AI智能体爆火！大模型+自主决策=未来开发必备技能，小白也能快速上手

1. 什么是智能体

智能体（AI Agents或Agents）是指能够自主感知环境、做出决策并执行行动的系统或程序。

IBM：智能体是能够通过设计其工作流和利用可用工具，代表用户或其他系统自主执行任务的系统或程序。

Google：In it’s most fundamental form, a Generative AI agent can be defined as an application that attempts to achieve a goal by observing the world and acting upon it using the tools that it has at its disposal.

谷歌：从最基本的层面来看，生成式人工智能代理可以被定义为这样一种应用程序：它通过观察周围环境并利用自身所拥有的工具来采取行动，从而试图达成某个目标。

2. 智能体界的明星

3. AI&模型&大模型&智能体的区别

• •AI： 人工智能（Artificial Intelligence，AI）是计算机科学的一个分支学科。
• •模型：传统的模型，是通过从数据中学习规律沉淀出一个模型，再利用该模型实现特定的功能，如预测模型（分类、回归），生成模型（文本、图像生成）等模型，本身是无实体的工具，且不具有自主性。
• •大模型：模型中的特殊形态，首先要满足参数规模巨大（达到百亿、千亿甚至万亿）的显著特征，其次对人类（语言）指令有很强的遵循、理解能力，从而完成复杂的任务和推理。
• •智能体：智能体式够感知环境、自主决策并执行行动以实现特定目标的系统或程序，能够形成完整的“感知-决策-行动”闭环。

4. 智能体的发展阶段

OpenAI根据自身技术研发与产品开发提出了通往AGI的五级量表，将AI Agent分为五个阶段，每个阶段代表更高级的能力水平：

图4.1 AGI的五级量表

5. 智能体的应用

各行各业都可以通过AI-Agent得到重塑，如：

1. 1. 服务业：智能客服、个性化推荐系统……
2. 2. 医疗行业：医学影像辅助和诊断、药物研发和临床试验优化……
3. 3. 销售行业：智能营销Agent……

4. 4. 大数据行业：SQL Agent，Report Agent

   5. ……

5. 智能体架构

• • 单一智能体：

• •LLM（Large Language Model 大模型）必选；
• •Tools必选；

• • 多智能体：

• •低代码平台：FastGPT、Dify、Coze etc.
• •代码实现：建议Python代码，因为AI生态较完整，Python的LangChian、LangGraph框架，LangSmith（Event-Tracking，类似埋点最终，企业版本license收费，可以用开源的替代品如Langfuse等代替）为主；代码实现也有以Google为代表的Google ADK（Agent Development Kit），考虑到现状Google生态在国内的尴尬，ADK并不足与发挥他的最大威力，如一键部署Google Cloud Run，调用Google的Gemini等。

• • 智能体的调用：

• •Python
• •Node（Http）

图6.1 AI Agent 通用架构图

以上就是AI Agent（智能体）的简单介绍，下期一起聊聊基于代码实战、基于低代码平台、基于AI编码工具的QuickStart（快速实现）。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】