大模型項目實戰：Agent 開發與應用

高強文

大模型項目實戰：Agent 開發與應用
  • 出版商: 機械工業
  • 出版日期: 2025-04-01
  • 定價: $534
  • 售價: 8.5 折 $453
  • 語言: 簡體中文
  • 頁數: 216
  • ISBN: 7111777336
  • ISBN-13: 9787111777335
  • 相關分類: Large language model

    • 立即出貨

買這商品的人也買了...

超有料 AI 工作術 2書75折 詳見活動內容 »

商品描述

這是一本面向初中級讀者的Agent學習指南，作者既是資深的AI技術專家，又是經驗豐富的項目導師，融合作者親身實踐、培訓反饋與官方資源，為Agent使用者和開發者提供了快速上手的實用指導。 本書從基礎知識、操作和應用開發3個維度循序漸進地講解Agent實戰技巧，分為三篇： 基礎篇（1～2章）介紹Agent定義、發展歷程、常用開源技術、主要組件等基礎知識和開發環境的搭建過程。 應用篇（3～6章）從通用型、任務驅動型、輔助開發型和檢索增強型4大類，通過AutoGPT、MemGPT、BabyAGI、Camel、Devika、CodeFuse-ChatBot、DB-GPT、QAnything這8種具體類型，詳細描述Agent的安裝、配置和使用等操作步驟。 開發篇（7～16章）展開分析10個不同場景的Agent應用開發實例。一方面，以AgentScope、LangChain、LangGraph、AutoGen、LlamaIndex、CrewAI、Qwen-Agent這7種被廣泛應用的開源Agent開發框架為基礎，針對每個框架各講解一個開發案例。另一方面，通過案例介紹Agent開發過程中關鍵的Function-calling特性及大語言模型開發技術。此外，對基於CogVLM2的多模態模型應用開發，也提供詳細的案例演示。

作者簡介

高強文，互鏈高科（北京）技術發展有限公司總經理，銀川方達電子系統工程有限公司董事長，寧夏回族自治區勞動模範。專註於人工智能大語言模型應用開發、開源社區開發與運營。參加工作20多年來，一直從事醫療健康領域信息化、人工智能等產品研發與管理工作，近年來致力於開源事業，開發運營aliendao.cn、gitclone.com和opendao.cn等開源社區，在GitHub上貢獻了20多個開源代碼庫。

目錄大綱

前言
基礎篇
第1章 Agent基礎知識
1.1 Agent的概念
1.2 Agent的發展歷程
1.2.1 Agent起源
1.2.2 將Agent引入AI領域
1.2.3 Agent技術進化與理論完善
1.2.4 Agent的深度學習應用
1.2.5 基於LLM的Agent
1.3 常用的Agent開源技術及分類
1.4 Agent主要組件
1.4.1 大語言模型
1.4.2 規劃組件
1.4.3 記憶組件
1.4.4 工具組件
1.4.5 行動組件
第2章 Agent應用與開發環境搭建
2.1 Agent應用部署結構
2.1.1 服務同機部署模式
2.1.2 服務分佈式部署模式
2.2 Agent應用環境安裝與驗證
2.2.1 推理卡驅動安裝
2.2.2 CUDA安裝
2.2.3 Anaconda安裝
2.2.4 Git安裝
2.2.5 應用環境驗證
2.2.6 關於開發工具的建議
2.3 大語言模型的裝載及API服務搭建
2.3.1 Ollama
2.3.2 vLLM
2.3.3 GLM-4專用服務
應用篇
第3章 通用型Agent應用
3.1 AutoGPT：個人助理
3.1.1 AutoGPT介紹
3.1.2 AutoGPT原理
3.1.3 AutoGPT應用
3.2 MemGPT：長記憶會話應用
3.2.1 MemGPT介紹
3.2.2 MemGPT原理
3.2.3 MemGPT應用
第4章 任務驅動型Agent應用
4.1 BabyAGI：任務自驅動應用
4.1.1 BabyAGI介紹
4.1.2 BabyAGI原理
4.1.3 BabyAGI應用
4.2 Camel：角色扮演應用
4.2.1 Camel介紹
4.2.2 Camel原理
4.2.3 Camel應用
第5章 輔助開發型Agent應用
5.1 Devika：AI“軟件工程師”應用
5.1.1 Devika介紹
5.1.2 Devika原理
5.1.3 Devika應用
5.2 CodeFuse-ChatBot：輔助編程應用
5.2.1 CodeFuse-ChatBot介紹
5.2.2 CodeFuse-ChatBot原理
5.2.3 CodeFuse-ChatBot應用
第6章 檢索增強型Agent應用
6.1 DB-GPT：數據庫應用
6.1.1 DB-GPT介紹
6.1.2 DB-GPT原理
6.1.3 DB-GPT應用
6.2 QAnything：知識庫應用
6.2.1 QAnything介紹
6.2.2 QAnything原理
6.2.3 QAnything應用
開發篇
第7章 大語言模型開發與微調
7.1 開發要點
7.2 GLM-4
7.2.1 GLM-4介紹
7.2.2 GLM-4安裝
7.2.3 Chat應用開發
7.2.4 GLM-4兼容API服務開發
7.2.5 GLM-4微調
7.3 Llama3
7.3.1 Llama3介紹
7.3.2 Llama3安裝
7.3.3 Chat應用開發
7.3.4 Llama3兼容API服務開發
7.3.5 Llama3微調
第8章 基於GLM-4的Function-calling應用開發
8.1 開發要點
8.2 案例場景
8.3 關鍵原理
8.4 實現過程
8.4.1 環境安裝
8.4.2 源代碼
8.4.3 運行
第9章 基於AgentScope的ReAct Agent應用開發
9.1 開發要點
9.2 案例場景
9.3 關鍵原理
9.4 實現過程
9.4.1 環境安裝
9.4.2 源代碼
9.4.3 運行
第10章 基於LangChain的任務驅動Agent應用開發
10.1 開發要點
10.2 案例場景
10.3 關鍵原理
10.3.1 應用架構
10.3.2 應用運行流程
10.3.3 應用運行示例
10.4 實現過程
10.4.1 環境安裝
10.4.2 源代碼
10.4.3 運行
第11章 基於LangGraph的工作流Agent應用開發
11.1 開發要點
11.2 案例場景
11.3 關鍵原理
11.3.1 基本概念
11.3.2 工作流定義
11.4 實現過程
11.4.1 環境安裝
11.4.2 源代碼
11.4.3 運行
第12章 基於AutoGen的輔助編程Agent應用開發
12.1 開發要點
12.2 案例場景
12.3 關鍵原理
12.4 實現過程
12.4.1 環境安裝
12.4.2 源代碼
12.4.3 運行
第13章 基於LlamaIndex的RAG Agent綜合應用開發
13.1 開發要點
13.2 案例場景
13.3 關鍵原理
13.3.1 索引建立
13.3.2 智體查詢
13.4 實現過程
13.4.1 環境安裝
13.4.2 源代碼
13.4.3 運行
第14章 基於CrewAI的多角色Agent應用開發
14.1 開發要點
14.2 案例場景
14.3 關鍵原理
14.3.1 應用架構
14.3.2 主要組件
14.3.3 流式會話實現原理
14.4 實現過程
14.4.1 環境安裝
14.4.2 源代碼
14.4.3 運行
第15章 基於Qwen-Agent的多智體圖像應用開發
15.1 開發要點
15.2 案例場景
15.3 關鍵原理
15.3.1 應用架構
15.3.2 關鍵技術
15.4

類似商品

最後瀏覽商品 (20)