AI Agent应用开发:构建多智能体协同系统电子书

作者简介

内容简介

前言

第1章 智能体系统概述

1.1 什么是智能体

1.1.1 智能体初识

1.1.2 智能体的概念

1.2 智能体的核心组件概述

1.2.1 大语言模型

1.2.2 工具模块

1.2.3 记忆模块

1.2.4 规划模块

1.2.5 RAG模块

1.3 智能体的发展历程

1.4 智能体的等级划分

1.4.1 RASA

1.4.2 Google

1.4.3 类自动驾驶

1.5 为什么要使用智能体

1.5.1 大模型的缺点

1.5.2 智能体的特点

1.6 什么是多智能体协同

1.7 实验环境搭建

1.7.1 网页版对话测试

1.7.2 代码版对话测试

1.8 本章小结

第2章 认识大模型

2.1 Transformer的架构原理

2.2 大模型的训练流程

2.2.1 数据清洗

2.2.2 分词技术

2.2.3 位置编码

2.2.4 模型预训练

2.2.5 大模型微调

2.2.6 大模型对齐

2.2.7 解码策略

2.2.8 大模型幻觉

2.3 国内外大模型介绍

2.3.1 国外知名大模型

2.3.2 国内知名大模型

2.3.3 垂直领域大模型

2.4 大模型调用实战

2.4.1 调用GPT-4大模型

2.4.2 调用百度文心一言大模型

2.4.3 调用本地大模型

2.5 大模型能力评测

2.5.1 为什么要做大模型评测

2.5.2 需要评测大模型的哪些能力

2.5.3 如何评测大模型

2.6 常用的评测数据集介绍

2.6.1 MMLU数据集

2.6.2 C-EVAL数据集

2.6.3 MATH数据集

2.6.4 GSM8K数据集

2.6.5 HumanEval数据集

2.7 大模型评测网站——OpenCompass

2.7.1 OpenCompass介绍

2.7.2 大模型排行榜

2.7.3 OpenCompass评测工具介绍

2.7.4 数据集评测实战

2.8 本章小结

第3章 提示词工程

3.1 提示词

3.1.1 提示词的基本概念与特点

3.1.2 提示词的示例

3.2 结构化提示词

3.2.1 结构化提示词的基本概念

3.2.2 结构化提示词的示例

3.3 提示工程

3.3.1 ICIO框架

3.3.2 CRISPE框架

3.3.3 APE框架

3.3.4 BROKE框架

3.3.5 CARE框架

3.3.6 COAST框架

3.3.7 RACE框架

3.3.8 RISE框架

3.3.9 ROSES框架

3.3.10 TAG框架

3.3.11 TRACE框架

3.4 提示词的优化方法

3.5 自动生成提示词

3.6 本章小结

第4章 RAG系统的构建

4.1 RAG介绍

4.1.1 RAG的基本概念

4.1.2 RAG系统的构成

4.2 极简RAG实现

4.2.1 构建阶段实现

4.2.2 检索生成实现

4.2.3 RAG流程测试

4.3 文档解析

4.3.1 文件类型介绍

4.3.2 Word文档提取

4.3.3 半结构化文本提取

4.3.4 邮件文本提取

4.3.5 PDF文本提取

4.3.6 表格文本提取

4.3.7 图片文本提取

4.4 RAG优化方法

4.4.1 数据处理优化方法

4.4.2 查询路由优化方法

4.4.3 索引优化方法

4.5 基于LangChain的RAG实现

4.5.1 LangChain介绍

4.5.2 LangChain的RAG数据流程

4.5.3 文档加载器

4.5.4 文档转换器

4.5.5 文本嵌入模型

4.5.6 向量存储

4.5.7 知识检索

4.5.8 基于LangChain构建完整的RAG系统

4.6 评测RAG系统的性能

4.6.1 RAGas框架介绍

4.6.2 RAG系统评测实战

4.7 本章小结

第5章 记忆模块

5.1 记忆模块介绍

5.1.1 什么是记忆

5.1.2 记忆的作用

5.1.3 记忆的信息类型

5.1.4 记忆的压缩方法

5.2 手动实现Memory实践

5.2.1 计算token数

5.2.2 摘要总结实现

5.2.3 短期记忆实现

5.2.4 长期记忆实现

5.2.5 记忆测试

5.3 MemGPT框架

5.3.1 MemGPT框架介绍

5.3.2 基于MemGPT的案例实践

5.3.3 MemGPT框架源码解析

5.4 Mem0框架

5.4.1 Mem0框架介绍

5.4.2 基于Mem0的案例实践

5.4.3 Mem0框架源码分析

5.5 BoT框架

5.5.1 BoT框架介绍

5.5.2 基于BoT的案例实践

5.5.3 BoT框架源码解析

5.6 本章小结

第6章 规划能力

6.1 思维链

6.1.1 思维链介绍

6.1.2 CoT案例分析

6.1.3 CoT编程实践

6.2 Self-Ask

6.2.1 Self-Ask介绍

6.2.2 Self-Ask案例实践

6.2.3 Self-Ask编程实践

6.3 Self-Reflexion

6.3.1 Self-Reflexion介绍

6.3.2 Self-Reflexion案例实践

6.3.3 Self-Reflexion编程实践

6.4 Function Calling

6.4.1 Function Calling介绍

6.4.2 Function Calling案例实践

6.4.3 Function Calling编程实践

6.5 ReAct

6.5.1 ReAct介绍

6.5.2 ReAct案例实践

6.5.3 ReAct编程实践

6.6 Plan-and-Execute

6.6.1 Plan-and-Execute介绍

6.6.2 Plan-and-Execute案例实践

6.6.3 Plan-and-Execute编程实践

6.7 Self-Discover

6.7.1 Self-Discover介绍

6.7.2 Self-Discover案例实践

6.7.3 Self-Discover编程实践

6.8 本章小结

第7章 多智能体系统

7.1 多智能体系统介绍

7.1.1 单智能体系统概述

7.1.2 多智能体系统的特点

7.2 多智能体系统的核心

7.2.1 交互环境

7.2.2 协作类型

7.2.3 组织结构

7.2.4 通信机制

7.2.5 冲突解决

7.3 AutoGen框架

7.3.1 AutoGen框架介绍

7.3.2 基本概念

7.3.3 单智能体示例说明

7.3.4 多智能体示例说明

7.3.5 源码分析

7.4 MetaGPT框架

7.4.1 MetaGPT框架介绍

7.4.2 单智能体示例说明

7.4.3 多智能体示例说明

7.4.4 源码分析

7.5 CrewAI框架

7.5.1 CrewAI框架介绍

7.5.2 基本概念

7.5.3 单智能体示例说明

7.5.4 多智能体示例说明

7.5.5 源码分析

7.6 LangGraph框架

7.6.1 LangGraph框架介绍

7.6.2 单智能体示例说明

7.6.3 多智能体示例说明

7.6.4 源码分析

7.7 本章小结

第8章 智能体案例实战

8.1 智能家居助手

8.1.1 MCP介绍

8.1.2 MCP架构说明

8.1.3 构建智能家居MCP服务端

8.1.4 构建智能家居MCP客户端

8.1.5 构建智能家居MCP智能体应用

8.1.6 测试智能家居智能体

8.1.7 案例小结

8.2 AI办公助手

8.2.1 AiPPT介绍

8.2.2 API KEY申请

8.2.3 自动生成PPT

8.2.4 构建MCP服务

8.2.5 构建AiPPT智能体

8.2.6 测试智慧办公智能体

8.2.7 案例小结

8.3 语言翻译助手

8.3.1 语言翻译介绍

8.3.2 翻译素材准备

8.3.3 翻译助手的架构设计

8.3.4 翻译助手智能体

8.3.5 测试语言翻译智能体

8.3.6 案例小结

8.4 知识库助手

8.4.1 知识库助手介绍

8.4.2 知识问答助手

8.4.3 进阶版知识问答助手

8.4.4 案例小结

8.5 编程助手

8.5.1 编程助手介绍

8.5.2 编程助手架构设计

8.5.3 LangGPT结构化提示词

8.5.4 智能体开发

8.5.5 工作流测试

8.5.6 案例小结

8.6 智能客服

8.6.1 智能客服介绍

8.6.2 智能客服架构设计

8.6.3 数据库设计

8.6.4 数据库操作实现

8.6.5 智能体开发

8.6.6 智能客服测试

8.6.7 案例小结

8.7 本章小结