devbox
小桥流水78
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

AGI之Agent：Agent(一种训练LLM模拟人类在现实世界中各种规则和行为系统)的简介、部署应用及其框架、代表性案例(单智能体(BabyAGI/AutoGPT/HuggingGPT/GPT-En_llm agent案例

作者：小桥流水78 | 2024-07-13 19:23:44

赞

踩

llm agent案例

AGI之Agent：Agent(一种训练LLM模拟人类在现实世界中各种规则和行为系统)的简介、部署应用及其框架、代表性案例(单智能体(BabyAGI/AutoGPT/HuggingGPT/GPT-Engineer/Samantha/AppAgent/OS-Copilot/Langgraph/)、多智能体(斯坦福虚拟小镇/MetaGPT/AutoGen/ChatDEV/GPTeam/GPT Researcher/TaskWeaver/微软UFO/CrewAI/AgentScope)、实战应用之详细攻略

目录

相关文章

AGI之Agent：Agent(一种训练LLM模拟人类在现实世界中各种规则和行为系统)的简介、实现案例(LangChain/ChemCrow/Generative Agents/AutoGPT/SuperAGI/GPT-Engineer/AutoGen)、实战应用之详细攻略

AGI之Agent：《Generative Agents: Interactive Simulacra of Human Behavior生成代理：人类行为的交互模拟》翻译与解读

AGI之Agent：《A Generalist Agent一个通用型代理—Gato》翻译与解读

AGI之Agent：《基于LLM驱动的智能体—三大组件(规划+记忆+工具使用)、四大案例(ChemCrow/AutoGPT/GPT-Engineer/Generative Agents)、三大挑战(限的上下文长度/规划困难/自然语言接口的可靠性)》的翻译与解读

AGI之Agent：《Personal LLM Agents: Insights and Survey about the Capability, Efficiency and Security个人LLM智能体：能力、效率与安全的洞察与调查》翻译与解读

AGI之Agent：《Agent AI: Surveying the Horizons of Multimodal Interaction智能体AI:多模态交互视野的考察》翻译与解读

Agent的简介

1、Agent的概述

2、Agent的评估基准

使用工具增强LLMs的评估基准：API-Bank(利用API增强LLMs，包含一个全面的工具增强LLM工作流【568个API调用】)、ToolBench(使模型有效地利用通用工具的功能)

3、Agent的类型

T1、ReACT-Agent

LLMs之ReACT-Agent：ReACT-Agent简介、实现及其使用方法(MReACT/AutoReACT)、案例应用(比如采用ReAct框架让LLM稳定输出JSON格式数据)之详细攻略

T2、STORM-Agent

Agent的实战部署应用

1、具有Agent能力的大语言模型

0、langchain的总结：工具调用能力、结构化输出能力

T1、GPT3.5

LLMs之ToolAgent：基于LangChain框架采用Agent根据用户文本输入+指定工具+历史对话实现记忆功能和检索功能的智能查询—定义工具集(检索工具【根据指定网页检索】+Tavily搜索工具【爬虫实时最新搜索】)并初始化→创建Agent(采用更优的GPT3.5+提供指定工具集+模板prompt)并定义Agent执行器→基于用户查询Agent进行响应并对比(仅基于工具直接回答/基于历史信息和工具来回答)

LLMs之ToolAgent：基于LangChain框架的LangServe提供FastAPI服务的ToolAgent应用实战案例—通过接收用户输入+Agent调用语言模型并利用检索工具来处理输入(提供关于查询的相关信息)然后返回相应的输出—创建retriever检索器(加载指定网页数据+文本分割+利用OpenAIEmbeddings文档向量化到FAISS)→定义工具集(将retriever包装为检索工具【根据指定网页检索】+Tavily搜索工具【爬虫实时最新搜索】)并初始化→创建Agent(采用更优的GPT3.5+提供指定工具集+模板prompt)并定义Agent执行器→利用FastAPI(标题+版本+描述)创建应用程序→添加路由(定义输入和输出模型+添加一个路由到FastAPI应用)→启动应用(通过Uvicorn启动FastAPI应用并监听)

T2、GPT-4

LLMs之ToolAgent：基于LangChain框架通过使用搜索API来增强大型语言模型的响应效果并基于几个特定问题来评估和对比不同搜索API的效果——定义四个不同的API工具(作用是互联网上获取最新信息+为使结果更具可比性将返回结果数量设置为3)→创建Agent(采用GPT4+提供某1个指定工具+模板prompt)并定义Agent执行器→评估服务(定义instruction(包含评估标准/返回细节)合并到prompt+采用GPT-4回答【temperature设为0以确保模型更具确定性】→构建LLM链返回Json格式)→执行过程(循环工具和问题+利用ask_agent函数获取回答+采用eval_service函数对回答进行评估)

T3、ChatGLM3

LLMs之ChatGLM3：ChatGLM3/ChatGLM3-6B的简介(多阶段增强+多模态理解+AgentTuning技术)、安装和使用方法、案例应用(实现多轮对话能力(Chat)、工具调用能力(Function Call)、代码执行能力(Code Interpreter)→进而实现 Agent 复杂任务场景)之详细攻略

LLMs之ToolAgent：基于ChatGLM3模型构造可使用多种工具且考虑历史对的Agent实现交互式对话聊天机器人(可通过分析response来探究LLM如何理解并调用最相关工具的机制原理)——加载模型和分词器→基于工具集合和指令提示来定义一个system角色的提示文本→构建与用户进行交互的无限循环(提示用户输入+调用模型回应并更新历史对话+若响应为dict则将角色从user更新为observation+继续循环)

T4、GLM-4

LLMs之GLM-4：GLM-4的简介(全覆盖【对话版即ChatGLM4的+工具调用+多模态文生图】能力→Agent)、安装和使用方法、案例应用之详细攻略

T5、Claude-2

LLMs之Agent之XMLAgent/JsonChatAgent/StructuredChat/ReAct：基于LangChain框架构建一个基于LLM(采用claude-2.1驱动)能够利用XML结构化数据进行对话的Agent系统(可以执行更复杂的任务,如信息检索、数据格式转换等)—定义工具列表(如TavilySearchResults)→创建XMLAgent(将llm【XML采用claude-2.1/Json和Structured采用ChatOpenAI】、tools、prompt【提示模板】打包给create_xml_agent+定义AgentExecutor)→测试XML Agent(用户输入dict格式+直接测试/带记忆的测试)→自定义XMLAgent并测试(中间步骤过程字符串化以嵌入到提示中/工具列表字符串化以嵌入到提示中→定义agent(采用管道操作符|实现)→定义AgentExecutor→测试XMLAgent【应与提示中指定的格式同步】)

2、部署框架

T1、基于LangChain框架实现

Py之Langchain：Langchain(LLM大型语言模型应用程序框架/将LLMs个体进行flow的能力)的简介、安装、使用方法之详细攻略

LangChain之Agent：LangChain框架中与Agent相关的概念简介、Agent分类(五大维度分类/8种代理)、常用函数、案例应用之详细攻略

LLMs之Langchain之Agent：案例集合—利用langchain实现Agent的多种组合工具应用(如调用ChatGPT的API+wikipedia工具+llm-math计算器工具实现实现回答问题任务)

LLMs之SQL_Prompt之ToolAgent：基于LangChain框架结合LLM(GPT-4)将自然语言转换为SQL并通过连接数据库执行查询功能实战案例——构建LLM(OpenAI模型)→创建SQL数据库工具(连接192.168.11.7地址的Teradata【可扩展的关系型数据库】的Sales【数据库名】)→构建基于SQL工具的Agent并测试(创建并运行SQL代理+初始测试与数据库对话+测试复杂问题【失败】)→基于重新定义代理提示来再次构建基于SQL的Agent并测试(定义prompt+重新构建基于SQL的Agent+重新测试+更多测试)

LLMs之ToolAgent：基于LangChain框架采用ChatGLM3通过调用自定义的工具实现ToolAgent的功能(arxiv论文查询、天气查询、数值计算等单工具调用或者多工具调用)输出详解实战

LLMs之KG-RAG-Agent：基于LangChain框架利用知识图谱(Neo4j构建知识图数据库+Cyphe查询语言)结合RAG技术打造多种工具的Agent进而实现与图知识库对话查询的机器人应用实战案例——导入知识图谱数数据(Neo4j)→基于向量索引和OpenAIEmbeddings构建RetrievalQA并测试相似性搜索→创建一个GraphCypherQAChain的Cyphe图查询式问答系统并并使用知识图谱测试→创建多模态Agent并测试(定义一个工具列表【Tasks/Graph】+创建一个多模态Agent+测试多模态Agent回答问题)

LLMs之ToolAgent：基于LangChain框架(+LangSmith跟踪)来创建一个能够利用工具（如搜索引擎和文档检索器）以及参考聊天历史信息来响应用户输入的代理——定义工具转换为AGent格式并创建工具列表(Tavily【在线搜索】和和Retriever【本地检索】)→创建Agent(定义llm【ChatOpenAI+温度为0】和prompt+定义Agent【使用LLM、Prompt和Tools来初始化Agent】+定义Agent执行器【思考这些组件】)→创建并测试两种Agent→带有记忆功能的Agent→创建chat_history+添加聊天历史支持【RunnableWithMessageHistory】+基于聊天历史测试Agent

LLMs之Agent之Self-ask with Search：基于LangChain框架实现SawS Agent(自我提问并搜索)—初始化工具列表(TavilyAnswer)→创建SawS Agent(将llm【采用Fireworks】、tools、prompt【提示模板】打包给create_self_ask_with_search_agent+定义AgentExecutor)→测试SawS Agent(用户输入dict格式)

T2、基于LangGraph框架实现

LLMs之LangGraph：LangGraph(以图逻辑的方式处理复杂流程任务/带有循环功能的Agent)的简介、安装和使用方法、案例应用之详细攻略

LLMs之Agent之langgraph：基于langgraph框架利用条件边(动态地路由到下一步执行的节点)+状态图(代理器的工作流程)来构建一个循环代理器来实现了代理器的自动化决策和工具调用(解决LLM在处理对话和工具调用时的困难)

Agent的经典案例：ChemCrow/Generative Agents/AutoGPT/SuperAGI/GPT-Engineer

0、智能体分类：单智能体(BabyAGI/AutoGPT/HuggingGPT/GPT-Engineer/Samantha/AppAgent/OS-Copilot/Langgraph/)、多智能体(斯坦福虚拟小镇/MetaGPT/AutoGen/ChatDEV/GPTeam/GPT Researcher/TaskWeaver/微软UFO/CrewAI/AgentScope)

Agent：awesome-ai-agents项目的简介(最主流AI自主Agent的全面列表及其详情)、分类、使用方法之详细攻略

1、2023年3月30日，AutoGPT—一个有趣的概念验证演示：基于GPT-4驱动的能够自主完成任务的人工智能模型(无需人类的干预)。但是通过自然语言接口操作存在可靠性问题​​​​​​​

AGI之Agent：AutoGPT(构建和使用AI代理)的简介、安装和使用方法、案例应用之详细攻略

2、2023年4月11日，ChemCrow：专注有机合成、药物发现和材料设计等任务，将CoT推理与任务相关的工具相结合=LLM+18个专业工具+LangChain框架，完整性优于GPT-4

AGI之Agent：《ChemCrow: Augmenting large-language models with chemistry tools用化学工具增强大语言模型》翻译与解读

3、2023年4月13日(论文)，Generative Agents—基于Agents的虚拟场景模拟：斯坦福的“虚拟小镇”，由25个AI智能体(每个人物都由LLM控制)复现《西部世界》，模拟了25个虚拟人物在《模拟人生》游戏灵感的沙盒环境中生活和互动(基于过去的经验)

AGI之Agent：《Generative Agents: Interactive Simulacra of Human Behavior生成代理：人类行为的交互模拟》翻译与解读

4、2023年5月，SuperAGI是一款开源框架，用于构建、管理和运行有用的自主AI Agent

SuperAGI的概述

5、2023年6月，GPT-Engineer：根据提示生成整个代码库，其采用LLM进行任务细分和需求澄清

6、2023年9月，LLMs之Agent之AutoGen：AutoGen的简介、安装、使用方法之详细攻略

7、2023年12月，AGI之Agent：《GitAgent: Facilitating Autonomous Agent with GitHub by Tool Extension通过工具扩展实现与GitHub的自主代理》翻译与解读

Agent的案例应用

1、基础案例

2、进阶案例

相关文章

声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：【wpsshop博客】
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号