湖南省网站建设_网站建设公司_交互流畅度_seo优化

“大模型的能力有限，因此在智能体处理复杂任务时，我们需要通过提示词告诉模型复杂任务的处理方法。”

最近在研究模型部署和Langchain新版本框架时，突然想到一个问题，就是ReAct Agent智能体问题。

ReAct Agent智能体的运行原理是什么？它是一个稳定的智能体系统吗？

ReAct Agent智能体

关于智能体是以大模型为底座，以工具作为模型的手脚，以此使得模型具备与外部环境交互的能力。

但我们都知道，模型由于幻觉，意图识别不明确等原因，导致智能体的能力一直不稳定；因此，研究人员就提出了几种提升智能体性能的方案，如ReAct Agent智能体。

智能体的本质是把大模型作为大脑，进行任务拆解和规划，以及决定工具的使用；而工具用来帮助大模型完成工作任务。

这就类似于，你的领导让你去做一件事，把需求告诉你，然后帮你配置必要的工具，之后就不管了；你需要的是给领导一个完成结果。

所以，这时你应该怎么做？

首先你拿到需求之后，你要去理解领导的意图以及需求到底要做什么，如果你不明白，那么不管你是查资料也好，问同事也好，向其他老员工请教也好；这里都属于模型的任务拆解和规划能力。

等你彻底弄明白需求之后，你就可以选择合适的工具去解决问题，如果没有工具那么可以向领导申请。之后，你拿着需求和工具去完成领导布置的任务，但是任务完成之后你总要先检查一下任务有没有真正完成，完成度怎么样，效果怎么样；如果不行，那么肯定要打回去重做，或者先找一下具体的原因，然后再去做。

而这就是一个ReAct Agent的执行流程，也是ReAct Agent的运行原理。

我们需要在提示词中告诉模型，要通过thought，action，observer的流程来分析和处理问题；意思就是告诉模型，你拿到问题之后，先想一想怎么做(thought)，然后用什么做(action)，做完之后再检查一下(observer)；如果检查不通过，那么就打回去重新做，还是按照这个流程，之后再输出结果(把结果交给领导)。

所以，ReAct Agent的执行过程就存在很多问题，如工具不全，执行出错，执行成功了，但结果却是错的等等；所以，从这一点上来讲，ReAct Agent的执行过程是不稳定的，因为它随时可能会出错或崩溃。这也是为什么在Langchain开发框架中，会限制智能体的执行次数，如果智能体反复执行二十遍之后，还是没有得到结果，那么就直接报错即可。

因此，从纯粹的技术角度来看，ReAct Agent就是你通过提示词告诉模型，你需要干什么，以及怎么干，出问题了要学会检查等等；因为模型本身是没有这么完善的复杂任务处理能力，因此我们需要告诉它应该怎么做。

模型由于自身能力原因，在面对复杂任务时，它并没有直接处理的能力，因此需要我们人类参与其中，告诉它复杂任务的处理方法，然后它才能真正按照我们想法去做。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】