大模型应用开发:动手做AI Agent

大模型应用开发:动手做AI Agent

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。

作品简介

人工智能时代一种全新的技术Agent正在崛起。这是一种能够理解自然语言并生成对应回复以及执行具体行动的人工智能体。它不仅是内容生成工具,而且是连接复杂任务的关键纽带。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。本书最后展望了Agent的发展前景和未来趋势。

本书适合对Agent技术感兴趣或致力于投身该领域的研究人员、开发人员、企业负责人,以及高等院校相关专业师生等阅读。读者将跟随咖哥和小雪的脚步,踏上饶有趣味的Agent开发之旅,零距离接触GPT-4模型、OpenAI API和Assistants、LangChain、LlamaIndex和MetaGPT等尖端技术,见证Agent在办公自动化、智能调度、知识整合以及检索增强生成(RAG)等领域的非凡表现,携手开启人工智能时代的无限可能,在人机协作的星空中共同探寻那颗最闪亮的Agent之星!

黄佳

笔名咖哥,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。著有《GPT图解 大模型是怎样构建的》《零基础学机器学习》《数据分析咖哥十话:从思维到实践促进运营增长》等图书。同时他还在极客时间、CSDN和深蓝学院开设专栏和课程,主要有“LangChain实战课”“零基础实战机器学习”“A应用实战课”“大模型应用开发实战课’和“生成式预训练语言模型:理论与实战”等。他乐于保持好奇的心、拥抱变化、持续学习,希望借助AI的“慧眼”和“注意力”来观察世界,并以轻松幽默的方式分享知识,收获本真的快乐。

作品目录

  1. 内容提要
  2. 前言 一个新纪元的黎明
  3. 题记
  4. 资源与支持
  5. 资源获取
  6. 提交勘误信息
  7. 与我们联系
  8. 关于异步社区和异步图书
  9. 第1章 何谓Agent,为何Agent
  10. 1.1 大开脑洞的演讲:Life 3.0
  11. 1.2 那么,究竟何谓Agent
  12. 1.3 Agent的大脑:大模型的通用推理能力
  13. 1.4 Agent的感知力:语言交互能力和多模态能力
  14. 1.5 Agent的行动力:语言输出能力和工具使用能力
  15. 1.6 Agent对各行业的效能提升
  16. 1.7 Agent带来新的商业模式和变革
  17. 1.8 小结
  18. 第2章 基于大模型的Agent技术框架
  19. 2.1 Agent的四大要素
  20. 2.2 Agent的规划和决策能力
  21. 2.3 Agent的各种记忆机制
  22. 2.4 Agent的核心技能:调用工具
  23. 2.5 Agent的推理引擎:ReAct框架
  24. 2.6 其他Agent认知框架
  25. 2.7 小结
  26. 第3章 OpenAI API、LangChain和LlamaIndex
  27. 3.1 何谓OpenAI API
  28. 3.2 何谓LangChain
  29. 3.3 何谓LlamaIndex
  30. 3.4 小结
  31. 第4章 Agent 1:自动化办公的实现——通过Assistants API和DALL·E 3模型创作PPT
  32. 4.1 OpenAI公司的Assistants是什么
  33. 4.2 不写代码,在Playground中玩Assistants
  34. 4.3 Assistants API的简单示例
  35. 4.4 创建一个简短的虚构PPT
  36. 4.5 小结
  37. 第5章 Agent 2:多功能选择的引擎——通过Function Calling调用函数
  38. 5.1 OpenAI中的Functions
  39. 5.2 在Playground中定义Function
  40. 5.3 通过Assistants API实现Function Calling
  41. 5.4 通过ChatCompletion API来实现Tool Calls
  42. 5.5 小结
  43. 第6章 Agent 3:推理与行动的协同——通过LangChain中的ReAct框架实现自动定价
  44. 6.1 复习ReAct框架
  45. 6.2 LangChain中ReAct Agent 的实现
  46. 6.3 LangChain中的工具和工具包
  47. 6.4 通过create_react_agent创建鲜花定价Agent
  48. 6.5 深挖AgentExecutor的运行机制
  49. 6.6 小结
  50. 第7章 Agent 4:计划和执行的解耦——通过LangChain中的Plan-and-Execute实现智能调度库存
  51. 7.1 Plan-and-Solve策略的提出
  52. 7.2 LangChain中的Plan-and-Execute Agent
  53. 7.3 通过Plan-and-Execute Agent实现物流管理
  54. 7.4 从单Agent到多Agent
  55. 7.5 小结
  56. 第8章 Agent 5:知识的提取与整合——通过LlamaIndex实现检索增强生成
  57. 8.1 何谓检索增强生成
  58. 8.2 RAG和Agent
  59. 8.3 通过LlamaIndex的ReAct RAG Agent实现花语秘境财报检索
  60. 8.4 小结
  61. 第9章 Agent 6:GitHub的网红聚落——AutoGPT、BabyAGI和CAMEL
  62. 9.1 AutoGPT
  63. 9.2 BabyAGI
  64. 9.3 CAMEL
  65. 9.4 小结
  66. 第10章 Agent 7:多Agent框架——AutoGen和MetaGPT
  67. 10.1 AutoGen
  68. 10.2 MetaGPT
  69. 10.3 小结
  70. 附录A 下一代Agent的诞生地:科研论文中的新思路
  71. A.1 两篇高质量的Agent综述论文
  72. A.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
  73. A.3 小结
  74. 参考文献
  75. 后记 创新与变革的交汇点