趋近智
趋近智
构建能够自主推理 (inference)、规划和交互的精密大型语言模型（LLM）应用。本课程详述智能体系统的设计与实现，侧重于ReAct和思维树等先进架构，并整合多样记忆机制以支持有状态、长上下文 (context)操作。获得构建智能体的实践经验，使之能够使用工具、相互协作，并通过结构化推理过程解决复杂问题。适合旨在扩展LLM能力极限的工程师和研究人员。
先修课程 LLM基本知识与Python编程
级别:
智能体架构
分析并实现ReAct、Self-Ask和思维树等先进智能体架构。
记忆增强
设计并整合多种记忆系统（短期、长期、向量数据库）到LLM应用中。
推理与规划
实现用于自主任务分解和执行的复杂推理和规划算法。
工具整合
开发LLM智能体有效选择和使用外部工具及API的机制。
多智能体系统
构建和管理涉及多个LLM智能体互动的系统，以完成协作或竞争性任务。
系统评估
应用严谨方法评估智能体系统的性能、可靠性和鲁棒性。