最近学习langchain，搞一搞agent，向大家汇报一下，不想看理论的直接跳到【五、一个实战的multi agent】这部分，开始汇报了，哈哈。

Multi-Agent，即多智能体系统，是人工智能领域中的一个重要概念，它指的是由多个具有自主决策和交互能力的智能体（Agent）组成的系统。这些智能体能够相互协作、竞争或协商，以完成共同或各自的任务。以下是对Multi-Agent的详细介绍：

一、定义与特点

• 定义：Multi-Agent系统是一种分布式人工智能模型，其中每个Agent都具有自主决策和交互能力。这些Agent可以分布在不同的物理位置或逻辑层次上，通过网络进行通信和协作。

• 特点：

• 1. 分布性：Agent可以分布在不同的物理位置或逻辑层次上，这使得系统能够更好地适应复杂、动态的环境。
  2. 自主性：每个Agent都具有自主决策和执行能力，能够根据自身的知识、目标和环境信息做出独立的决策。
  3. 交互性：Agent之间可以通过某种通信机制进行信息交换和协调，如显式的消息传递或隐式的共享内存等，以了解其他Agent的状态、意图和行动，并据此做出相应的反应和决策。
  4. 适应性：Multi-Agent系统能够根据环境和任务的变化动态地调整自身的结构和行为，以适应新的情况。

二、系统优势

• 灵活性和可扩展性：Multi-Agent系统采用分布式设计，Agent具有高内聚低耦合的特性，使得系统表现出极强的可扩展性。同时，系统可以根据需要灵活地添加或删除Agent，以适应不同的任务需求。
• 容错性：在Multi-Agent系统中，如果某个Agent出现故障，其他Agent可以自主地适应新的环境并继续工作，不会使整个系统陷入故障状态。
• 协作能力：Multi-Agent系统是分布式系统，Agent之间可以通过合适的策略相互协作完成全局目标。这种协作能力使得系统能够处理更为复杂和大规模的任务。
• 异质性：Agent可以是不同的个人或组织，采用不同的设计方法和计算机语言开发而成，因此Multi-Agent系统具有异质性，能够充分利用不同领域的专业知识和技术。

三、应用领域

Multi-Agent系统具有广泛的应用领域，包括但不限于：

• 智能机器人：在机器人控制中，多个智能体可以协同工作，实现复杂的任务规划和执行。
• 分布式控制系统：在工业自动化领域，Multi-Agent系统可以用于实现分布式控制，提高生产效率和安全性。
• 智能交通系统：在交通管理中，多个智能体可以协同处理交通信号控制、车辆调度等问题，缓解交通拥堵和提高交通效率。
• 电子商务系统：在电子商务领域，Multi-Agent系统可以用于实现智能推荐、智能客服等功能，提升用户体验和商家效率。

四、实现挑战

尽管Multi-Agent系统具有诸多优势和应用前景，但其实现也面临一些挑战：

• 通信机制设计：如何设计有效的通信机制以实现Agent之间的信息交换和协调是一个关键问题。
• 信用分配：在多智能体协作完成任务时，如何合理地分配信用和奖励是一个复杂的问题。
• 学习和决策：如何使Agent具备学习和决策能力以适应动态变化的环境是一个持续的研究方向。

综上所述，Multi-Agent系统是一种具有强大潜力和广泛应用前景的人工智能模型。随着技术的不断发展和完善，相信Multi-Agent系统将在更多领域发挥重要作用。

五、一个实战的multi agent

本次我想设计一个多agent协同的系统，用户可以使用任何agent的组合，为了演示，我设计了三个agent

agent1：写诗函数

注意，函数中的注释很重要，要写清楚，可以按照我的方式写

agent2：保存文本函数

这里有两个参数，一个是保存的内容，一个是路径

agent3：发邮件函数

注册函数和初始化代理

六、测试

测试1

nice ，我确实收到了

测试2

result = agent.run("帮我基于‘中秋’这个主题写一首诗，并以此为内容发送邮件给 1780105****@163.com 这个地址")

这次调用了两个agent：agent1和agent3，成功收到中秋祝福

测试3

result = agent.run("帮我基于‘国庆’这个主题写一首诗，保存到电脑E盘下，并以此为内容发送邮件给 17801051161@163.com 这个地址")

成功理解并调用三个agent，nice

注意：这里大模型我测试了几个 排序一次为 gpt-4o，qwen2：7b，gemma2:9b，建议使用qwen2:7b，免费-稳定，哈哈

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】🆓