該教程內容全面，涵蓋了人工智慧代理的基本概念和發展歷史，以及實際項目，例如創建自己的人工智慧代理框架和構建多代理系統。該課程教授實用技能，例如內存管理、上下文處理、通信協議和大型語言模型的訓練方法。通過學習本教程，您可以更深入地了解相關知識，同時獲得現實世界的編碼經驗，從簡單地使用人工智慧模型到獨立設計智能系統。這將幫助您開發高級人工智慧技能，這些技能對求職、研究或創建創新的人工智慧應用程式很有用。相關學習材料在線發布，隨時可用。
早期接觸特工。
AutoGPT、多代理、計劃器、工具調用.
這些概念不斷出現在時間軸上，但它們更像是 一堆並列的新術語 而不是一個可以消化的邏輯。
每個人都在做「更自動的人工智慧」，
但我不知道：
自動化到底是如何發生的？
直到我再讀一遍 你好特工.
那一刻我意識到：模式從未改變
有一個非常微妙但非常關鍵的轉折點。
突然意識到一件事：
特工不會引入任何新的「情報來源」。
型號還是原來的型號。
能力邊界沒有擴大。
知識也沒有神秘的增長。
真正改變的是 模特參與的方式.
不再是：
問過|給出答案
相反，它被允許進入 持續的過程.
從本質上講，Agent實際上是一個允許您重複思考的結構。
後來我越來越確定：
Agent的核心其實很簡單。
這是它：
該模型被允許多次干預決策，而不是一次給出全部結論。
這與聊天模式完全不同。
聊天模式更像是：
「現在告訴我你認為應該立即做什麼。"
代理更像是：
「讓我們先邁出一步，看看結果，然後再決定下一步。"
當模型可以：
- 看看你最後一步做了什麼
- 看看環境給出了什麼反饋
- 然後根據這些信息繼續判斷
它不再只是「語言生成器」。
一旦這個循環出現，很多事情都會順利進行
我第一次專注於 循環本身，而不是模型輸出的內容。' nbsp;你好特工
思考-行動-觀察-再思考
一旦你承認循環是系統的主體，並且模型只是循環中的一個角色，之前的很多曲折就被解開了。
例如：
- 為什麼代理人需要國家？
- 為什麼無論寫得多麼好，提示符都不能取代流程？
- 為什麼「自動化」本質上是決策權的轉移？
答案就在這個周期中。
工具其實是次要的，關鍵是「誰在選擇」
我以前也被工具調用所吸引。
看來只要有足夠的工具，代理就足夠強大了。
但後來我慢慢意識到一個更重要的問題：
誰在決定是否使用工具？
如果是一個人寫的規則，那只是一個劇本。
如果模型根據當前情況做出判斷，那麼它就是Agent。
這些工具只是擴展。
選擇權是本質.
這就是我開始真正區分「自動化流程」和「代理系統」的地方。"
為什麼這個項目令人放心
你好特工 感覺並不「神奇」，但 放心.
它並不急於展示能力的界限，
相反，它反覆向你展示了一件事：
代理並不神秘，它只是一個旨在允許模型反覆干預的程式結構。
這讓我第一次感受到：
Agent不是一個時髦的名詞，而是一個可以理解、分解和重建的東西。
再次看Agent，是不同的視角
從那時起，當我查看任何Agent框架時，我的注意力會無意識地轉移到幾個問題上：
- 模型在系統中出現多少次？
- 是在做出判斷，還是只是填補空白？
- 循環是打開的還是人為截斷的？
- 流程中是否包括失敗和偏差？
而不是：
- 支持多少工具
- 演示可以運行多複雜