agents专题

【论文阅读】MOA，《Mixture-of-Agents Enhances Large Language Model Capabilities》

前面大概了解了Together AI的新研究MoA，比较好奇具体的实现方法，所以再来看一下对应的文章论文。论文：《Mixture-of-Agents Enhances Large Language Model Capabilities》论文链接：https://arxiv.org/html/2406.04692v1 这篇文章的标题是《Mixture-of-Agents Enhances

【LLM Agent 长文本】Chain-of-Agents与Qwen-Agent引领智能体长文本处理革命

前言大模型在处理长文本上下文任务时主要存在以下两个问题：输入长度减少：RAG的方法可以减少输入长度，但这可能导致所需信息的部分丢失，影响任务解决性能。扩展LLMs的上下文长度：通过微调的方式来扩展LLMs的上下文窗口，以便处理整个输入。当窗口变长时，LLMs难以集中注意力在解决任务所需的信息上，导致上下文利用效率低下。下面来看看两个有趣的另辟蹊径的方法，使用Agent协同来处理长上下文

2024-06-10 问AI: 在大语言模型中，ReAct Agents的理论基础是什么

文心一言在大语言模型中，ReAct Agents的理论基础主要基于以下几个关键点：推理与行为的结合：ReAct框架的核心思想是将大型语言模型的推理能力和行为能力相结合。这种结合使得模型能够以交错的方式生成推理步骤和特定于任务的操作，从而实现更智能的AI表现。这种协同作用类似于人类智能中将以任务为导向的行动和关于下一步行动的推理无缝结合的特点。增强的动作空间：ReAct的基本思想之

【ai】livekit：Agents 4： livekit-plugins-openai和LiveKit Plugins Silero安装与分析

先提高下性能然后本文继续按照上一篇【ai】livekit：Agents 3 ： pythonsdk和livekit-agent的可编辑模式下的安装构建 livekit-gent的插件。 pycharm 工程配置Microsoft Defender 排除列表 livekit-plugins-openai 本地安装

【ai】livekit：Agents 2 ：会话式AI 快速开始

官方文档：quickstart AI 驱动的语音助手构造一个AI 驱动的语音助手，参与到livekit的实时会话中来。技术栈： livekit （go）、python（agent）和 nextjs（app？） Build an AI-powered voice assistant that engages in realtime conversations using LiveKi

智能体之斯坦福AI小镇（Generative Agents: Interactive Simulacra of Human Behavior）

相关代码地址见文末论文地址：Generative Agents: Interactive Simulacra of Human Behavior | Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology 1.概述论文提出了一种多个智能体进行协同，进而模拟

AutoNeRF:Training Implicit Scene Representations with Autonomous Agents

论文概述《AutoNeRF》是由Pierre Marza等人撰写的一篇研究论文，旨在通过自主智能体收集数据来训练隐式场景表示（如神经辐射场，NeRF）。传统的NeRF训练通常需要人为的数据收集，而AutoNeRF则提出了一种使用自主智能体高效探索未知环境，并利用这些经验自动构建隐式地图表示的方法。本文比较了不同的探索策略，包括手工设计的基于前沿的探索、端到端方法以及由高层规

(读书笔记-大模型) LLM Powered Autonomous Agents

目录智能体系统的概念规划组件记忆组件工具组件案例研究智能体系统的概念在大语言模型（LLM）赋能的自主智能体系统中，LLM 充当了智能体的大脑，其三个关键组件分别如下：首先是规划，它又分为以下内容：子目标和分解。智能体将大型任务分解为更小、可管理的子目标，从而高效处理复杂的任务；反思和完善：智能体可以对过去的行为展开自我批评和自我反思，从错误中吸

开源模型应用落地-LangChain高阶-Tools工具-集成agents（四）

一、前言 LangChain 的 tools 是一系列关键组件，它们提供了与外部世界进行交互的能力。通过适当的使用这些组件，可以简单实现如执行网络搜索以获取最新信息、调用特定的 API 来获取数据或执行特定的操作、与数据库进行交互以获取存储的信息等需求。本章基于agents进一步串联工具（tools ），从而将大语言模型的能力和本地、云服务能力结合。二、术语 2.1

AI视频教程下载：零代码创建AI智能体、AI Agents和ChatGPT的Gpts

这门课程专注于提示工程的掌握，教你以精确的方式引导GPT，利用它们的生成能力产生卓越的AI驱动结果。一步一步地，你将学会创建多样化的GPT军团——每个都设计来满足特定的专业需求。从提供个性化职业变更指导的职业教练AI，到以惊人的效率管理你的收件箱的电子邮件Agents。发现如何创建一个社交媒体内容创建者，它用吸引人的内容使你的Instagram和LinkedIn档案活跃起来。此外，课程使你

通过自然语言处理执行特定任务的AI Agents；大模型控制NPC执行一系列的动作；个人化的电子邮件助手Panza

✨ 1: OpenAgents 通过自然语言处理执行特定任务的AI代理 OpenAgents是一个开放平台，旨在使语言代理（即通过自然语言处理执行特定任务的AI代理）的使用和托管变得更加便捷和实用。它特别适合于日常生活中对数据分析、工具插件获取和网络浏览有需求的用户，无论是专业人士还是普通用户。数据代理（Data Agent）：提供一套全方位的数据操作工具，包括数据搜索、处理、修

LLM 构建Data Multi-Agents 赋能数据分析平台的实践之③：数据分析之二（大小模型协同）

一、概述随着新一代信息技术在产业数字化中的应用，产生了大量多源多模态信息以及响应的信息处理模式，数据孤岛、模型林立的问题也随之产生，使得业务系统臃肿、信息处理和决策效率低下，面对复杂任务及应用场景问题求解效率低。针对信息处理模型林立、模型协同难的问题，研究大小模型协同机制，基于开源大模型建立包括提示词、任务规划、任务执行、记忆、人工反馈等的大模型系统是解决该问题的一个尝试。建立数据库链接、信

记录些AI Agents设计模式和NL2SQL知识

吴恩达分享的四种自我反思（Reflection）：可以自我修正；使用工具（Tool Use）：链接其他系统去做一些事情，比如把电脑里面的未归档文件做好归档；规划（Planning）：类似于思维链，分解复杂任务，找到路径；协作（Multiagent Collaboration）：不同类型的助理（agent），可以通过协作组成一个团队。自然语言生成SQL的准确性问题

[阅读笔记29][AgentStudio]A Toolkit for Building General Virtual Agents

这篇论文是24年3月提交的，提出了一个用于agent开发的全流程工具包。作者提到目前agent开发主要有两个阻碍，一个是缺乏软件基础，另一个是缺乏在真实世界场景中进行评估。针对这两个阻碍，作者涉及了一个开发工具包，包括环境设置、数据收集、agent评估等，并且观察空间和动作空间是高度通用的，并不是针对于某个特定任务。这里是AgentStudio和传统环境的对比，传统环境

[阅读笔记25][WebArena]A Realistic Web Environment for Building Autonomous Agents

这篇论文提出了WebArena这个环境与测试基准，在24年1月发表。之前的agent都是在一些简化过的合成环境中测试的，这会导致与现实场景脱节。这篇论文构建了一个高度逼真、可复现的环境。该环境涉及四个领域：电子商务、论坛讨论、软件开发和内容管理。基于环境又引入了一组基准任务，用来评估任务完成的正确性，这些任务可以模拟人类在互联网上的日常行为。另外该基准被证明是具有挑战性的，GPT-

通过 Function Calling 构建自主 AI Agents

原文地址：Build Autonomous AI Agents with Function Calling 将聊天机器人转变为可以与外部 API 交互的代理 2024 年 4 月 2 日 Function Call（函数调用）并不是什么新鲜事。2023 年 7 月，OpenAI 为其 GPT 模型引入了函数调用，该功能现在已被竞争对手采用。Google 的 Gemini API 最近支持它，

开源AI聊天机器人应用程序模板； WrenAI用AI从数据中获取洞见；模拟多个代理人（agents）之间语言互动的仿真系统；语音数据集标注

✨ 1: gemini-chatbot 使用Next.js构建的开源AI聊天机器人应用程序模板 Gemini-chatbot是一个使用Next.js构建的开源AI聊天机器人应用程序模板。它利用了Vercel AI SDK、Google Gemini以及Vercel KV来提供一个功能丰富、可定制的聊天体验。这个聊天机器人可以支持多种不同的AI模型和语言处理引擎，如Google Gemi

人工智能讲师叶梓聊聊AI Agents技术的最新进展：自主智能与多领域融合

小伙伴们！今天我们来聊聊AI Agents技术的最新进展，一起探索这个领域的前沿动态。 AI Agents技术的崛起最近，AI Agents技术可谓是风头正劲，自从AutoGPT在Github上一周内狂揽6万star，刷新了涨星速度记录以来，AI Agents项目就如同雨后春笋般在各大技术平台涌现。OpenAI的创始成员Andrej Karpathy也表示，OpenAI内部对Agent领域的

LLM Agents调研

LLM Agents调研 1、从 Copilot 到 Agent2、Agent概述3、agent框架2.1 框架介绍2.2框架对比 4、应用场景3.1single-agent应用3.2multi-agent 应用 5、agent功能选型参考： 1、从 Copilot 到 Agent 参考：https://mp.weixin.qq.com/s/vVUO-WRkp8FS3wKcfgu

LangChain-10 Agents langchainhub 共享的提示词Prompt

LangChainHub 的思路真的很好，通过Hub的方式将Prompt 共享起来，大家可以通过很方便的手段，短短的几行代码就可以使用共享的Prompt。我个人非常看好这个项目。官方推荐使用LangChainHub，但是它在GitHub已经一年没有更新了，倒是数据还在更新。安装依赖 pip install langchainhub Prompt 为了防止大家不能访问，我这里先

LangChain核心模块——Agents

Agents Agents的核心思想是使用语言模型来选择要采取的一系列操作。在Chains中，一系列操作被硬编码（在代码中）。在Agents中，语言模型被用作推理引擎来确定要采取哪些操作以及按什么顺序。 Quickstart 构建一个具有两种工具的代理：一种用于在线查找一种用于查找已加载到索引中的特定数据 Define tools 首先需要创建我们想要使用的工具，我们需要使用

ML-Agents案例之蠕虫

本案例源自ML-Agents官方的示例，Github地址：https://github.com/Unity-Technologies/ml-agents，本文是详细的配套讲解。本文基于我前面发的两篇文章，需要对ML-Agents有一定的了解，详情请见：Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有： ML-Agents案例之Crawle

ML-Agents案例之地牢逃脱

本案例源自ML-Agents官方的示例，Github地址：https://github.com/Unity-Technologies/ml-agents，本文是详细的配套讲解。本文基于我前面发的两篇文章，需要对ML-Agents有一定的了解，详情请见：Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有： ML-Agents案例之Crawle

ML-Agents案例之双人足球

本案例源自ML-Agents官方的示例，Github地址：https://github.com/Unity-Technologies/ml-agents，本文是详细的配套讲解。本文基于我前面发的两篇文章，需要对ML-Agents有一定的了解，详情请见：Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有： ML-Agents案例之Crawle

ML-Agents案例之食物收集者

本案例源自ML-Agents官方的示例，Github地址：https://github.com/Unity-Technologies/ml-agents，本文是详细的配套讲解。本文基于我前面发的两篇文章，需要对ML-Agents有一定的了解，详情请见：Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有： ML-Agents案例之Crawle

ML-Agents案例之跳墙游戏

本案例源自ML-Agents官方的示例，Github地址：https://github.com/Unity-Technologies/ml-agents 本文基于我前面发的两篇文章，需要对ML-Agents有一定的了解，详情请见：Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。本文主要的知识点是课程学习（Curriculum Learning）以及Model