動手做 AI Agent:LLM 應用開發實戰力

黃佳

  • 出版商: 碁峰
  • 出版日期: 2025-07-11
  • 定價: $650
  • 售價: 7.9$514
  • 語言: 繁體中文
  • 頁數: 376
  • ISBN: 6264250902
  • ISBN-13: 9786264250900
  • 相關分類: LangChain
  • 尚未上市,歡迎預購

  • 動手做 AI Agent:LLM 應用開發實戰力-preview-1
  • 動手做 AI Agent:LLM 應用開發實戰力-preview-2
  • 動手做 AI Agent:LLM 應用開發實戰力-preview-3
  • 動手做 AI Agent:LLM 應用開發實戰力-preview-4
  • 動手做 AI Agent:LLM 應用開發實戰力-preview-5
  • 動手做 AI Agent:LLM 應用開發實戰力-preview-6
  • 動手做 AI Agent:LLM 應用開發實戰力-preview-7
  • 動手做 AI Agent:LLM 應用開發實戰力-preview-8
  • 動手做 AI Agent:LLM 應用開發實戰力-preview-9
動手做 AI Agent:LLM 應用開發實戰力-preview-1

相關主題

商品描述

想打造自己的AI助手,卻不知道從何開始?

用最熱門的LLM技術,打造真正會思考、會執行任務的AI Agent。
從零開始也不怕,帶你完整實作七種不同任務的AI應用,掌握開發實戰與最新技術趨勢!

------------------------------------------------------
準備好和AI Agent一起開啟智慧新時代了嗎?

本書將帶你深入探索AI Agent的開發關鍵。
從技術框架、開發工具到應用趨勢,通通幫你整理到位。
打造能聽懂人話、會主動幫你解決問題的超強AI夥伴!

從GPT-4到LangChain、LlamaIndex、MetaGPT,一步步做出真正「會理解、會規劃、會執行任務」的智慧型AI Agent。

書中以中小企業需求為場景,帶領讀者從零開始打造七種強大實用的AI應用,包括智慧排程、辦公自動化、知識整合、RAG、……等熱門任務。

不論你是工程師、研究人員、產品PM,還是AI新手,只要對AI Agent有興趣,都能在本書中找到清晰的技術架構與實用的開發步驟。

✔️ 全書實作導向,讓AI不只聊天,更能主動幫你工作!

📌本書特色:
.從零開發AI Agent,人人都能輕鬆上手
.詳解LLM×Agent的技術架構與開發流程
.精選熱門技術GPT-4、LangChain、LlamaIndex一次掌握
.七大實戰應用任務,涵蓋智慧排程、RAG、文件處理等
.對應企業需求,實作情境貼近真實工作場景

-------------------------------------------------------------

人工智慧時代,一種全新的技術——Agent正在崛起。
這是一種能夠理解自然語言並生成對應回覆,並且執行具體行動的人工智慧體,它不僅是內容生成工具,更是串聯複雜任務的關鍵樞紐。

本書將探索Agent的奧祕,內容包括從技術框架到開發工具,從實際操作專案到第一線發展,在帶著讀者動手打造7個功能強大Agent的同時,深入解析Agent的設計與實作,最後並展望Agent的發展性和未來趨勢。

適合對Agent技術感興趣或致力於該領域的研究人員、開發人員、產品經理或公司負責人,以及大專院校的相關領域師生。

內容以兩位虛擬角色互動的方式,帶領讀者進入極富趣味的Agent開發之旅,零距離接觸GPT-4模型、OpenAI Assistants API、LangChain、LlamaIndex 和MetaGPT 等關鍵技術,在辦公自動化、智慧排程、知識整合以及檢索增強生成(RAG)等領域,親身體會Agent的非凡表現,並攜手開啟AI時代的無限可能!

作者簡介

黃佳,筆名咖哥,是新加坡科技研究局的人工智慧研究員。他在自然語言處理(NLP)、大模型、醫療科技(AI in MedTech)、金融科技(AI in FinTech)等領域積累了豐富的專案經驗。著有《GPT圖解:大模型是怎樣構建的》《基礎學機器學習》《數據分析咖哥十話:從思維到實踐促進運營增長》等書籍。此外,他還在極客時間、CSDN 和深藍學院開設專欄和課程,主要包括「LangChain實戰課」「基礎實戰機器學習」「AI應用實戰課」「大模型應用開發實戰課」和「生成式預訓練語言模型:理論與實戰」等。

他樂於保持好奇心、擁抱變化、持續學習,期望藉助AI的「慧眼」和「注意力」來觀察世界,並以輕鬆幽默的方式分享知識,收穫本真的快樂。

目錄大綱

前言

第1章 何謂 Agent,為何選擇 Agent
1.1 讓人大開眼界的演講:Life 3.0
1.2 所以,到底 Agent 是什麼?
1.3 Agent 的大腦:大模型的通用推理能力
1.4 Agent 的感知力:語言交互能力和多模態能力
1.5 Agent 的行動力:語言輸出能力和工具使用能力
1.6 Agent 對各行業的效能提升
1.7 Agent 帶來新的商業模式和變革
1.8 小結

第2章 基於大模型的 Agent 技術框架
2.1 Agent 的四大要素
2.2 Agent 的規劃和決策能力
2.3 Agent 的各種記憶機制
2.4 Agent 的核心技能:調用工具
2.5 Agent 的推理引擎:ReAct 框架
2.6 其他 Agent 認知框架
2.7 小結

第3章 OpenAI API、LangChain 和 LlamaIndex
3.1 何謂 OpenAI API
3.2 何謂 LangChain
3.3 何謂 LlamaIndex
3.4 小結

第4章 Agent 1:自動化辦公的實現——透過 Assistants API和 DALL·E3 模型創作 PPT
4.1 OpenAI 公司的 Assistants 是什麼
4.2 不寫程式碼,在Playground 中玩 Assistants
4.3 Assistants API 的簡單範例
4.4 創建一個簡短的虛構 PPT
4.5 小結

第5章 Agent 2:多功能選擇的引擎——透過 Function Calling 調用函數
5.1 OpenAI 中的 Functions
5.2 在 Playground 中定義 Function
5.3 透過 Assistants API 實現 Function Calling
5.4 透過 ChatCompletion API來實現 Tool Calls
5.5 小結

第6章 Agent 3:推理與行動的協同——透過 LangChain 中的 ReAct 框架實現自動定價
6.1 複習ReAct框架
6.2 LangChain 中 ReAct Agent 的實現
6.3 LangChain 中的工具和工具包
6.4 透過 create_react_agent 創建鮮花定價 Agent
6.5 深入 AgentExecutor 的執行機制
6.6 小結

第7章 Agent 4:計劃和執行的解耦——透過 LangChain 中的 Plan-and-Execute 實現智慧排程庫存
7.1 提出 Plan-and-Solve 策略
7.2 LangChain 中的 Plan-and-Execute Agent
7.3 透過 Plan-and-Execute Agent 實現物流管理
7.4 從單 Agent 到多 Agent
7.5 小結

第8章 Agent 5:知識的提取與整合——透過 LlamaIndex 實現檢索增強生成
8.1 何謂檢索增強生成
8.2 RAG 和 Agent
8.3 透過 LlamaIndex 的 ReAct RAG Agent 實現花語祕境財報檢索
8.4 小結

第9章 Agent 6:GitHub 的熱門開發——AutoGPT、BabyAGI 和 CAMEL
9.1 AutoGPT
9.2 BabyAGI
9.3 CAMEL
9.4 小結

第10章 Agent 7:多 Agent 框架——AutoGen 和 MetaGPT
10.1 AutoGen
10.2 MetaGPT
10.3 小結

附錄A 下一代 Agent 的誕生地:科學研究論文中的新思維

參考文獻
後記 創新與變革的交會點