首页
AI Coding
数据标注
NEW
沸点
课程
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
ChatGPT与大模型研究
数据智能老司机
创建于2023-05-22
订阅专栏
生成式AI探索和研究,场景落地。
等 133 人订阅
共486篇文章
创建于2023-05-22
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
使用 OpenAI Agents SDK 构建智能体——代理系统管理
随着你的代理系统日益复杂,如何让它们“可管、可观、可测、可证”就和实现核心逻辑一样重要。 多代理系统里常有大量代理、工具与交接(handoff)彼此作用,路径并不直观。为管理这类复杂性,OpenAI
使用 OpenAI Agents SDK 构建智能体——模型与上下文管理
到目前为止,我们在用 OpenAI Agents SDK 构建代理时大多依赖默认的 GPT-4o 模型。不过,OpenAI Agents SDK 的一大强项是“与模型解耦”。换句话说,你并不被某一家模
使用 OpenAI Agents SDK 构建智能体——多智能体系统与交接
有些任务并非单个人类就能完成,而需要一个由多人组成的组织(团队) 。想想任何一家大型公司:它之所以能实现目标,是因为不同专长的人协同合作。同理,单智能体系统(one-agent)能力有限;而多智能体系
使用 OpenAI Agents SDK 构建智能体——记忆与知识
现在我们的 Agent 已能通过工具采取行动,是时候赋予它们更接近人类的智能:记忆与知识。本章将探索如何超越无状态交互,让 Agent 具备记住过往消息、保留重要事实、并在生成回答时引用外部信息源的能
使用 OpenAI Agents SDK 构建智能体——代理工具与 MCP
现在我们已经构建了第一个可运行的 AI Agent,是时候赋予它真正的能力了。本章将超越基础,深入探讨 OpenAI Agents SDK 中最重要的元素之一:工具(tools) 。工具让 Agent
使用 OpenAI Agents SDK 构建智能体——环境配置与首个 Agent 开发
是时候上手了。我们将开始动手构建第一个 AI Agent。尽管 OpenAI Agents SDK 相对直观,在此之前仍需要先正确配置开发环境,并理解与 SDK 相关的一些基础 Python 概念。可
使用 OpenAI Agents SDK 构建智能体——OpenAI 代理(Agent)SDK 入门
**SDK(Software Development Kit,软件开发工具包)**是一组经过精心整理的库、工具与文档,让开发者可以“站在他人的辛勤成果之上”。我很喜欢这个略带俏皮的定义,因为它用大白话
使用 OpenAI Agents SDK 构建智能体——AI 代理简介
AI 代理正在改变我们的工作方式。 传统软件通常构建的是确定性(“若 X 则 Y”)且刚性的系统,难以处理模糊性或多变目标——但这一切正在改变。随着大语言模型(LLM)的进步,能够自主推理分步并采取行
LLM 提示工程——理解 LLM
你想成为那位用巧妙提示解锁 LLM 知识与算力“宝库”的低语者(whisperer)吗?要判断何种提示才算聪明、如何“撩”出正确答案,你首先需要理解 LLM 如何处理信息——也就是它们如何“思考” 。
LLM 提示工程——提示工程入门
ChatGPT 于 2022 年 11 月下旬发布。到次年 1 月,这款应用的月活用户估计已达 1 亿,成为史上增长最快的消费者应用。(作一对比,TikTok 花了 9 个月才达到 1 亿用户,Ins
建构 AI Agent 应用——人类—代理协作
当代理型系统逐步织入我们的工作流程时,成败不仅取决于“它们能做什么”,同样取决于“它们如何与人协作”。本章把交互层面的机制(界面、不确定性信号、交接方式)与治理结构(监督、合规、信任校准)结合起来,帮
建构 AI Agent 应用——保护代理式系统
采用代理式 AI 带来了有别于传统软件的独特安全挑战。代理式系统具有自治、复杂推理、动态交互与复杂工作流等特征,显著扩大了威胁面。要有效保护此类系统,必须同时应对传统安全问题以及源自代理自治、概率决策
建构 AI Agent 应用——改进闭环
在任何足够复杂的多代理系统中,失败不是异常——而是必然。这些系统运行在动态的真实环境中,要与多样化的用户、不可预测的输入,以及迅速变化的外部数据源交互。即便设计再完善,也会遭遇边界情形、含糊不清的指令
建构 AI Agent 应用——生产环境中的监控
无论你是产品负责人、机器学习(ML)工程师,还是站点可靠性工程师(SRE),一旦代理(agent)进入生产环境,你就必须能看见它们在做什么、为什么这么做。把代理系统上线只是“半程”;真正的挑战,从它们
建构 AI Agent 应用——验证与度量
构建产品和应用从未如此容易,但有效衡量这些系统仍是巨大的挑战。团队常常承受“尽快发布”的压力,但花时间严格评估性能、检验质量,从长期看能带来回报,并最终让团队以更高的信心与速度前进。缺乏严格的评估与度
建构 AI Agent 应用——由单体智能体走向多智能体协作
大多数用例都会从单个 Agent开始,但随着工具数量的增加,以及你希望 Agent 解决的问题范围扩大,引入多 Agent 模式可以提升整体性能与可靠性。正如我们不太会把所有代码都放在一个文件里,或把
建构 AI Agent 应用——Agentic 系统的学习机制
本章介绍将“学习”引入智能体系统的多种方法与集成技巧。让智能体具备随时间学习与改进的能力非常有用,但在设计智能体时并非绝对必要。实现学习能力需要额外的设计、评估与监控工作,是否值得投入取决于具体应用。
建构 AI Agent 应用——知识与记忆
你的智能体如今已具备工具与编排,足以采取行动完成真实工作。但在大多数场景中,你还会希望智能体既记得发生过什么,又知晓超出模型权重之外的更多信息。本章聚焦知识与记忆——两种互补却不同的方式,用来充实智能
建构 AI Agent 应用——编排
既然你的智能体已经具备一套可用工具,下一步就是将它们编排起来以解决真实任务。编排不只是决定调用哪些工具、何时调用;还需要为每次模型调用构建恰当的上下文,以确保行动有效且有依据。简单任务也许只需一个工具
建构 AI Agent 应用——工具调用
虽然基础模型(foundation models)擅长长时间对话,但工具才是赋能 AI 智能体去检索额外信息与上下文、执行任务、并以有意义的方式与环境交互的基石。在 AI 语境中,工具可以被定义为:智
下一页