数据智能老司机

在前面的章节中，我们探索了一套面向构建智能体式 AI 系统的、完整的设计与架构模式语言。我们覆盖了若干类模式：多智能体协同、可解释性与合规、鲁棒性与容错、人机交互，以及单个...

在第 6 章中，我们重点讨论了如何让智能体系统具备可追责性，并使其决策过程透明化。我们建立了构建信任所必需的模式，使人们能够相信智能体所做的事情。然而，要让一个系统真正达到...

在前几章中，我们从单体能力与整体系统两个层面，为构建鲁棒、可扩展且安全的智能体系统打下了基础。我们设计了能够协同工作、遵循指令，并能与人类及外部系统安全交互的智能体。概括来...

在前面的章节中，我们对 agentic AI 的构建模块进行了细致的审视与组装。我们为单个智能体设计了记忆与推理能力，让它们能够在复杂任务上协同，并为将其架构为既健壮又可问...

在前面的章节中，我们探讨了治理多个智能体如何在一个健壮系统架构中协作的模式。现在，我们将把镜头拉近，聚焦于任何此类生态系统的基本单元：单个自治智能体（individual ...

在前几章中，我们建立了让智能体系统实现协同（coordinated） 、合规（compliant）与鲁棒（robust） 的架构模式。一个可靠且透明的系统，是最关键关系的必...

在上一章中，我们详细介绍了使多个智能体能够协同工作的协调模式，通过结构化协作来处理复杂问题。我们已经具备了让智能体进行规划、共享知识并解决冲突的蓝图。然而，要让一个智能体系...

在上一章中，我们建立了单个智能体的架构蓝图，探讨了它们的解剖结构与核心能力。我们看到，一个设计良好的单智能体就已经能够成为自动化任务的强大工具。然而，企业中最复杂、最有价值...

在本书的第一部分，我们为理解生成式AI奠定了基础，并描述了它向更复杂、更分布式的AI形态演进，以及向更自主系统发展的路径。我们探讨了GenAI在企业中的变革性潜力，借助“智...

在上一章中，我们探讨了选择和部署大语言模型（LLMs）时需要考虑的关键因素，并将其确立为驱动AI智能体推理和决策能力的认知引擎。我们看到，LLM在理解、规划和工具使用方面的...

正如我们在第一章中探讨的那样，智能体AI系统代表了生成AI演变的下一步。这一转变涉及从集中式智能向分布式智能的过渡。随着监控、治理和智能体系统的引导变得更加普遍和可靠，严格...

生成式 AI（Generative AI，GenAI）是人工智能（AI）的一个领域，它通过从海量数据集中底层模式的学习，使系统能够创建新的或合成的内容、进行推理、理解上下文...

随着我们进入本书的生成式 AI（GenAI）部分，值得先回顾一下：使用这项技术可能会触发哪些伦理红旗。需要说明的是，并非所有 GenAI 的用法本质上都不好，但我不建议你把...

文字是创意制作领域中许多人类任务的骨架：我们写脚本、收集客户反馈、头脑风暴新点子、做总结、做编辑。文字同样也是许多面向计算机的创意应用任务的关键——比如用于视频字幕的 SR...

图像与视频驱动着创意领域的大量工作，因此你会发现有很多机会让 AI 帮你对图像与视频进行组织、分类，并挑选出其中的部分内容。一些实用型 AI（Utility AI）任务有时...

为开启本书接下来的主要部分，我们将聚焦于执行音频实用任务的 AI 工具。这些任务可能会涉及一定程度的生成，但重点在于清理、分析，或是带来新的工作流——让你的工作更轻松或更快...

新技术往往会引发分歧，但近年来很少有哪项技术像人工智能（AI）这样呈现出如此强烈的两极化。在一些圈子里，使用任何形式的 AI 都被视为“不体面”，而且确实——我曾为一个客户...

自从艾伦·图灵首次提出“机器能否思考”这一问题以来，人工智能（AI）就一直激发着我们集体的想象力。虽然我们依然无法对这个重大问题给出明确的答案，但人工智能领域日益加快的变革...