趋近智
LLM智能体入门
章节 1: LLM 智能体是什么？
从大型语言模型到智能行动
不再局限于简单聊天机器人
LLM Agent 到底是什么？
LLM 智能体的作用
智能体与脚本的对比
代理应用举例
理解智能体自主性
第 1 章测验
章节 2: LLM代理的构成要素
LLM 的核心作用
编写代理指令
为Agent赋予功能
记住近期事件
行动前思考
代理的运行循环
简化的代理工作流程
第 2 章测验
章节 3: 你的第一个LLM智能体：循序渐进指南
为代理程序开发准备工作环境
为你的第一个智能体选择LLM
指导你的代理执行任务
明确代理的目标
编写代理的第一个动作
执行和监测你的智能体
处理初期问题
动手实践：创建一个待办事项代理
第 3 章测验
章节 4: 为Agent配备工具
理解代理工具
智能体工具的必要性
创建基本工具：一个计算器示例
将工具连接到你的智能体
提示Agent使用工具
Agent 工具选择逻辑
可用工具类别概览
动手实践：为你的智能体添加搜索功能
第 4 章测验
章节 5: 智能体基本规划与执行
什么是智能体规划？
用思维链引导智能体的推理
介绍 ReAct 方法
为代理设定明确目标
分解复杂任务
跟踪任务执行
处理基本执行失败
实践：构建一个处理顺序任务的 ReAct 智能体
第 5 章测验
章节 6: LLM 智能体记忆：记住信息
代理为何需要记忆
不同记忆系统概览
关注对话语境
短期记忆的简单实现
记忆对智能体行为的影响
了解短期记忆的界限
动手实践：为你的智能体添加情境记忆
第 6 章测验
为Agent赋予功能
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？
© 2025 ApX Machine Learning用心打造