《AI Agents in Action》由Micheal Lanham撰写，是一本深入探讨人工智能智能体的专业书籍，为读者打开了理解和构建智能体系统的大门。

• 核心内容全面覆盖：书中内容从基础概念逐步深入到复杂的应用场景。开篇介绍智能体的基本定义和组成部分，让读者对智能体有初步的认识，包括智能体如何与大语言模型交互，以及它们在不同场景下的角色。随后深入探讨智能体技术栈，如大语言模型的使用、提示工程的技巧，这些技术是构建强大智能体的关键。通过对OpenAI API和开源大语言模型的介绍，读者可以学习如何根据需求选择和使用合适的模型。

• 多智能体系统与实践案例：详细讲解多智能体系统，通过AutoGen和CrewAI等平台的案例，展示多智能体如何协作完成任务。这些案例不仅帮助读者理解多智能体系统的工作原理，还提供了实际应用的思路。书中还涵盖智能体行动能力、行为树和智能体平台的内容，例如如何赋予智能体行动和工具，以及如何使用行为树来控制智能体的行为，Nexus平台的介绍则让读者了解如何在实际开发中运用智能体技术。

• 记忆、知识与提示工程：关于智能体的记忆和知识章节，深入探讨了检索增强生成（RAG）等重要概念，以及如何在智能体系统中实现有效的记忆和知识管理。在提示工程部分，通过系统的方法和工具，如Prompt Flow，帮助读者掌握如何优化提示，以获得更好的智能体响应。

• 面向未来的技术展望：本书不仅关注当下的技术应用，还对智能体技术的未来趋势进行了探讨，包括规划、推理和反馈等方面的发展方向，为读者提供了前瞻性的视野，激发读者对智能体技术的进一步探索和创新。

无论是人工智能领域的新手，还是希望深入研究智能体系统的专业人士，《AI Agents in Action》都提供了全面且深入的知识，是一本极具价值的学习和实践指南。

目录

1. 智能体及其世界介绍

   • 定义智能体的概念

   • 区分智能体的组成部分

   • 审视智能体时代的崛起：为何选择智能体？

   • 剖析人工智能接口

   • 探索智能体领域

2. 驾驭大语言模型的力量

   • 理解大语言模型的基础

   • 连接并使用OpenAI API

   • 使用LM Studio探索和使用开源大语言模型

   • 通过提示工程向大语言模型发送提示

   • 为特定需求选择最优的大语言模型

3. 与GPT助手互动

   • 通过ChatGPT探索GPT助手

   • 构建具有代码解释能力的GPT

   • 通过自定义操作扩展助手功能

   • 通过文件上传为GPT添加知识

   • 将你的GPT商业化并发布到GPT商店

4. 探索多智能体系统

   • 利用AutoGen Studio介绍多智能体系统

   • 探索AutoGen

   • 智能体的群聊与AutoGen

   • 使用CrewAI构建智能体团队和多智能体系统

   • 用CrewAI扩展智能体数量并探索处理模式

5. 赋予智能体行动能力

   • 定义智能体行动

   • 执行OpenAI函数

   • 介绍语义内核

   • 协同语义和原生函数

   • 使用语义内核实例化GPT接口

6. 构建自主助手

   • 介绍行为树

   • 探索GPT助手游乐场

   • 介绍智能体行为树

   • 构建对话式自主多智能体

   • 使用反向链接构建智能体行为树

7. 组装和使用智能体平台

   • 介绍Nexus，不止是另一个智能体平台

   • 介绍用于聊天应用开发的Streamlit

   • 开发智能体的配置文件和角色

   • 驱动智能体并理解智能体引擎

   • 为智能体赋予行动和工具

8. 理解智能体的记忆和知识

   • 理解人工智能应用中的检索

   • 检索增强生成的基础知识

   • 深入探讨语义搜索和文档索引

   • 用LangChain构建检索增强生成

   • 将检索增强生成应用于构建智能体知识

   • 在智能体系统中实现记忆

   • 理解记忆和知识压缩

9. 用Prompt Flow掌握智能体提示

   • 为什么我们需要系统性的提示工程

   • 介绍Prompt Flow

   • 构建有效的配置文件/角色提示

   • 评估配置文件：评分标准和基础

   • 评估大语言模型配置文件的基础

   • 比较提示：获得完美的配置文件

10. 规划、推理和反馈

    • 理解推理和推理系统

    • 探索规划策略

    • 结合推理和规划

    • 反馈类型及其在改进计划中的作用

    • 规划、推理和反馈的实际应用

11. 总结与未来方向

    • 回顾关键概念和技术

    • 智能体技术的实际应用和案例研究

    • 未来趋势和研究方向

    • 道德考量和最佳实践

    • 结论和行动呼吁

前言

我踏入智能系统领域的旅程始于20世纪80年代初。和当时的许多人一样，我相信人工智能（AI）即将成为现实。似乎总是再有一项创新和技术突破，就能引领我们实现想象中的智能。但这个突破从未到来。

或许是斯坦利·库布里克执导的《2001：太空漫游》中哈尔（HAL）的设定吸引了我，让我憧憬拥有一个真正智能的计算机伙伴。经过多年的努力、尝试和无数次的错误，我开始明白，创造人工智能远比我们人类想象的要复杂得多。20世纪90年代初，我转移了工作重点，将自己的技能应用于其他行业中更实际的目标。

直到20世纪90年代后期，在经历了一系列具有挑战性和变革性的事件后，我才意识到自己对构建智能系统的热情。我知道这些系统可能永远无法达到哈尔那种超级智能，但我对此并不在意。我从机器学习和数据科学的工作中找到了满足感，创建能够学习和适应的模型。在过去的20多年里，我在这个领域蓬勃发展，解决了许多需要创造力、精准度和开拓精神的问题。

在此期间，我涉足了众多领域，从用于预测未知输入的遗传算法，到为石油和天然气行业的水平钻井开发生成式学习模型。这些经历促使我进行写作，通过书籍分享我的知识，主题涵盖从逆向工程《宝可梦Go》，到构建增强现实和虚拟现实体验，再到为游戏设计音频，以及应用强化学习创建智能代理等。多年来，我深入钻研代码，在Unity ML-Agents和深度强化学习领域开发代理。

即便如此，我从未想过有一天，我只需向人工智能模型描述自己的需求，它就能帮我实现。我从未想过，在我的有生之年，能像如今这样自然地与人工智能协作。我更没想到这段旅程会既让人感觉飞速前进，又仿佛进展缓慢。

2022年11月，ChatGPT的发布改变了一切。它改变了世界对人工智能的认知，也改变了我们构建智能系统的方式。对我而言，它还改变了我对这些系统能力的看法。突然间，那些能够自主执行复杂任务的智能体不再只是遥远的梦想，而是切实可行的现实。在我早期的一些书中，我曾描述过能够执行特定任务的智能系统，但如今，那些曾经的理论设想已触手可及。

这本书凝聚了我数十年来在构建智能系统方面的经验，同时也是我对人工智能梦想的一次实现。人工智能智能体已然存在，它们将改变我们与技术交互的方式、工作方式，最终改变我们的生活方式。

然而，即便在当下，我发现许多组织在采用智能系统时仍有所顾虑。我认为这种犹豫并非源于对人工智能的恐惧，而是因为缺乏构建这些系统的相关知识和专业技能。我希望这本书能够填补这一空白。我想将人工智能智能体作为人人都能使用的工具来介绍，我们不应畏惧它们，而应尊重它们，谨慎管理，并学会与之和谐共处。

关于本书

《AI智能体实战》主要介绍如何构建和使用智能代理系统，不仅包括创建自主实体，还涵盖开发能够有效处理和解决现实世界问题的智能体。本书开篇介绍了使用大语言模型（LLMs）构建助手、多智能体系统和智能行为代理的基础知识。随后，深入探讨了智能系统的关键组件：用于知识和记忆增强的检索系统、行动和工具的使用、推理、规划、评估和反馈。通过实际示例，展示了这些组件如何赋能智能体执行各种复杂任务。这不仅是一段技术探索之旅，更是对我们解决问题方式的重新想象。我希望这本书能启发你将智能体视为创新伙伴，它们能够以超乎想象的方式将想法转化为行动。我们将共同探索人工智能如何增强人类潜能，使我们能够取得远超个人能力的成就。

谁适合阅读本书

本书适合所有对智能体以及如何开发智能系统感兴趣的人，无论你是正在构建第一个实用助手，还是深入研究复杂的多智能体系统。阅读本书无需具备智能体、智能系统、提示工程或使用大语言模型的先验经验。你只需具备基本的Python理解能力，并熟悉GitHub存储库即可。我的目标是让这些概念易于理解且引人入胜，让任何想要探索人工智能智能体世界的人都能充满信心地开启旅程。

无论你是开发者、研究人员、爱好者，还是仅仅对人工智能的可能性感兴趣，本书都适合你。我希望在这些书页中，你能找到灵感、实用的指导，以及对智能体巨大潜力的全新认识。让这本书引导你理解、创建并释放人工智能智能体的力量。

本书结构：路线图

本书共有11章。第1章“智能体及其世界介绍”，首先对大语言模型、聊天系统、助手和自主智能体进行基本定义，为后续内容奠定基础。随着章节推进，讨论转向构成智能体的关键组件，以及这些组件如何协同工作，构建真正高效的系统。以下是第2章至第11章的简要概述：

• 第2章“利用大语言模型的力量”：我们首先探索如何使用商业大语言模型，如OpenAI。然后研究诸如LM Studio之类的工具，这些工具为运行各种开源大语言模型提供基础设施和支持，使任何人都能进行实验和创新。

• 第3章“使用GPT助手”：本章深入探讨OpenAI的GPT助手平台的功能。助手是基础的智能体类型，我们将探索如何创建实用且多样的助手，从烹饪助手到实习数据科学家，甚至是读书助手。

• 第4章“探索多智能体系统”：智能体工具发展迅速。在本章中，我们将探索两个复杂的多智能体系统：CrewAI和AutoGen。展示AutoGen自主开发代码的能力，以及CrewAI如何将一群笑话研究人员聚集在一起，协作创作幽默内容。

• 第5章“赋予智能体行动能力”：行动是任何智能系统的基础。本章讨论智能体如何使用工具和函数来执行行动，范围从数据库和应用程序编程接口（API）查询到图像生成。我们将重点关注如何使智能体能够自主采取有意义的行动。

• 第6章“构建自主助手”：我们将探索行为树，这是机器人和游戏系统中的常用机制，用于协调多个智能体。我们将使用行为树来应对代码竞赛和社交媒体内容创建等挑战。

• 第7章“组装和使用智能体平台”：本章介绍Nexus，这是一个用于协调多个智能体和大语言模型的复杂平台。我们将讨论Nexus如何促进智能体工作流程，并实现智能体之间的复杂交互，展示一个完整的多智能体环境示例。

• 第8章“理解智能体的记忆和知识”：检索增强生成（RAG）已成为扩展大语言模型智能体能力的重要工具。本章探讨检索机制如何作为知识来源（通过处理摄入的文件）和记忆，使智能体能够回忆先前的交互或事件。

• 第9章“使用提示流掌握智能体提示”：提示工程是智能体成功的核心。本章介绍提示流，这是微软开发的工具，有助于自动化提示的测试和评估，使智能体行为更强大、更有效。

• 第10章“智能体推理和评估”：推理对于智能解决问题至关重要。在本章中，我们将探索各种推理技术，如思维链（CoT），并展示智能体如何在推理过程中评估推理策略，提高其自主解决问题的能力。

• 第11章“智能体规划和反馈”：规划可能是智能体实现目标的最关键技能。我们将讨论智能体如何通过规划应对复杂任务，以及如何利用反馈循环优化这些计划。本章最后将所有关键组件——行动、记忆和知识、推理、评估、规划和反馈——整合到解决现实世界问题的智能系统实际示例中。

                                          

 

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓