AI Agent应用与项目实战

1. 系统介绍Agent核心组件的构建原理与应用流程。

2. 全面介绍基于实际业务场景打造专属Agent。

3.将大模型与Agent结合，有利于帮助读者打造自己的私有助理

随着大语言模型的日益火爆，各行各业都想把AI（人工智能）接入自己的业务场景，但是只依靠语言大模型就能解决业务场景的实际需求吗？要想真正把AI 落地肯定少不了要结合自己业务场景的数据，定制AI 所承担的角色，给它配置上需要使用的工具并按照标准化的流程办事。那么这些操作就可以使用本书讲述的Agent（智能体）来实现。本书使用通俗的语言讲解智能体各核心组件的构建原理与应用流程，基于主流智能体框架（Coze、AutoGenStudio）进行案例应用实践，全流程解读如何基于实际业务场景打造专属智能体。为了使读者将Agent 应用在自己的私有化场景中进行落地应用，本书还讲解了如何微调本地大语言模型并将本地大语言模型与智能体结合，从而打造你的私有助理。

目录
第1 章 Agent 架构与应用 ……………………………………………………………………………….. 1
1.1 初识Agent ………………………………………………………………………………………………………….. 1
1.1.1 感知能力 ………………………………………………………………………………………………….. 2
1.1.2 思考能力 ………………………………………………………………………………………………….. 2
1.1.3 动作能力 ………………………………………………………………………………………………….. 3
1.1.4 记忆能力 ………………………………………………………………………………………………….. 4
1.2 Agent 框架 ………………………………………………………………………………………………………….. 5
1.2.1 Agent 框架理念 ………………………………………………………………………………………… 5
1.2.2 常用Agent 框架 ……………………………………………………………………………………….. 6
1.3 Multi-Agent 多角色协作 …………………………………………………………………………………….. 12
1.3.1 SOP 拆解 ………………………………………………………………………………………………… 12
1.3.2 角色扮演 ………………………………………………………………………………………………… 13
1.3.3 反馈迭代 ………………………………………………………………………………………………… 13
1.3.4 监督控制 ………………………………………………………………………………………………… 13
1.3.5 实例说明 ………………………………………………………………………………………………… 14
1.4 Agent 应用分析 …………………………………………………………………………………………………. 16
1.4.1 Agent 自身场景落地 ……………………………………………………………………………….. 16
1.4.2 Agent 结合RPA 场景落地 ……………………………………………………………………….. 19
1.4.3 Agent 多态具身机器人 ……………………………………………………………………………. 25
?O AI Agent 应用与项目实践
第2 章 使用Coze 打造专属Agent …………………………………………………………………. 29
2.1 Coze 平台 …………………………………………………………………………………………………………. 29
2.1.1 Coze 平台的优势 …………………………………………………………………………………….. 29
2.1.2 Coze 平台界面 ………………………………………………………………………………………… 30
2.1.3 Coze 平台的功能模块 ……………………………………………………………………………… 33
2.2 Agent 的实现流程 ……………………………………………………………………………………………… 34
2.2.1 Agent 需求分析 ………………………………………………………………………………………. 34
2.2.2 Agent 架构设计 ………………………………………………………………………………………. 35
2.3 使用Coze 平台打造专属的NBA 新闻助手 ………………………………………………………… 35
2.3.1 需求分析与设计思路制定 ……………………………………………………………………….. 35
2.3.2 NBA 新闻助手的实现与测试 …………………………………………………………………… 36
2.4 使用Coze 平台打造小红书文案助手 ………………………………………………………………….. 55
2.4.1 需求分析与设计思路制定 ……………………………………………………………………….. 55
2.4.2 小红书文案助手的实现与测试 ………………………………………………………………… 55
2.5 小结 ………………………………………………………………………………………………………………… 70
第3 章 打造专属领域的客服聊天机器人 ………………………………………………………….. 71
3.1 客服聊天机器人概述 …………………………………………………………………………………………. 71
3.1.1 客服聊天机器人价值简介 ……………………………………………………………………….. 71
3.1.2 客服聊天机器人研发工具 ……………………………………………………………………….. 72
3.2 AI 课程客服聊天机器人总体架构 ……………………………………………………………………… 74
3.2.1 前端功能设计 …………………………………………………………………………………………. 76
3.2.2 后端功能设计 …………………………………………………………………………………………. 78
3.3 AI 课程客服聊天机器人应用实例 ……………………………………………………………………… 86
第4 章 AutoGen 智能体开发框架实践 …………………………………………………………….. 88
4.1 AutoGen 开发环境 …………………………………………………………………………………………….. 89
4.1.1 Anaconda ………………………………………………………………………………………………… 89
4.1.2 PyCharm …………………………………………………………………………………………………. 89
4.1.3 AutoGen Studio ……………………………………………………………………………………….. 89
4.2 AutoGen Studio 案例 …………………………………………………………………………………………. 91
4.2.1 案例介绍 ………………………………………………………………………………………………… 91
4.2.2 AutoGen Studio 模型配置 ………………………………………………………………………… 91
4.2.3 AutoGen Studio 技能配置 ………………………………………………………………………… 95
4.2.4 AutoGen Studio 本地化配置 …………………………………………………………………… 117
第5 章 生成式代理——以斯坦福AI 小镇为例 ………………………………………………… 131
5.1 生成式代理简介 ……………………………………………………………………………………………… 131
5.2 斯坦福AI 小镇项目简介 …………………………………………………………………………………. 133
5.2.1 斯坦福AI 小镇项目背景 ……………………………………………………………………….. 133
5.2.2 斯坦福AI 小镇设计原理 ……………………………………………………………………….. 133
5.2.3 斯坦福AI 小镇典型情景 ……………………………………………………………………….. 134
5.2.4 交互体验 ………………………………………………………………………………………………. 135
5.2.5 技术实现 ………………………………………………………………………………………………. 136
5.2.6 社会影响 ………………………………………………………………………………………………. 138
5.3 斯坦福AI 小镇体验 ………………………………………………………………………………………… 139
5.3.1 资源准备 …

前言

自大语言模型爆火之后，AI已不再是程序员和科研人员的专属工具，越来越多的业务人员开始使用AI工具和各种大语言模型框架来提高工作效率。近年来，各种AI工具层出不穷，基本上已经渗透到各行各业。AI工具虽多，却不是为每个业务人员量身定做的，很难与实际业务场景相结合，并且业务人员无法针对现有工具进行优化，使得AI工具经常在各个业务场景中只是昙花一现，无法与实际业务场景深度结合。

那么“AI 行业”这条路该如何走呢？绝对不是只依赖大语言模型与AI工具。现有的大语言模型虽然能力很强，能理解的知识面也很广，但它就像一个光杆司令，只能回答人们提出的问题，无法实际执行各项任务。与之相反，AI工具（当然也包括其他软件、程序等）虽然可以执行各项任务，但其并不是Agent，通常需要人们预先定义好参数、设置好流程，然后才能执行实际的任务。总而言之，其还需要人参与到实际任务中，并不是真正意义上的全流程自动化。那么能否将大语言模型与AI工具结合在一起，让大语言模型自己使用各种各样的外部工具来完成任务呢？（就像人一样，不仅拥有大脑，还具备双手来使用各种工具，从而完成不同业务场景的任务。）目前的答案只有一个词，那就是Agent。

Agent具备哪些能力？为什么它是目前“AI 行业”的唯一答案呢？下面列举几个关键词：感知、记忆、决策、反馈、工具调用、大语言模型、多Agent协作。掌握了这些关键词，对Agent就有了一个基本认识。

感知：能获取周围环境的信息，如用户输入的数据、上传的照片，或者一个网页链接，感知就是能够理解用户的输入。

记忆：Agent做过什么事，得到过什么样的反馈，中间经历了哪些过程，Agent都需要记住，后面在做决策的时候还会参考之前的记忆，人类能“吾日三省吾身”，它也可以！

决策：现在Agent配置了很多工具，它需要知道什么时候用什么工具，通过调用不同的工具来完成用户交给它的任务。

反馈：这一次跌倒，下一次还要再跌倒吗？既然有记忆，就要根据记忆进行反思，接下来做这件事的时候是不是该优化一下了。

工具调用：常见的方式就是使用API，让Agent具备各种各样的能力，并且可以让它根据感知和记忆的信息来填写其中的参数，从而实现自动化。

大语言模型：Agent是如何完成感知、记忆和决策的呢？这些事都需要交给“大脑”，也就是大语言模型。

多Agent协作：单兵作战是可以完成一些工作的，但是面对复杂业务，就需要多个角色通过交互和分析来一起完成相应工作。

读者不仅要从概念上理解Agent，还要动手跟着本书内容做一些实际业务场景的应用，包括使用各种Agent框架实现实际的业务需求，以及外部工具的调用、大语言模型的微调、本地知识库的搭建，从而理解构建Agent的全流程。接下来就一起动手来构建Agent吧！