Agent 作为一种新兴的人工智能技术，正在受到越来越多的关注。要说清楚什么是 Agent，先得看看人工智能的本质是什么。

在人工智能领域中， 代理是一种具有计算能力的实体，研究者只能观察到它们的行为和决策过程。为了深入理解和描述这些代理，研究者通常会引入其他几个关键属性，包括自 主性、反应性、社会亲和性以及学习能力，以全面地认识人工智能代理的能力和潜力。

■ 感知环境，就是指 Agent 能够接收来自环境的信息。例如， 一个自动驾驶 Agent 可以感知周围的交通情况、道路状况等信息。

■ 做出决策，就是指 Agent 根据感知的信息制订下一步的行动计划。例如，自动驾 驶 Agent 根据感知的信息决定是否加速、减速、转弯等。

■ 采取行动，就是指 Agent 根据决策执行相应的行动。例如，自动驾驶 Agent 根 据决策控制汽车的加速器、刹车、方向盘等。

因此，Agent 能够独立完成特定的任务。Agent 的四大特性如下。

■ 自主性：Agent 能够根据自身的知识和经验，独立做出决策和执行行动。

■适应性：Agent能够学习和适应环境，不断提高自己的能力。

■ 交互性：Agent 能够与人类进行交互，提供信息和服务。

■ 功能性：Agent 可以在特定领域内执行特定的任务。 从技术角度来说，Agent 通常包括以下核心组件。

■ 感知器：Agent 通过感知器接收关于环境的信息。这可以是通过传感器收集的实 时数据，也可以是通过数据库或互联网获取的信息。

■ 知识库：Agent 根据目标和以往的经验，通过知识库存储和管理有关环境和自身 状态的信息。

■ 决策引擎：Agent 分析感知的信息，并结合知识库中的数据，通过决策引擎做出 决策。

■ 执行器：Agent 通过执行器在环境中采取行动。这可以是物理动作，如机器人移 动其手臂，也可以是虚拟动作，如在线服务发送信息。

尽管构建 Agent 的基石已经准备就绪，但 Agent 的技术发展仍处于萌芽阶段。开 发者需要进行深入思考并动手实践，以确立 Agent 的开发框架、Agent 访问工具的方 式、与数据交互的方式，以及如何对话以完成具体任务。这些问题的答案将塑造未来 Agent 的形态和能力。

学习 Agent需要这样一本AI Agent书籍

目前无论是学术界还是产业界，对人工智能应用开发的关键问题远未达成共识。《动手做AI Agent GPT》或许可以作为读者深入探讨上述问题的漫长旅途的开端。本书旨在从技术和工具层面阐释 Agent 设计的框架、功能和方法，具体涉及如下技术或工具。

除了介绍 Agent 的框架和开发工具之外， 本书还将通过 7 个实操项目， 带领读者 学习前沿的 Agent 实现技术。这 7 个项目分别如下。

Agent 1：自动化办公的实现——通过 Assistants API 和 DALL ·E 3 模型创 作 PPT。

■ Agent 2：多功能选择的引擎——通过 Function Calling 调用函数。

■ Agent 3：推理与行动的协同——通过 LangChain 中的 ReAct 框架实现自动 定价。

■ Agent 4： 计 划 和 执 行 的 解 耦 —— 通 过 Lang Chain 中 的 Play - and - Execute 实现智能调度库存。

■ Agent 5：知识的提取与整合——通过 LlamaIndex 实现检索增强生成 Agent。

■ Agent 6：GitHub 的网红聚落——AutoGPT、BabyAGI 和 CAMEL。

■ Agent 7：多 Agent 框架——AutoGen 和 MetaGPT。

此外，我还在附录中简要介绍了科研论文中 Agent 技术进展，旨在为读者提供当前 Agent 技术发展的全面视角并展现相关的探索。

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

如何学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

学习路线

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】🆓