数据智能老司机

为金融和法律构建智能体，是一场完全不同的游戏。前几章中的通用架构还可以承受试错，但这些领域不行。在受监管领域中，一次合规失败并不只是产生一个糟糕答案。它可能触发罚款、制裁，甚至刑事责任。每一条建议都必

医疗健康和科学研究有一个共同特征，使它们区别于其他所有智能体领域：这里的错误会以生命为代价。一个诊断智能体把恶性肿瘤判断为良性。一个研究智能体漏掉文献中隐藏的致命药物相互作用。这些不是不便，而是灾难。

自主智能体已经不再是研究中的新奇事物。它们筛选简历、推荐治疗方案，并分配稀缺资源。这一转变提出了一个每个工程团队在发布前都必须回答的问题：我们如何确保这些系统按照人类价值行事？又如何让受其影响的人看见

智能体的演化，主要是一部语言的历史。从最早的聊天机器人到今天复杂的推理系统，智能体与环境之间的主要接口一直是文本。然而，人类智能并不在这种约束下运行。我们通过连续不断的感官输入流来导航世界：视觉线索为

在前几章中，我们探索了专门用于严谨逻辑综合和软件开发的智能体。现在，我们将注意力转向那些直接与人类体验互动的智能体。会话与内容创作智能体，代表了人工智能的创造性和社会性接口。不同于优先关注语法正确性和

本章探讨人工智能（AI）智能体如何重塑软件的构建、测试和改进方式。软件开发一直都是通过抽象来管理复杂性。我们从汇编语言走向高级语言，从手动构建走向自动化流水线，从临时测试走向持续集成。每一次转变都引入

现代时代的问题，并不是缺少数据，而是难以解释数据。本章考察一类专门化智能系统，它们不仅被设计用来处理信息，还能够理解信息、围绕信息进行推理，并从中提取有意义的洞察，以指导决策。不同于上一章“工具操控与

虽然语言模型为理解用户目标提供了推理基底，但真正让智能体能够执行任务并影响现实世界的，是工具的使用。本章将建立理解智能体如何通过三种递进模式，将推理转化为行动的架构基础： 我们首先介绍一种基础模式：单

在一个信息以惊人速度倍增的世界里，定位可靠、及时且具备上下文相关性的知识，已经成为创新、决策和竞争优势的决定性因素。大型语言模型（LLMs）已经彻底改变了我们理解和生成自然语言的方式，但它们的能力受限