趋近智
智能体LLM系统与记忆增强架构
章节 1: 智能体行为的基本原理
界定LLM情境下的自主行动能力
自主大型语言模型系统的组成部分
Agentic 系统设计中的挑战
先进智能体框架概览
章节 2: 进阶智能体架构与推理
ReAct 框架：推理与行动的整合
实现 ReAct 智能体
自问：通过迭代提问提升事实准确性
思维树（ToT）应对复杂问题
基于图的推理结构
推理架构的比较分析
实践：构建自定义ReAct智能体
章节 3: 设计复杂的记忆系统
记忆在智能体系统中的作用
短期记忆机制
长期记忆：向量数据库与嵌入
高级检索策略
结构化记忆表示
记忆整合与摘要技术
管理内存读写操作
动手实践：集成向量数据库记忆
章节 4: 复杂规划与工具集成
任务分解策略
分层规划方法
集成外部工具和API
工具描述与选择机制
API 错误与工具执行故障的处理
自我校正与计划优化
实践：搭建一个使用工具的多步骤规划智能体
章节 5: 多智能体系统
多智能体系统（MAS）设计原则
LLM 智能体的通信协议
协作解决问题架构
代理角色与专业分工
协调机制
竞争与谈判场景
多智能体系统扩展中的挑战
动手实践：构建协作代理团队
章节 6: 智能体系统的评估与优化
制定代理任务的成功衡量标准
评估推理与规划能力
评估工具使用的可靠性和准确性
记忆系统性能评估
智能体系统的基准测试 (AgentBench等)
复杂代理行为的调试策略
代理系统性能优化方法
大语言模型针对特定智能体角色的微调
实践：构建评估框架
协调机制
全新 · 开源
Kerb - 大语言模型开发工具包
用于构建生产级 LLM 应用的 Python 工具包。提供提示词、RAG、智能体、结构化输出和多提供商支持等模块化实用工具。
这部分内容有帮助吗？
- An Introduction to MultiAgent Systems (3rd Edition), Michael Wooldridge, 2020 (John Wiley & Sons) - 一本涵盖多智能体系统理论与设计的教科书，包括对协调、通信和各种架构的讨论。
- The Contract Net Protocol: High-Level Communication and Control in a Distributed Problem Solver, Reid G. Smith, 1980 IEEE Transactions on Computers, Vol. C-29 (IEEE) DOI: 10.1109/TC.1980.1675516 - 介绍了契约网协议的原始论文，这是一种去中心化任务分配机制。
- AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation, Qingyun Wu, Gagan Bansal, Jieyu Zhang, Yiran Wu, Beibin Li, Erkang Zhu, Li Jiang, Xiaoyun Zhang, Shaokun Zhang, Jiale Liu, Ahmed Hassan Awadallah, Ryen W White, Doug Burger, Chi Wang, 2023 arXiv preprint arXiv:2308.08155 DOI: 10.48550/arXiv.2308.08155 - 介绍了AutoGen，一个促进多智能体对话解决复杂任务的框架，展示了基于LLM系统中实际的协调模式。
- A Survey on Multi-Agent System Architectures and Coordination Approaches, Zeeshan-Ul-Hassan, Muhammad Khan, 2018 International Journal of Advanced Computer Science and Applications, Vol. 9 - 提供了各种多智能体系统架构的概述，并讨论了不同的协调机制和方法。
© 2025 ApX Machine Learning用心打造