文章目录
基础概念介绍
人工智能概念简介：
现在的大模型都是通过深度学习这种算法学习出来的大模型工作流程
1.分词
对输入的句子进行分词，比如我想去北京， 拆分成【我，想，去，北京】 （分词有不同的拆分策略，比如一个字一个字，或者说根据常用词语等）
拆分出来的单个的词都对应一个token, 每一个token又对应一个token id，这样我们就会得到一个token id列表。
2.根据给定的文本预测下一个token
根据第一步我们得到了一个token列表，第二步其实就是开始生成，根据最大概率原则生成下一个token。再把新生成的token加入到列表中，如此循环往复，这个过程叫做自回归 。直至输出特殊token(如句号对应的token)或者长度达到阈值。
这个概率是怎么预测的呢？ 是通过Transformer预测的。
调用大模型参数
temperature(温度):
语义相似度，一般是0-1，当为0的时候，同一个问题的回复的相似度是最高的，也更贴合人类的回复。
为1的时候是最低的，这个时候回复就倾向于不同的结果，会更具有发散性，但并不是很直接准确。
提示词工程
提示词决定了大模型给我们怎样的反馈，答案正确与否， 所以提示词很关键
怎样用提示词？
1.明确目标： 你希望大模型为你做什么
2.对于复杂任务，自己拆分步骤，引导大模型
3.明确上下文，给出自己的背景信息
Agent
Agent是什么
大模型可以接受输入，可以分析&推理，但是缺无法进行规划，思考，无法调用外部工具，资源去解决问题，也无法拥有人类的记忆能力。
AI Agent是基于LLM(大语言模型)的能够自主理解，规划，执行复杂任务的智能体。
更直白的理解就是基于LLM的代理人，本质上还是涌现LLM的能力，Agent的大脑还是LLM.
Agent的设计是为了解决大模型无法直接解决的问题，尤其是这些问题涉及多个任务或者说外部数据的情况。
Agent流程图
Planning(规划) :
智能体会对任务进行拆分 ， 并规划任务执行流程，同时对执行过程进行反思和思考，从而决定是否继续执行任务或者是结束任务
Memory(记忆)：
分为短期记忆和长期记忆，
长期记忆指的是外部知识库，通常用向量数据库进行检索和搜索。 长期存在
短期记忆指的是一次任务的上下文， 任务结束清空
Tools（工具库）：
为智能体配备的工具API, 比如：数据库搜索，代码执行器， 计算器等等。
Action(执行):
最后就是执行，根据规划和记忆进行执行，这个过程中可能调用外部的API.
自己创建一个Agent
其实已经有开源的Agent框架了，比如说LangChain,我们只需要调用接口即可。
添加记忆
添加工具
其他Agent框架
今天的分享就到这里了,有问题可以在评论区留言,均会及时回复呀.
我是bling,未来不会太差,只要我们不要太懒就行, 咱们下期见.
