课程资料

好了，到这里我们的 markdown 文件已经超过 1000 行了。这一条主要是为了好玩。

如果你在等待 humanlayer 的介绍，那么现在就是了。如果你正在实践 要素 6 – 通过简单的 API 启动/暂停/恢复 和 要素 7 – 通过工具调用联系人类，那么你就已经准备好整合本要素了。 允许用户从 s...

与其构建试图包揽一切的单体式智能体，不如构建能把一件事做好的、小而专注的智能体。智能体只是一个更大、基本上是确定性的系统中的一个构建模块。 这里的关键洞见在于大语言模型的局限性：任务越庞大、越复杂，...

这一点内容不多，但值得一提。智能体 (agent) 的好处之一是“自我修复”——对于简短的任务，大语言模型 (LLM) 可能会调用一个失败的工具。优秀的大语言模型有很大机率能够读取错误信息或堆栈跟踪 (stack trace) ，并...

如果你能掌控自己的控制流，你就可以实现许多有趣的功能。 构建适合你特定用例的自定义控制结构。具体来说，某些类型的工具调用可能是跳出循环、等待人类响应或等待另一个长时间运行任务 (例如训练管道) 的理由。...

默认情况下，大语言模型 (LLM) API 依赖于一个根本性的高风险 Token 选择：我们是返回纯文本内容，还是返回结构化数据？ 你将很大的权重放在了第一个 Token 的选择上，在 the weather in tokyo 的情况下，这...

智能体就是程序，我们期望能以某种方式启动、查询、恢复和停止它们。 用户、应用程序、流水线以及其他智能体应该能通过简单的 API 轻松启动一个智能体。 当需要执行长时间运行的操作时，智能体及其编排确定性代码...

即使在 AI 领域之外，许多基础设施系统也试图将“执行状态”与“业务状态”分开。对于 AI 应用，这可能涉及复杂的抽象来跟踪当前步骤、下一步、等待状态、重试次数等信息。这种分离会带来复杂性，虽然可能物有所值，...

工具无需复杂。其核心只是来自你的大语言模型 (LLM) 的结构化输出，用于触发确定性代码。 例如，假设你有两个工具 CreateIssue 和 SearchIssues。要求一个大语言模型 (LLM) “使用多个工具之一”，其实就是要求它输...

你并非必须使用标准化的、基于消息的格式来向大语言模型传递上下文。 在任何给定时刻，你给 AI 智能体中的大语言模型的输入都是“这是目前为止发生的所有事情，下一步该怎么做” 一切皆是上下文工程。 大语言模型是...

不要将你的输入提示工程外包给框架。 顺便说一句，这远非什么新颖的建议： 一些框架提供了类似这样的“黑盒”方法： agent = Agent( role="...", goal="...", personality="...", tools=...

在构建智能体时，最常见的模式之一就是将自然语言转换为结构化的工具调用。这是一个强大的模式，它允许您构建能够对任务进行推理并执行它们的智能体。 这个模式在原子化应用时，就是将一个短语 (例如) 你能为 Ter...

详细版：我们是如何走到这一步的 你不必听我的 无论你是刚接触智能体的新手，还是像我一样脾气古怪的资深人士，我都会试着说服你，抛弃你对 AI 智能体的大部分既有看法，退一步，从第一性原理重新思考它们。 (如...

综合介绍 “12-Factor Agents” 不是一个具体的软件库或框架，而是一套用于构建可靠、可扩展且易于维护的LLM（大型语言模型）应用的设计原则。这个项目由开发者Dex发起，他发现许多团队在使用现有AI智.....

FineTuningLLMs 是由作者 dvgodoy 创建的 GitHub 仓库，基于其书籍《A Hands-On Guide to Fine-Tuning LLMs with PyTorch and Hugging Face》。这个仓库...

大语言模型（LLM）技术日新月异，开源社区也随之涌现出大量宝贵的学习资源。对于希望系统掌握 LLM 的开发者来说，这些项目是不可多得的实践宝库。本文将深入介绍九个在 GitHub 上广受好评的顶级开源项目，它们不...

简介 本课程将涵盖： 如何有效地规划将 AI Agent 部署到生产环境中。 将 AI Agent 部署到生产环境时可能遇到的常见错误和问题。 如何在保持 AI Agent 性能的同时管理成本。   学习目标 完成本课程后，你将了...

简介 欢迎阅读关于 AI Agent 中元认知的课程！本章专为对 AI Agent 如何思考自身思维过程感兴趣的初学者设计。在本课程结束时，你将理解关键概念，并掌握在 AI Agent 设计中应用元认知的实际示例。   学习目.....

当你开始着手一个涉及多个智能体的项目时，就需要考虑多智能体设计模式。然而，何时转向多智能体以及其优势可能并非显而易见。 简介 在本课程中，Microsoft 尝试回答以下问题： 哪些场景适用于多智能体？ 与仅使...