从零构建 AI Agent:LLM 大模型应用开发实践

从零构建 AI Agent:LLM 大模型应用开发实践_第1张图片

从零构建 AI Agent:LLM 大模型应用开发实践

Building-AI-Agent-from-Scratch-LLM-based-Application-Development-Practice

文章目录

  • 从零构建 AI Agent:LLM 大模型应用开发实践
  • 第1章:AI Agent 概述
    • 1.1 什么是 AI Agent
      • 1.1.1 AI Agent 的定义
      • 1.1.2 AI Agent 的特征
      • 1.1.3 AI Agent 与传统 AI 系统的区别
    • 1.2 AI Agent 的发展历程
      • 1.2.1 早期 AI Agent 研究
      • 1.2.2 机器学习时代的 AI Agent
      • 1.2.3 大语言模型驱动的 AI Agent
    • 1.3 AI Agent 的应用场景
      • 1.3.1 智能助手
      • 1.3.2 自动化任务执行
      • 1.3.3 决策支持系统
    • 1.4 AI Agent 的核心组件
      • 1.4.1 感知模块
      • 1.4.2 推理与决策模块
      • 1.4.3 执行模块
      • 1.4.4 学习与适应模块
  • 第2章:大语言模型(LLM)基础
    • 2.1 LLM 概述
      • 2.1.1 LLM 的定义与特点
      • 2.1.2 主流 LLM 模型介绍
      • 2.1.3 LLM 的能力与局限性
    • 2.2 LLM 的工作原理
      • 2.2.1 Transformer 架构
      • 2.2.2 自注意力机制
      • 2.2.3 预训练与微调
    • 2.3 LLM 的应用方式
      • 2.3.1 零样本学习
      • 2.3.2 少样本学习
      • 2.3.3 提示工程
    • 2.4 LLM 评估指标
      • 2.4.1 困惑度(Perplexity)
      • 2.4.2 BLEU 分数
      • 2.4.3 人工评估方法
  • 第3章:AI Agent 架构设计
    • 3.1 AI Agent 总体架构
      • 3.1.1 模块化设计原则
      • 3.1.2 数据流与控制流
      • 3.1.3 可扩展性考虑
    • 3.2 输入处理模块
      • 3.2.1 自然语言理解
      • 3.2.2 多模态输入处理
      • 3.2.3 上下文管理
    • 3.3 任务规划模块
      • 3.3.1 目标分解
      • 3.3.2 任务优先级排序
      • 3.3.3 资源分配
    • 3.4 知识检索模块
      • 3.4.1 知识库设计
      • 3.4.2 检索算法选择
      • 3.4.3 结果排序与筛选
      • 3.6.1 自然语言生成
      • 3.6.2 多模态输出生成
      • 3.6.3 输出质量控制
  • 第4章:LLM 集成与优化
    • 4.1 LLM 选型
      • 4.1.1 开源 vs 闭源模型
      • 4.1.2 通用模型 vs 领域特定模型
      • 4.1.3 性能与资源需求评估

第一部分:AI Agent 基础

第1章:AI Agent 概述

1.1 什么是 AI Agent

AI Agent(人工智能代理)是一个能够感知环境、做出决策并采取行动以实现特定目标的智能系统。它是人工智能研究和应用的核心概念之一,代表了我们在创造能够自主运作的智能实体方面的努力。

1.1.1 AI Agent 的定义

AI Agent 可以被定义为一个由以下组件构成的系统:

  1. 感知器(Sensors):用于感知环境状态的组件。
  2. 执行器(Actuators):用于在环境中执行动作的组件。

你可能感兴趣的:(计算,DeepSeek,R1,&,大数据AI人工智能大模型,ChatGPT,人工智能,agent,语言模型)