Datawhale 组队学习 wow-agent task1 学习总结

1. Agents的诞生:从LLMs到自主行动

  • 比喻:想象一下,LLMs(大语言模型)就像是一个超级聪明的图书管理员,它知道很多书里的知识,但它只能告诉你书里写的内容,不能去外面帮你买新书或者帮你做饭。Agents就像是给这个图书管理员配了一个"机器人助手",这个助手不仅知道书里的知识,还能帮你跑腿、做饭、甚至帮你解决实际问题。

2. Agents的核心组件

  • 模型 (Model):这是Agent的"大脑",负责思考和决策。就像是一个聪明的指挥官,知道什么时候该做什么。

  • 工具 (Tools):这是Agent的"手和脚",负责执行具体的任务。就像是一个工具箱,里面有各种工具,比如锤子、螺丝刀、扳手等,可以根据需要选择使用。

  • 编排层 (Orchestration Layer):这是Agent的"指挥中心",负责协调大脑和手脚的工作。就像是一个乐队的指挥,确保每个乐器都在正确的时间演奏。

遇到问题1:

cannot import name 'TypeIs' from 'typing_extensions'

解决方法:

复制代码
pip install --upgrade typing_extensions

整体运行成功后出现:

LangGPT:

将之前的提问先注释掉,然后运行新的代码,得到以下结果:

openAI实现阅卷智能体

同样的操作可以得到以下结果:

代码疑问解析:

复制代码
def get_completion(prompt):
    response = client.chat.completions.create(
        model="glm-4-flash",  # 填写需要调用的模型名称
        messages=[
            {"role": "user", "content": prompt},
        ],
    )
    return response.choices[0].message.content

调用一个语言模型(在这里是 glm-4-flash)来生成对用户输入提示(prompt)的回复内容。

相关推荐
循环过三天6 分钟前
3-1 PID算法改进(积分部分)
笔记·stm32·单片机·学习·算法·pid
生如夏花℡30 分钟前
HarmonyOS学习记录3
学习·ubuntu·harmonyos
之歆33 分钟前
Python-封装和解构-set及操作-字典及操作-解析式生成器-内建函数迭代器-学习笔记
笔记·python·学习
幽络源小助理38 分钟前
SpringBoot基于JavaWeb的城乡居民基本医疗信息管理系统
java·spring boot·学习
天天爱吃肉82181 小时前
ZigBee通信技术全解析:从协议栈到底层实现,全方位解读物联网核心无线技术
python·嵌入式硬件·物联网·servlet
虾球xz2 小时前
CppCon 2018 学习:EFFECTIVE REPLACEMENT OF DYNAMIC POLYMORPHISM WITH std::variant
开发语言·c++·学习
Chef_Chen2 小时前
从0开始学习R语言--Day38--辛普森多样性指数
学习
Allen_LVyingbo2 小时前
Python常用医疗AI库以及案例解析(2025年版、上)
开发语言·人工智能·python·学习·健康医疗
DKPT2 小时前
Java组合模式实现方式与测试方法
java·笔记·学习·设计模式·组合模式
智能砖头2 小时前
LangChain 与 LlamaIndex 深度对比与选型指南
人工智能·python