掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大模型項目實戰(zhàn):AGENT開發(fā)與應用 版權信息
- ISBN：9787111777335
- 條形碼：9787111777335 ; 978-7-111-77733-5
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
大模型項目實戰(zhàn):AGENT開發(fā)與應用 本書特色
（1）實力派作者，洞察讀者實際需求：作者既是資深AI技術專家，也是經(jīng)驗豐富的項目導師，深諳行業(yè)動態(tài)和讀者需求。本書融合了作者的實踐經(jīng)驗、培訓反饋與官方資源，提供了一套快速上手、實用高效的指導方案。
（2）翔實內(nèi)容，降低開發(fā)門檻：本書采用開源框架，降低選型成本。書中深入剖析AI Agent的核心原理及15種主流框架，并通過10個不同領域的實例詳細講解實戰(zhàn)技巧，操作步驟細致、源代碼完整，助力讀者迅速掌握關鍵技術。
（3）貼近實際，滿足職場與創(chuàng)業(yè)需求：這是一本面向初中級讀者的Agent學習指南，覆蓋職場應用與創(chuàng)業(yè)項目的實際場景，幫助Agent使用者和開發(fā)者實現(xiàn)定制化開發(fā)，切實滿足多樣化的行業(yè)需求。
大模型項目實戰(zhàn):AGENT開發(fā)與應用 內(nèi)容簡介
這是一本面向初中級讀者的Agent學習指南，作者既是資深的AI技術專家，又是經(jīng)驗豐富的項目導師，融合作者親身實踐、培訓反饋與官方資源，為Agent使用者和開發(fā)者提供了快速上手的實用指導。 本書從基礎知識、操作和應用開發(fā)3個維度循序漸進地講解Agent實戰(zhàn)技巧，分為三篇： ?基礎篇（1~2章） 介紹Agent定義、發(fā)展歷程、常用開源技術、主要組件等基礎知識和開發(fā)環(huán)境的搭建過程。 ?應用篇（3~6章） 從通用型、任務驅動型、輔助開發(fā)型和檢索增強型 4大類，通過AutoGPT、MemGPT、BabyAGI、Camel、Devika、CodeFuse-ChatBot、DB-GPT、QAnything這8種具體類型，詳細描述Agent的安裝、配置和使用等操作步驟。 ?開發(fā)篇（7~16章） 展開分析10個不同場景的Agent應用開發(fā)實例。一方面，以AgentScope、LangChain、LangGraph、AutoGen、LlamaIndex、CrewAI、Qwen-Agent這7種被廣泛應用的開源Agent開發(fā)框架為基礎，針對每個框架各講解一個開發(fā)案例。另一方面，通過案例介紹Agent開發(fā)過程中關鍵的Function-calling特性及大語言模型開發(fā)技術。此外，對基于CogVLM2的多模態(tài)模型應用開發(fā)，也提供詳細的案例演示。
大模型項目實戰(zhàn):AGENT開發(fā)與應用大模型項目實戰(zhàn):AGENT開發(fā)與應用 前言
前 言
AI Agent（或簡稱為Agent）是建立在大語言模型之上的智能應用，是將人工智能與特定場景深度結合的重要方式。Agent模仿人類“思考–行動–觀察”的規(guī)劃模式，具備自主思考和自主決策的能力，能夠適應環(huán)境的變化，自主學習和改進，完成用戶設定的目標。與大語言模型的對話應用不同，Agent的突出特點是主動性，在行為上表現(xiàn)為多步操作、多角色會話、多輪迭代、反復修正答案以及調用外部資源的能力。
20世紀80年代，對于AI Agent是否能夠真正產(chǎn)生自主性的、生物意義上的“智能”這一問題已在哲學層面展開討論。20年前，深度學習的發(fā)展促進了Agent的進化。近幾年來，在大語言模型的支持下，Agent越來越具備主動性，“思考”問題的方法也在參考人類特征的基礎上，形成一套包含規(guī)劃、記憶、工具和行動的功能規(guī)范。在Agent與大語言模型技術結合方面，ReAct、ToT、Reflexion、CoT等思考框架的研究成果不斷，相關論文以及與之配套的開源代碼詮釋了理論如何變?yōu)楝F(xiàn)實？此蒲刍ǹ潄y實則科學嚴謹?shù)奶崾驹~工程，在與大語言模型的交互中，使得Agent像施展魔法般地實現(xiàn)了人類預定的目標。展望未來，基于Agent，人們對通用人工智能（Artificial General Intelligence， AGI）充滿了想象空間。
大模型項目實戰(zhàn):AGENT開發(fā)與應用 目錄
目 錄
前言
基礎篇
第1章 Agent基礎知識 2
1.1 Agent的概念 2
1.2 Agent的發(fā)展歷程 3
1.2.1 Agent起源 3
1.2.2 將Agent引入AI領域 4
1.2.3 Agent技術進化與理論完善 5
1.2.4 Agent的深度學習應用 5
1.2.5 基于LLM的Agent 6
1.3 常用的Agent開源技術及分類 6
1.4 Agent主要組件 10
1.4.1 大語言模型 11
1.4.2 規(guī)劃組件 12
1.4.3 記憶組件 15
1.4.4 工具組件 15
1.4.5 行動組件 16
第2章 Agent應用與開發(fā)環(huán)境搭建 17
2.1 Agent應用部署結構 17
2.1.1 服務同機部署模式 18
2.1.2 服務分布式部署模式 19
2.2 Agent應用環(huán)境安裝與驗證 19
2.2.1 推理卡驅動安裝 20
2.2.2 CUDA安裝 23
2.2.3 Anaconda安裝 25
2.2.4 Git安裝 26
2.2.5 應用環(huán)境驗證 26
2.2.6 關于開發(fā)工具的建議 27
2.3 大語言模型的裝載及API服務搭建 27
2.3.1 Ollama 27
2.3.2 vLLM 30
2.3.3 GLM-4專用服務 32
應用篇
第3章 通用型Agent應用 37
3.1 AutoGPT：個人助理 37
3.1.1 AutoGPT介紹 37
3.1.2 AutoGPT原理 38
3.1.3 AutoGPT應用 42
3.2 MemGPT：長記憶會話應用 47
3.2.1 MemGPT介紹 47
3.2.2 MemGPT原理 47
3.2.3 MemGPT應用 52
第4章 任務驅動型Agent應用 56
4.1 BabyAGI：任務自驅動應用 56
4.1.1 BabyAGI介紹 56
4.1.2 BabyAGI原理 57
4.1.3 BabyAGI應用 62
4.2 Camel：角色扮演應用 65
4.2.1 Camel介紹 65
4.2.2 Camel原理 65
4.2.3 Camel應用 67
第5章 輔助開發(fā)型Agent應用 70
5.1 Devika：AI“軟件工程師”應用 70
5.1.1 Devika介紹 70
5.1.2 Devika原理 71
5.1.3 Devika應用 75
5.2 CodeFuse-ChatBot：輔助編程應用 79
5.2.1 CodeFuse-ChatBot介紹 79
5.2.2 CodeFuse-ChatBot原理 80
5.2.3 CodeFuse-ChatBot應用 82
第6章 檢索增強型Agent應用 85
6.1 DB-GPT：數(shù)據(jù)庫應用 85
6.1.1 DB-GPT介紹 85
6.1.2 DB-GPT原理 86
6.1.3 DB-GPT應用 88
6.2 QAnything：知識庫應用 90
6.2.1 QAnything介紹 90
6.2.2 QAnything原理 91
6.2.3 QAnything應用 93
開發(fā)篇
第7章 大語言模型開發(fā)與微調 97
7.1 開發(fā)要點 97
7.2 GLM-4 98
7.2.1 GLM-4介紹 98
7.2.2 GLM-4安裝 98
7.2.3 Chat應用開發(fā) 99
7.2.4 GLM-4兼容API服務開發(fā) 102
7.2.5 GLM-4微調 104
7.3 Llama3 108
7.3.1 Llama3介紹 108
7.3.2 Llama3安裝 109
7.3.3 Chat應用開發(fā) 110
7.3.4 Llama3兼容API服務
開發(fā) 113
7.3.5 Llama3微調 118
第8章 基于GLM-4的Function-calling應用開發(fā) 124
8.1 開發(fā)要點 124
8.2 案例場景 125
8.3 關鍵原理 126
8.4 實現(xiàn)過程 128
8.4.1 環(huán)境安裝 128
8.4.2 源代碼 128
8.4.3 運行 133
第9章 基于AgentScope的ReAct Agent應用開發(fā) 134
9.1 開發(fā)要點 134
9.2 案例場景 134
9.3 關鍵原理 135
9.4 實現(xiàn)過程 138
9.4.1 環(huán)境安裝 138
9.4.2 源代碼 139
9.4.3 運行 142
第10章 基于LangChain的任務驅動Agent應用開發(fā) 143
10.1 開發(fā)要點 143
10.2 案例場景 144
10.3 關鍵原理 144
10.3.1 應用架構 145
10.3.2 應用運行流程 145
10.3.3 應用運行示例 146
10.4 實現(xiàn)過程 149
10.4.1 環(huán)境安裝 149
10.4.2 源代碼 150
10.4.3 運行 153
第11章 基于LangGraph的工作流Agent應用開發(fā) 155
11.1 開發(fā)要點 155
11.2 案例場景 155
11.3 關鍵原理 156
11.3.1 基本概念 156
11.3.2 工作流定義 157
11.4 實現(xiàn)過程 158
11.4.1 環(huán)境安裝 158
11.4.2 源代碼 159
11.4.3 運行 163
第12章 基于AutoGen的輔助編程Agent應用開發(fā) 164
12.1 開發(fā)要點 164
12.2 案例場景 165
12.3 關鍵原理 165
12.4 實現(xiàn)過程 167
12.4.1 環(huán)境安裝 167
12.4.2 源代碼 168
12.4.3 運行 171
第13章 基于LlamaIndex的RAG Agent綜合應用開發(fā) 173
13.1 開發(fā)要點 173
13.2 案例場景 174
13.3 關鍵原理 174
13.3.1 索引建立 175
13.3.2 智體查詢 176
13.4 實現(xiàn)過程 176
13.4.1 環(huán)境安裝 176
13.4.2 源代碼 178
13.4.3 運行 181
第14章 基于CrewAI的多角色Agent應用開發(fā) 182
14.1 開發(fā)要點 182
14.2 案例場景 183
14.3 關鍵原理 183
14.3.1 應用架構 183
14.3.2 主要組件 184
14.3.3 流式會話實現(xiàn)原理 185
14.4 實現(xiàn)過程 186
14.4.1 環(huán)境安裝 186
14.4.2 源代碼 187
14.4.3 運行 191
第15章 基于Qwen-Agent的多智體圖像應用開發(fā) 193
15.1 開發(fā)要點 193
15.2 案例場景 194
15.3 關鍵原理 195
15.3.1 應用架構 195
15.3.2 關鍵技術 196
15.4 實現(xiàn)過程 198
15.4.1 環(huán)境安裝 198
15.4.2 源代碼 200
15.4.3 運行 202
15.4.4 增強方案 202
第16章 基于CogVLM2的多模態(tài)Agent應用開發(fā) 204
16.1 開發(fā)要點
前言
基礎篇
第1章 Agent基礎知識 2
1.1 Agent的概念 2
1.2 Agent的發(fā)展歷程 3
1.2.1 Agent起源 3
1.2.2 將Agent引入AI領域 4
1.2.3 Agent技術進化與理論完善 5
1.2.4 Agent的深度學習應用 5
1.2.5 基于LLM的Agent 6
1.3 常用的Agent開源技術及分類 6
1.4 Agent主要組件 10
1.4.1 大語言模型 11
1.4.2 規(guī)劃組件 12
1.4.3 記憶組件 15
1.4.4 工具組件 15
1.4.5 行動組件 16
第2章 Agent應用與開發(fā)環(huán)境搭建 17
2.1 Agent應用部署結構 17
2.1.1 服務同機部署模式 18
2.1.2 服務分布式部署模式 19
2.2 Agent應用環(huán)境安裝與驗證 19
2.2.1 推理卡驅動安裝 20
2.2.2 CUDA安裝 23
2.2.3 Anaconda安裝 25
2.2.4 Git安裝 26
2.2.5 應用環(huán)境驗證 26
2.2.6 關于開發(fā)工具的建議 27
2.3 大語言模型的裝載及API服務搭建 27
2.3.1 Ollama 27
2.3.2 vLLM 30
2.3.3 GLM-4專用服務 32
應用篇
第3章 通用型Agent應用 37
3.1 AutoGPT：個人助理 37
3.1.1 AutoGPT介紹 37
3.1.2 AutoGPT原理 38
3.1.3 AutoGPT應用 42
3.2 MemGPT：長記憶會話應用 47
3.2.1 MemGPT介紹 47
3.2.2 MemGPT原理 47
3.2.3 MemGPT應用 52
第4章 任務驅動型Agent應用 56
4.1 BabyAGI：任務自驅動應用 56
4.1.1 BabyAGI介紹 56
4.1.2 BabyAGI原理 57
4.1.3 BabyAGI應用 62
4.2 Camel：角色扮演應用 65
4.2.1 Camel介紹 65
4.2.2 Camel原理 65
4.2.3 Camel應用 67
第5章 輔助開發(fā)型Agent應用 70
5.1 Devika：AI“軟件工程師”應用 70
5.1.1 Devika介紹 70
5.1.2 Devika原理 71
5.1.3 Devika應用 75
5.2 CodeFuse-ChatBot：輔助編程應用 79
5.2.1 CodeFuse-ChatBot介紹 79
5.2.2 CodeFuse-ChatBot原理 80
5.2.3 CodeFuse-ChatBot應用 82
第6章 檢索增強型Agent應用 85
6.1 DB-GPT：數(shù)據(jù)庫應用 85
6.1.1 DB-GPT介紹 85
6.1.2 DB-GPT原理 86
6.1.3 DB-GPT應用 88
6.2 QAnything：知識庫應用 90
6.2.1 QAnything介紹 90
6.2.2 QAnything原理 91
6.2.3 QAnything應用 93
開發(fā)篇
第7章 大語言模型開發(fā)與微調 97
7.1 開發(fā)要點 97
7.2 GLM-4 98
7.2.1 GLM-4介紹 98
7.2.2 GLM-4安裝 98
7.2.3 Chat應用開發(fā) 99
7.2.4 GLM-4兼容API服務開發(fā) 102
7.2.5 GLM-4微調 104
7.3 Llama3 108
7.3.1 Llama3介紹 108
7.3.2 Llama3安裝 109
7.3.3 Chat應用開發(fā) 110
7.3.4 Llama3兼容API服務
開發(fā) 113
7.3.5 Llama3微調 118
第8章 基于GLM-4的Function-calling應用開發(fā) 124
8.1 開發(fā)要點 124
8.2 案例場景 125
8.3 關鍵原理 126
8.4 實現(xiàn)過程 128
8.4.1 環(huán)境安裝 128
8.4.2 源代碼 128
8.4.3 運行 133
第9章 基于AgentScope的ReAct Agent應用開發(fā) 134
9.1 開發(fā)要點 134
9.2 案例場景 134
9.3 關鍵原理 135
9.4 實現(xiàn)過程 138
9.4.1 環(huán)境安裝 138
9.4.2 源代碼 139
9.4.3 運行 142
第10章 基于LangChain的任務驅動Agent應用開發(fā) 143
10.1 開發(fā)要點 143
10.2 案例場景 144
10.3 關鍵原理 144
10.3.1 應用架構 145
10.3.2 應用運行流程 145
10.3.3 應用運行示例 146
10.4 實現(xiàn)過程 149
10.4.1 環(huán)境安裝 149
10.4.2 源代碼 150
10.4.3 運行 153
第11章 基于LangGraph的工作流Agent應用開發(fā) 155
11.1 開發(fā)要點 155
11.2 案例場景 155
11.3 關鍵原理 156
11.3.1 基本概念 156
11.3.2 工作流定義 157
11.4 實現(xiàn)過程 158
11.4.1 環(huán)境安裝 158
11.4.2 源代碼 159
11.4.3 運行 163
第12章 基于AutoGen的輔助編程Agent應用開發(fā) 164
12.1 開發(fā)要點 164
12.2 案例場景 165
12.3 關鍵原理 165
12.4 實現(xiàn)過程 167
12.4.1 環(huán)境安裝 167
12.4.2 源代碼 168
12.4.3 運行 171
第13章 基于LlamaIndex的RAG Agent綜合應用開發(fā) 173
13.1 開發(fā)要點 173
13.2 案例場景 174
13.3 關鍵原理 174
13.3.1 索引建立 175
13.3.2 智體查詢 176
13.4 實現(xiàn)過程 176
13.4.1 環(huán)境安裝 176
13.4.2 源代碼 178
13.4.3 運行 181
第14章 基于CrewAI的多角色Agent應用開發(fā) 182
14.1 開發(fā)要點 182
14.2 案例場景 183
14.3 關鍵原理 183
14.3.1 應用架構 183
14.3.2 主要組件 184
14.3.3 流式會話實現(xiàn)原理 185
14.4 實現(xiàn)過程 186
14.4.1 環(huán)境安裝 186
14.4.2 源代碼 187
14.4.3 運行 191
第15章 基于Qwen-Agent的多智體圖像應用開發(fā) 193
15.1 開發(fā)要點 193
15.2 案例場景 194
15.3 關鍵原理 195
15.3.1 應用架構 195
15.3.2 關鍵技術 196
15.4 實現(xiàn)過程 198
15.4.1 環(huán)境安裝 198
15.4.2 源代碼 200
15.4.3 運行 202
15.4.4 增強方案 202
第16章 基于CogVLM2的多模態(tài)Agent應用開發(fā) 204
16.1 開發(fā)要點
展開全部
大模型項目實戰(zhàn):AGENT開發(fā)與應用 作者簡介
高強文
資深AI技術專家與項目導師。作為數(shù)字技術正高級工程師，專注于人工智能大語言模型應用開發(fā)、開源社區(qū)開發(fā)與運營。
AI領域創(chuàng)業(yè)先鋒，寧夏回族自治區(qū)勞動模范，F(xiàn)任互鏈高科（北京）技術發(fā)展有限公司總經(jīng)理，銀川方達電子系統(tǒng)工程有限公司董事長。20多年來，一直從事信息化、人工智能等產(chǎn)品研發(fā)與管理工作。
近年來積極投身于開源事業(yè)，開發(fā)運營aliendao.cn、gitclone.com和opendao.cn等開源社區(qū)，在GitHub上貢獻了20多個開源代碼庫。著有《大模型項目實戰(zhàn)：多領域智能應用開發(fā)》，旨在為開發(fā)者提供AI技術實踐指導。
書友推薦
- >
月亮與六便士
- >
上帝之肋:男人的真實旅程
- >
中國歷史的瞬間
- >
我從未如此眷戀人間
- >
朝聞道
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
隨園食單
- >
我與地壇
本類暢銷
