多Agent

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

• 8.1 何为检索增强生成 

• 8.2 RAG和Agent 

• 8.3 用LlamaIndex的ReAct Agent来实现花语秘境财报检索

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

• 9.1 AutoGPT 

• 9.2 BabyAGI 

• 9.3 CAMEL

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

• 10.1 AutoGen 

• 10.2 MetaGPT

有需要《大模型RAG实战：RAG原理、应用与系统构建》完整版书PDF，可以微信扫描下方二维码，立即免费领取！