最后的风之子置顶2025-03-03 来自山东作者官方补充说明：由于r1自带思维链，与Agent产生了冲突，所以Agent不能使用r1等慢速思考模型，而是要使用v3等老老实实执行命令，没有自己想法的模型；r1适合做的是单项的任务。比如用r1做一个生成财报的工具，然后让v3做Agent去调用该工具作者回复: https://github.com/xingyunyang01/Geek02/tree/main/achievement-agent，链接为我在直播中演示的员工绩效管理系统Agent，这份代码演示了我上面的补充说明，并且换了一套REACT模板，大家可以下载测试一下
4
张申傲
2025-03-04 来自北京Agent是Function Calling的升级版。 Agent的本质是一个由LLM驱动的智能系统，内部包含了多个子模块，包括Planning、Memory、Tools和Execution等等，而Function Calling只是Agent诸多能力中的一项。 此外，按照OpenAI对于Function Calling或Tool Calling的原始定义，它的作用仅仅是按照规范化的格式生成函数调用参数，而实际的调用还是需要我们自己的应用来执行，相较之下，Agent则是把整个流程都给封装好了。作者回复: 说对了一半哈，不管是FC还是Agent，大模型都只能选择工具，真正执行工具的永远是人类写的程序。Agent与FC相比，主要是在于如何让大模型思考的过程是我们自己可控的，而不是像FC一样，完全让大模型自己判断
2- 一路前行2025-03-04 来自北京通俗讲agent其实就是大模型的一种能力吧。其实跟用户普通问题没啥区别。区别在于流程：用户提出一个问题(渲染agent的调用模版）---大模型根据问题判断要调用的工具列表和参数----用户根据函数工具和参数去调用真实的api----结果返回给大模型进行总结----大模生成最终答复。
作者回复: 嗯嗯 你的思路是没什么问题的 但大模型的能力指的是你不对大模型做任何干预 大模型就能给出期望的效果
zhihai.tu2025-03-04 来自上海应该是升级吧，Function calling 只是 Agents的一项能力，要实现 Agents，还需要大模型+规划+上下文等等。作者回复: 嗯嗯 算是平替之上的小升级吧。FC是大模型自带的能力，是否能合理调用工具，取决于大模型自身的思考能力。而Agent可以让没有FC功能的大模型也能调用工具，且大模型如何思考，完全由我们怎么写prompt决定，这样会更开放。
- jun2025-03-04 来自广东这是使用自己的代码，来调用三方的Api来实现一个agent，可以做一个页面出来，对话可以看到效果，这里调用的是阿里部署的大模型；
作者回复: 调用三方API只是为了与大模型对话哦，对话页面可以随便用cursor加streamlit搞一个出来
Apple_9687152025-03-04 来自广东更新太慢，半夜放毒编辑回复: 今天继续更新，先放出前几篇方便大伙儿跟练
神宫寺的鲸2025-03-03 来自广东妈呀没懂，这些代码是放在python运行还是直接丢给deep seek作者回复: 就是普通的python代码哦，可以理解为deepseek是一个API 服务器，你调用SDK就是在和服务器交互
共 3 条评论
xzy2025-03-03 来自北京不太理解老师说的Agent是一种设计模式，我理解的Agent是这样子的： 大模型中的Agent概念指的是一种基于大模型（如大语言模型）的自动化实体，它具备感知、决策、行动和学习的能力。Agent可以被视为大模型的上层应用，负责将大模型的智能转化为具体的行动和结果。 Agent的核心特征 感知环境：Agent通过传感器或其他方式感知周围的环境，这个环境可以是虚拟的，也可以是物理的13。 自主决策：Agent能够根据感知到的信息自主做出决定15。 执行行动：Agent通过执行器或效应器采取行动以实现目标13。 学习和优化：Agent可以通过学习和获取知识来提高其性能，并根据结果进行自我优化16。 Agent的组成和功能 Agent通常由以下组成部分构成： LLM（大模型）：作为Agent的核心大脑，提供智能和决策能力24。 记忆：帮助Agent记住过去的经验和知识，分为短期记忆和长期记忆24。 规划：Agent根据目标和环境进行任务分解和路径规划24。 工具使用：Agent利用各种工具来执行任务，例如API、搜索引擎等24。 Agent的应用 Agent在多个领域发挥着重要作用，例如： RPA（机器人流程自动化）：Agent可以理解人类意图并操作软件以实现自动化1。 任务规划：Agent能够根据提示词和知识库进行决策和规划4。 总之，Agent是大模型的重要应用形式，它通过感知、决策、行动和学习来实现智能化和自动化。展开作者回复: 同学你好，这是论文级别的理论哈。对于我们实际写代码，理解代码为啥这么写，没有任何帮助。那些理论我以前也在其他场合讲过，但讲完了我自己都忘了，哈哈。我们做应用开发，重要是分析其本质，并应用起来。通过这节课的代码，其实你应该也看到了，Agent 就是人类强行通过prompt给了大模型思维链+选择工具的能力，这样大模型就能按照我们设计的预期进行返回了，这是不是就相当于给大模型下套了呢。为啥说Agent相当于设计模式呢，注意重点在于‘’相当于‘’，是因为我们要设计prompt，这是一门很大的学问，设计不好，幻觉就会很严重。
Grack2025-03-03 来自江苏老师，您讲的Agent“是一种AI设计模式，一种让大模型变得更聪明的套路”，这里我有些疑惑，我之前学习其他资料，OpenAI对Agent的定义是具有Memory,Planning,Tools和Action能力的"智能系统"。我理解Agent是一个小到deepseek chat对话框的prompt引导的结果，大到未来课程的一个作业帮，可以当作一个Agent，大概可以理解为传统的自动化应用+大模型的大脑后的一个系统。如果说Agent是一个设计模式，那么这个设计模式应该包含什么、怎么解释呢？ 请老师答疑解惑，谢谢！作者回复: 同学你好，千万别掉进模型供应商精心包装的概念中去哈，那些理论我以前也在其他场合讲过，但讲完了我自己都忘了，哈哈。我们做应用开发，重要是分析其本质，并应用起来。通过这节课的代码，其实你应该也看到了，Agent 就是人类强行通过prompt给了大模型思维链+选择工具的能力，这样大模型就能按照我们设计的预期进行返回了，这是不是就相当于给大模型下套了呢。为啥说Agent相当于设计模式呢，注意重点在于相当于，是因为我们要设计prompt，这是一门很大的学问，设计不好，幻觉就会很严重。
共 2 条评论- xzy2025-03-03 来自北京ReAct 是一种用于构建 AI Agent 的框架，主要目的是让大语言模型（LLM）能够通过推理和行动与外部环境进行交互。ReAct 的核心思想是通过“观察、思考、规划、行动”的循环过程来实现智能体的决策和执行。 ReAct 的核心组件和工作流程 思维链（Chain of Thought）：将复杂任务拆解为多个思维步骤。 推理（Reasoning）：分析输入数据，生成有效的决策。 行动（Action）：执行具体操作，如搜索或执行代码。 观察（Observation）：监控和收集环境反馈，为下一步提供依据。 ReAct 的优势 增强的动作空间：通过与外部工具交互，提供更可靠和实际的回应。 动态推理和适应：能够处理复杂任务和环境，提升用户体验和执行效率。 应用场景 ReAct 框架广泛应用于 AI Agent 的开发，例如使用 LangChain 构建 AI Agent，以实现更智能化的任务处理和决策