大模型初探：收藏这份Agent系统学习指南，小白程序员也能轻松入门！

什么是 Agent“Agent” 这个概念不同用户有着不同理解。在 Anthropic我们将这些不同的形态都归类为Agent 系统但我们在架构上对WorkFlow和Agent做了区分WorkFlow通过预定义代码路径来编排大语言模型和工具的系统AgentLLM 能够动态指导自身流程和工具使用自主决定如何完成任务的系统接下来我们将详细探讨这两种 Agent 系统。何时使用以及何时避免使用 Agent在构建大语言模型应用时我们建议优先寻找最简单的解决方案只在必要的时候增加复杂度这意味着很多时候我们根本不需要构建 Agent。Agent 系统通常能提升任务表现但是会在延迟和成本上会有所增加所以我们需要仔细评估这种牺牲是否值得。当我们确实需要更复杂方案时WorkFlow 能为明确定义的任务提供可预测性和一致性而 Agent 则在需要灵活性和模型驱动决策的规模化场景中表现更好。对大多数应用来说通过检索和上下文示例来优化单次大语言模型调用通常就足够了。框架的适用场景与使用方法现在有很多种框架可以简化 Agent 系统的实现包括LangChain 的 LangGraphAmazon Bedrock 的 AI Agent 框架Rivet一个拖拽式 GUI 大语言模型 WorkFlow 构建器以及 Vellum另一个用于构建和测试复杂 WorkFlow 的 GUI 工具这些框架简化了大预言模型的调用、工具定义和链式调用等底层任务降低了入门门槛。但这些框架会引入额外抽象层而且它们可能会隐藏底层的提示词会导致调试难度的增加。更重要的是它们可能导致你在简单方案就能满足需求时过度设计。我们建议开发者从直接使用大语言模型的 API 开始上手因为很多模式只需几行代码就能实现。如果确实要使用框架请务必理解它的底层原理——对底层实现的理解偏差是用户遇到问题的常见原因。基础模块、WorkFlow与 Agent本节将探讨在生产环境中常见的 Agent 系统模式。我们将从基础模块——增强型大语言模型开始逐步深入从简单的组合WorkFlow到完全自主的 Agent。基础模块增强型 LLMAgent 系统的基础模块是配备了检索、工具和记忆等增强功能的 LLM。我们当前的模型能够主动运用这些能力——自主生成搜索查询、选择合适的工具并决定需要保留哪些信息。我们建议大家重点关注两个点根据具体的用例去定制开发这些功能确保它们为大语言模型提供足够简单、且文档完善的接口。虽然实现方式有很多种但我们最近发布的 模型上下文协议 MCP 提供了一种更好方案让开发者通过简单的 客户端实现 集成丰富的第三方工具生态。提示链 WorkFlow提示词链将任务分解为一系列步骤每个大语言模型调用处理前一个调用的输出。你可以在中间任何一个步骤加入程序化的检查见下图的关卡确保流程不偏离正轨。适用场景当任务能清晰拆分为固定子任务时这种 WorkFlow 是理想的选择。其主要目标是通过让每个大语言模型调用执行更简单的任务以延迟换取更高准确性。实用案例生成营销文案后翻译成其他语言撰写文档大纲→检查是否符合标准→基于大纲完成正文路由型 WorkFlow路由对输入进行分类并引导至专门的后续任务。这种 WorkFlow 实现了关注点分离便于构建更专业的提示词。没有它优化某一类输入可能会影响其他类型的处理效果。适用场景适用于那种业务场景明显不同、且需要单独处理的复杂任务分类可以通过大语言模型或传统分类模型/算法准确完成。实用案例将客服查询常规问题、退款请求、技术支持分流到不同的处理流程和工具简单问题路由到 Claude 3.5 Haiku复杂问题路由到 Claude 3.5 Sonnet优化成本与速度并行化 WorkFlowLLM 可以同时处理任务并通过程序化方式聚合输出。并行化WorkFlow主要有两种形式分段将任务拆分为独立的子任务并行执行投票多次执行相同任务以获得多样化输出img适用场景当子任务可并行加速或需要多个视角、多次尝试以获得高置信度结果时特别有效。对于需要多重考量的复杂任务让每个大语言模型调用专注处理特定方面通常效果更好。实用案例分段防护栏机制一个模型处理查询另一个筛查不当内容LLM 性能自动化评估不同调用评估不同维度投票多提示词并行审查代码漏洞多维度评估内容合规性设置不同投票阈值平衡误判协调器-工作者 WorkFlow在这个WorkFlow中协调器大语言模型动态分解任务分配给工作者 LLM并综合处理结果。适用场景适合无法预知所需子任务的复杂场景如编码任务中需修改的文件数量和内容因任务而异。关键区别在于灵活性——子任务由协调器根据输入动态决定。实用案例需要跨多个文件进行复杂修改的编码任务从多源搜集分析信息的搜索任务评估器-优化器 WorkFlow一个大语言模型调用生成响应另一个在循环中提供评估和反馈。img评估器-优化器WorkFlow适用场景当有清晰评估标准且迭代优化能带来显著价值时特别有效。适合的标志是人工反馈能明显改善大语言模型响应且大语言模型能提供此类反馈。这类似于人类作者的迭代写作过程。实用案例文学翻译评估器指出译者忽略的细微差别需要多轮搜索分析的复杂信息搜集任务Agent随着大语言模型理解复杂输入、推理规划、可靠使用工具和错误恢复等关键能力的成熟Agent 正逐步应用于生产环境。Agent 从接收人类指令或交互讨论开始任务明确后便自主规划运行期间可能返回寻求更多信息或判断。执行过程中Agent 通过工具调用结果、代码执行等环境反馈来评估进展可在检查点Check Point或遇到阻碍时暂停等待人工反馈。任务通常在完成时结束但同时也会设置最大迭代次数等停止条件以保持控制。Agent 虽然能处理复杂任务但其实现方式往往较为简单——通常只是大语言模型在循环中根据环境反馈使用工具。因此精心设计工具集和文档至关重要。附录2“工具的提示词工程”将详细探讨工具开发的最佳实践。适用场景适用于开放式问题这类问题难以预测步骤数且无法固定路径。LLM 可能运行多轮你需要一定程度信任其决策。自主性使 Agent 适合受信任环境中的规模化任务。但自主性也意味着更高成本和错误累积风险。建议在沙盒环境中充分测试并设置适当防护措施。实用案例来自我们的实践解决 SWE-bench 任务 的编码 Agent根据描述修改多个文件“计算机使用” 参考实现Claude 操作计算机完成任务模式的组合与定制这些模块不是固定的规则而是可以根据用例调整的模式。与其他大预言模型的功能一样成功关键在于持续测量性能并迭代优化。再次强调只有当增加复杂性能显著改善结果时你才应该考虑这么做。总结–在大语言模型领域取得成功关键不是构建最复杂的系统而是构建最适合需求的系统。从简单提示词起步通过全面评估进行优化仅当简单方案不足时才引入多步骤 Agent 系统。实现 Agent 时我们遵循三个核心原则保持设计简洁通过展示规划步骤确保流程透明通过完善的文档和测试精心设计 Agent-计算机接口框架能助你快速起步但在生产环境中不妨减少抽象层用基础组件构建。遵循这些原则你就能创建出不仅强大而且可靠、可维护、值得用户信任的 Agent。普通人如何抓住AI大模型的风口领取方式在文末为什么要学习大模型目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 大模型作为其中的重要组成部分 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 为各行各业带来了革命性的改变和机遇 。目前开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景其中应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。随着AI大模型技术的迅速发展相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业人工智能大潮已来不加入就可能被淘汰。如果你是技术人尤其是互联网从业者现在就开始学习AI大模型技术真的是给你的人生一个重要建议最后只要你真心想学习AI大模型技术这份精心整理的学习资料我愿意无偿分享给你但是想学技术去乱搞的人别来找我在当前这个人工智能高速发展的时代AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料能够帮助更多有志于AI领域的朋友入门并深入学习。真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】大模型全套学习资料展示自我们与MoPaaS魔泊云合作以来我们不断打磨课程体系与技术内容在细节上精益求精同时在技术层面也新增了许多前沿且实用的内容力求为大家带来更系统、更实战、更落地的大模型学习体验。希望这份系统、实用的大模型学习路径能够帮助你从零入门进阶到实战真正掌握AI时代的核心技能01教学内容从零到精通完整闭环【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块内容比传统教材更贴近企业实战大量真实项目案例带你亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌02适学人群应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。vx扫描下方二维码即可【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】本教程比较珍贵仅限大家自行学习不要传播更严禁商用03入门到进阶学习路线图大模型学习路线图整体分为5个大的阶段04视频和书籍PDF合集从0到掌握主流大模型技术视频教程涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向新手必备的大模型学习PDF书单来了全是硬核知识帮你少走弯路不吹牛真有用05行业报告白皮书合集收集70报告与白皮书了解行业最新动态0690份面试题/经验AI大模型岗位面试经验总结谁学技术不是为了赚$呢找个好的岗位很重要07 deepseek部署包技巧大全由于篇幅有限只展示部分资料并且还在持续更新中…真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】