從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)

Michael Albada 著 黃銘偉 譯

從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems) 預覽內頁
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-1
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-2
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-3
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-4
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-5
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-6
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-7
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-8
  • 從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-9
從 AI Agent 到多代理人系統設計｜架構規劃與應用開發 (Building Applications with AI Agents: Designing and Implementing Multiagent Systems)-preview-1

商品描述

「這是關於建構 AI 代理人系統最棒的單冊入門指南——你可以去讀數百篇論文，或是只讀這一本書。」
——Arun Rao，Meta GenAI前團隊成員，UCLA 兼任教授

生成式 AI 已經徹底改變了組織解決問題的方式，加速了從概念、原型到解決方案的旅程。隨著模型變得越來越強大，我們見證了一種新的設計模式出現：AI 代理人。透過將工具、知識、記憶與學習，跟先進的基礎模型結合在一起，我們現在可以將多次模型推論串接起來，藉此解決定義模糊且困難的問題。從編寫代理人程式碼、研究代理人到分析代理人等等，我們已經看到代理人加速了團隊與組織的運作。雖然這些代理人提升了效率，但它們通常需要廣泛的規劃、草擬與修改才能完成複雜的任務，而且對許多組織來說，部署它們仍然是一項挑戰，尤其是在技術與研究快速發展的當下。

在這個錯綜複雜且快速演進的領域中，本書是你不可或缺的指南。作者 Michael Albada 提供了一套結合實務與研究的方法，用於設計與實作單一代理人及多代理人系統。本書簡化了其中的複雜性，並提供所需的工具，讓你能更高效將概念轉化為實際解決方案。

• 了解由基礎模型驅動的 AI 代理人所具備的獨特功能
• 探索 AI 代理人的核心元件與設計原則
• 探討設計上的權衡取捨，並實作有效的多代理人系統
• 設計並部署量身打造的 AI 解決方案，促進你所在領域的效率與創新

作者簡介

Michael Albada 是一位經驗豐富的機器學習工程師，專精於為Uber、ServiceNow與Microsoft等大型科技公司部署大規模的解決方案。他擁有史丹佛大學、劍橋大學與喬治亞理工學院的學位，專攻機器學習。

目錄大綱

第一章 代理人簡介
定義AI代理人
預訓練革命
代理人分類
模型選擇
從同步到非同步運作
實際應用與使用案例
工作流程與代理人
建構高效代理人系統的原則
為成功建構代理人系統進行組織
代理人框架

第二章 設計代理人系統
我們的第一個代理人系統
代理人系統的核心元件
模型選擇
工具
記憶
協調
設計上的取捨
架構設計模式
最佳實務

第三章 代理人系統的使用者體驗設計
互動模態
同步與非同步的代理人體驗
情境保留與連續性
傳達代理人的能力
互動設計中的信任

第四章 工具使用
LangChain基礎
自動化工具開發
工具使用的組態

第五章 協調
代理人類型
工具選擇
工具執行
工具拓撲結構
情境工程

第六章 知識與記憶
記憶的基礎方法
語意記憶與向量存放區
GraphRAG

第七章 代理人系統中的學習
非參數學習
參數學習：微調

第八章 從單一代理人到多代理人
我需要多少代理人？
增加代理人的原則
多代理人協調
代理人系統的自動化設計
通訊技術
訊息中介者與事件匯流排
Actor框架：Ray、Orleans和Akka
協調與工作流程引擎
管理狀態與續存性

第九章 驗證與測量
測量代理人系統
元件評估
整體評估
準備部署

第十章 生產環境中的監控
監控是你學習的方式
監控堆疊
OTel儀表化
視覺化與警報
監控模式
使用者回饋作為可觀測性訊號
分布偏移
指標擁有權與跨職能治理

第十一章 改進迴路
回饋管線
實驗
持續學習

第十二章 保護代理人系統
代理人系統的獨特風險
新興的威脅媒介
保護基礎模型
保護代理人系統中的資料
保護代理人

第十三章 人類與代理人之間的協作
角色與自主性
擴充協作的規模
信任、治理與合規

詞彙表

類似商品