系列文章
Day 11: agent-brain 的架構
繼續 implementation 之前，我想先做個整個架構的 overview，藉此幫助自己更好的了解想做什麼/該做什麼(?) Agent-brain 是什麼...
Day 12: agent-brain 的 Memory
昨天我從 top-down 的角度把 Memory Structure 與 Thinking Net Structure 拆開，今天回到實作面，先完成 Memo...
Day 13: agent-brain 的 Brain
昨天我先把 Memory 的骨架定義好，今天則輪到最核心的「Brain」。這一層是 Controller 的角色：它不自己思考、不自己記錄，而是負責把 Memo...
Day 14: agent-brain 接上 tools
今天則補上最後一塊拼圖：Tools。讓整個 agent-brain 真正動起來。 BaseTool 抽象介面 我先定義了一個最小的 BaseTool 介面，包...
Day 15: 用 Streamlit 打造 chat UI
今天差個分支來刻一下 UI前幾天都在刻 Memory、Brain、Tools，雖然能跑，但沒有一個直覺的觀測方式。今天嘗試用 Streamlit 打造了一個簡單...
Day 16: agent-brain 的測試資料集 (一) - ToolHop
由於還有 15 天，接下來打算抽換 memory 與 net，並且比較效果，那我們勢必要有一個可以 客觀比較效果 的方法。 講到 evaluation 就該有...
Day 17: agent-brain 的測試資料集 (二) - BFCL
單純 survey 一下，BFCL 的 dataset 如果想做很完整實驗應該要跑這個， 目前 BFCL dataset 已經出到了 v4 (包含 agent...
Day 18: native function calling vs prompt function calling (一)
前言 看完了 ToolHop 與 BFCL 兩個用在 multi-step 的 dataset 今天開始來嘗試跑 toolhop 的 dataset。先介紹一下...
Day 19: LLM Function Calling
昨天提到 Prompt function calling 跟 FC (native) 的差別。最後決定要走 FC，因為簡單、省 token，而且在 agenti...
Day 20: 測試 agent brain
從 995 題中 random 挑了 50 題出來組成 dataset。這是 ToolHop 的 distribution，在設定一堆東西後跑了一下： 橫軸是...