在《AI Agents in Action》中,你将学习如何构建可投入生产的助手、多代理系统和行为代理。你将掌握代理的关键部分,包括检索增强知识和记忆,同时创建多代理应用程序,这些应用程序可以使用软件工具、自主规划任务并从经验中学习。在探索许多有趣的示例时,你将使用 OpenAI Assistants API、GPT Nexus、LangChain、Prompt Flow、AutoGen 和 CrewAI 等最先进的工具。

创建适合您业务和个人需求的 LLM 驱动的自主代理和智能助手

从无脚本的客服聊天机器人到完全独立并在后台无缝运行的智能代理,AI 驱动的助手代表了机器智能的突破。在《AI Agents in Action》中,你将掌握一个用于开发处理实际业务和个人任务的实用代理的成熟框架。

作者迈克尔·兰哈姆将前沿学术研究与实际经验相结合,帮助你:

- 理解并实现 AI 代理行为模式
- 设计和部署可投入生产的智能代理

- 利用 OpenAI Assistants API 和辅助工具

- 实现强大的知识管理和记忆系统

- 创建具有反馈循环的自我改进智能体

- 协调协作的多智能体系统

- 为智能体增强语音和视觉功能

你不会找到玩具示例或需要持续监督的脆弱助手。《AI Agents in Action》将教你构建值得信赖的 AI,使其能够处理高风险谈判。你将掌握提示工程,创建具有独特个性和档案的代理,并开发能在不可预测环境中茁壮成长的多代理协作。除了学习一项新技术,你还将发现一种变革性的问题解决方法。

书名:AI Agents in Action

作者:Micheal Lanham 

年份:2025

出版社:Manning Publications

书籍下载:

链接: https://pan.baidu.com/s/1RpVuk7jTbUzIrQrmgGpA0g?pwd=irb5

书籍汇总:

链接: https://pan.baidu.com/s/1FFw_24YdJIUfLGunRGT_7g?pwd=9at9

链接: https://pan.baidu.com/s/1wp1sxh_p5Cv9dI5OpBaSCg?pwd=2arp

LLM 直接行动与使用代理、代理人和自主代理人之间的差异
在这个多代理系统示例中,控制器或代理程序直接与用户通信。两个代理程序(一个程序员和一个测试员)在后台工作,负责创建代码并编写单元测试来测试代码。
我们将在本书中探讨代理行为的各个方面
生成模型和预测模型之间的区别
LM Studio 软件显示主页
本书按章节位置回顾了 OpenAI 提示工程策略
写出清晰指示策略的策略


微信群

内容中包含的图片若涉及版权问题,请及时与我们联系删除