动手做ai agent

1. 内容介绍

人工智能时代一种全新的技术Agent正在崛起。这是一种能够理解自然语言并生成对应回复以及执行具体行动的人工智能体。它不仅是内容生成工具，而且是连接复杂任务的关键纽带。

本书将探索Agent的奥秘，内容包括从技术框架到开发工具，从实操项目到前沿进展，通过带着读者动手做7个 功能强大的Agent，全方位解析Agent的设计与实现。本书最后展望了Agent的发展前景和未来趋势。

2. 适合人群

本书适合对Agent技术感兴趣或致力于投身该领域的研究人员、开发人员、企业负责人，以及高等院校相关专业师生等阅读。

有需要《动手做ai agent》PDF文档，可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】

3. 目录内容

第1章 何为Agent，为何Agent
1.1 大开脑洞的演讲：Life 3.0
1.2 那么，究竟何为Agent
1.3 Agent的大脑：大模型的通用推理能力
1.4 Agent的感知力：语言交互和多模态
1.5 Agent的行动力：语言输出和工具使用
1.6 Agent对各行业的效能提升
1.7 Agent带来新的商业模式和变革
1.8 小结

第2章 基于大模型的Agent技术框架
2.1 Agent的四大要素
2.2 Agent的规划和决策能力
2.3 Agent的各种记忆机制
2.4 Agent的核心技能：调用工具
2.5 Agent的推理引擎：ReAct框架
2.6 其他Agent认知框架
2.7 小结

第3章 OpenAI API、LangChain和LlamaIndex
3.1 何为OpenAI API
3.2 何为LangChain
3.3 何为LlamaIndex
3.4 小结

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
4.1 OpenAI公司的Assistants是什么
4.2 不写代码，在Playground中玩Assistants
4.3 Assistants API的简单示例
4.4 创建一个简短的虚构PPT
4.5 小结

第5章 Agent 2：多功能选择的引擎——通过Functions Calling调用函数
5.1 OpenAI中的Functions
5.2 在OpenAI Playground中定义Function
5.3 用Assistants API来实现Functions Calling
5.4 用ChatCompletion API来实现Tool Calls
5.5 小结

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
6.1 复习一下ReAct推理框架
6.2 LangChain中ReAct Agent 的实现
6.3 LangChain中的工具和工具包
6.4 通过create_react_agent创建鲜花定价Agent
6.5 深挖AgentExecutor的运行机制
6.6 小结

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
7.1 Plan-and-Solve策略的提出
7.2 LangChain中的Plan-and-Execute Agent
7.3 用Plan-and-Execute Agent实现物流管理
7.4 从单Agent到多Agent
7.5 小结

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
8.1 何为检索增强生成
8.2 RAG和Agent
8.3 用LlamaIndex的ReAct Agent来实现花语秘境财报检索
8.4 小结

第9章 Agent 6：GitHub的网红聚落——AutoGPT、BabyAGI、CAMEL和Generative Agents
9.1 AutoGPT
9.2 BabyAGI
9.3 CAMEL
9.4 小结

第10章 Agent 7：多Agent系统框架——AutoGen和MetaGPT
10.1 AutoGen
10.2 MetaGPT
10.3 小结

第11章 下一代Agent的诞生地：科研论文中的新思路
11.1 两篇高质量的Agent综述
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
11.3 小结

---

有需要大模型更多书籍PDF文档，可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】