iT邦幫忙

agent相關文章
共有 41 則文章
鐵人賽 生成式 AI DAY 26

技術 [Replit Agent] 不能讓鬼島老闆知道的接案神器

📌 本主題系列大部分皆為 AI 生成後潤飾📌 生成本主題系列的工作流程請參考另一個主題系列:[我無限升級,30天解鎖獨自升級金手指!你老闆不能知道的 AIGC...

鐵人賽 生成式 AI DAY 26

技術 [Level 13] 使用 Zapier 建立強大的 AI Agent

📌 本主題系列工作流所生成的文章,請參考另一個主題系列:[轉生到鬼島的反派,為了生存必須在30天內學會30種 AI 工具!]📌 本主題內容以個人經驗為主探索 A...

鐵人賽 生成式 AI DAY 25

技術 [Level 12] 使用 Make 建立強大的 AI Agent

📌 本主題系列工作流所生成的文章,請參考另一個主題系列:[轉生到鬼島的反派,為了生存必須在30天內學會30種 AI 工具!]📌 本主題內容以個人經驗為主探索 A...

鐵人賽 生成式 AI DAY 24

技術 [Level 11] 使用 n8n 建立強大的 AI Agent

📌 本主題系列工作流所生成的文章,請參考另一個主題系列:[轉生到鬼島的反派,為了生存必須在30天內學會30種 AI 工具!]📌 本主題內容以個人經驗為主探索 A...

鐵人賽 生成式 AI DAY 13

技術 <玩轉大語言模型> LangChain: Agent with search tool

上一篇我們實做了zero-shot react description,本篇我們繼續實作其他AgentType! 我們就先來實作上篇有介紹過的Self-Ask...

鐵人賽 生成式 AI DAY 12

技術 <玩轉大語言模型> LangChain: AgentType(Zero-Shot React Description)

上一篇我們講完了Agent以及他的相關對象的關係,今天我們就來介紹一些不同的AgentType! Zero-Shot React Description:...

鐵人賽 生成式 AI DAY 11

技術 <玩轉大語言模型> LangChain: Agent

本篇要繼續來介紹另一個LangChain中很重要的概念,就是Agent! Agent Agent是LangChain中的核心概念,可以把他想成一個「智能協調者...

鐵人賽 生成式 AI DAY 20

技術 【Day 20】- 結合 LangGraph 與 MongoDB 打造智慧工地安全監控系統:Agentic RAG 技術應用實例

摘要這篇文章探討了如何將 LangGraph 的強大功能與 MongoDB 的資料儲存和檢索能力相結合,打造一個智慧的工地安全監控系統。文章首先介紹了 Lan...

鐵人賽 生成式 AI DAY 25

技術 【Day 25】- 數位轉型下的工安革命:知識圖譜與LangGraph的完美結合

摘要這篇文章深入探討了如何將知識圖譜與 LangGraph 結合,打造一個智慧化的工安監控管理系統。文章首先介紹了知識圖譜在管理工安資料的優勢,包括儲存結構化...

鐵人賽 生成式 AI DAY 26

技術 【Day 26】- Ollama: 革命性工具讓本地 AI 開發觸手可及 - 從安裝到進階應用的完整指南

摘要這篇文章是一篇關於 Ollama 的詳細指南,介紹了 Ollama 這個開源本地大型語言模型運行框架。文章首先介紹了 Ollama 的背景、特性和優點,強...

鐵人賽 生成式 AI DAY 24

技術 【Day 24】- GraphRAG:革新檢索增強生成的新範式

摘要這篇文章介紹了一種名為 GraphRAG 的新型檢索增強生成技術,它由微軟研究團隊提出,旨在突破傳統 RAG 方法在處理複雜資訊時的局限性。GraphRA...

鐵人賽 生成式 AI DAY 23

技術 【Day 23】- Adaptive-RAG:動態檢索策略提高系統問答精準度

摘要這篇文件介紹了一種名為「Adaptive-RAG」的技術,它旨在提升問答系統的準確性和效率。Adaptive-RAG 的核心概念是根據使用者查詢的複雜度動...

鐵人賽 生成式 AI DAY 22

技術 【Day 22】- CRAG: 檢索增強生成的糾錯機制 - 提升大型語言模型問答精確度

摘要這篇文章介紹了一種名為「Corrective RAG (CRAG)」的技術,旨在提升大型語言模型(LLM)在問答系統中的準確性和可靠性。CRAG 的核心思...

鐵人賽 生成式 AI DAY 21

技術 【Day 21】- 從基礎到進階: 掌握RAG基礎並使用LangGraph實現Agentic RAG

摘要這篇文章探討了檢索增強生成 (Retrieval-Augmented Generation, RAG) 技術,它結合了資訊檢索和文本生成,以克服現有大型語...

鐵人賽 生成式 AI DAY 19

技術 【Day 19】- LangGraph 的記憶機制:提升 AI 助理的上下文理解能力

摘要這篇文章探討了 LangGraph 這個框架,它用於提升 AI 助理的記憶能力,並能有效管理對話歷史。文章首先說明了 AI 助理需要記憶功能的原因,以及記...

鐵人賽 生成式 AI DAY 18

技術 【Day 18】- LangGraph 與 LangFuse:打造 Agent 觀測系統全方位指南

摘要這篇文章探討了如何使用 LangGraph 與 LangFuse 打造全方位的 Agent 觀測系統。LangGraph 是一個用於構建複雜 AI 代理應...

鐵人賽 生成式 AI DAY 17

技術 【Day 17】- 多代理系統設計: 監督者模式的應用與實踐

摘要這篇文章探討了多代理系統設計中監督者模式的應用和實踐。文章首先回顧了多代理系統的基本概念和協作模式,接著介紹了監督者模式的特性,並以台灣棒球和啦啦隊新聞處...

鐵人賽 生成式 AI DAY 16

技術 【Day 16】- Agentic Pattern:以多代理協作模式革新 AI 系統

摘要這篇文章探討了 多代理系統 在人工智能領域的應用,特別是 如何利用 LangGraph 框架來構建和管理多代理系統。文章首先介紹了多代理系統的基本概念,包...

鐵人賽 生成式 AI DAY 15

技術 【Day 15】- Agentic Design Pattern: Planning - 賦予 AI 自主規劃能力

摘要這篇文章主要介紹了 Agentic Design Pattern 中的 Planning 模式,它賦予 AI 自主規劃的能力,讓 AI 能夠處理那些難以預...

鐵人賽 生成式 AI DAY 14

技術 【Day 14】- 翻譯革新:從吳恩達的 Translation Agent 到 LangGraph 的智能協作模式

摘要這篇文章主要探討了「AI 代理」領域的最新進展,以吳恩達團隊推出的 Translation Agent 開源工具為例,展現了 AI 如何革新翻譯的效率和準...

鐵人賽 生成式 AI DAY 13

技術 【Day 13】- 進階 LLM 反思機制:Reflexion 技術的創新與應用

摘要這篇文章探討了大型語言模型(LLM)領域中的反思機制,特別是新興的 Reflexion 技術。它首先回顧了先前 Self-Refine 技術的局限性,例如...

鐵人賽 生成式 AI DAY 12

技術 【Day 12】- AI代理自我反思:深入探討 Self-Refine 技術與 LangGraph 實作

摘要這篇文章主要探討了 大型語言模型 (LLM) 的自我完善技術,特別是 Self-Refine 的概念和實作方法。文章從介紹 Reflection Agen...

鐵人賽 生成式 AI DAY 11

技術 【Day 11】- 從反思到監督:五大 AI 代理設計模式速成指南

摘要這篇文章作者介紹了五種 AI 代理設計模式,分別是:反思(Reflection)、反饋學習(Reflexion)、規劃(Planning)、監督者(Sup...

鐵人賽 生成式 AI DAY 10

技術 【Day 10】從零到一:用實戰案例掌握 LangGraph Studio 開發 AI 代理

摘要本文介紹了 LangGraph Studio,一個專為 AI 代理應用程式開發設計的整合開發環境 (IDE)。文章首先介紹了 LangGraph Stud...

鐵人賽 生成式 AI DAY 3
懶人救星:生成式AI 系列 第 3

技術 Day3-AI工具榜單大揭密:今年最值得關注的百大 AI 工具!

前言 2024年是AI創意開始爆發的一年,隨著GPT, Claude, Llama…等大型模型成功的發展,越來越多基於此技術的新創AI公司快速崛起。AI不再僅僅...

鐵人賽 生成式 AI DAY 9

技術 【Day 9】- 從 Redux 到 LangGraph:AI 時代下的狀態管理新思維

摘要這篇文章主要探討了兩種狀態管理框架:傳統的 Redux 和新興的 LangGraph,並比較了它們的設計理念和應用場景。首先,文章簡要介紹了 Redux...

鐵人賽 生成式 AI DAY 8

技術 【Day 8】- 深入理解 LangGraph 狀態的工作機制

摘要這篇文章以大家熟悉的「大地遊戲」為比喻,深入淺出地解說了 LangGraph 的狀態管理機制,並強調其在 AI 對話系統中的重要性。文章首先說明 Lang...

鐵人賽 生成式 AI DAY 7

技術 【Day 7】 - LangGraph 深入探索:Function Calling 機制與進階應用

摘要本文探討 LangGraph 框架中的 Function Calling 技術,它是一種讓大型語言模型 (LLM) 能夠與外部工具互動的機制,進而擴展 A...

鐵人賽 生成式 AI DAY 6

技術 【Day 6】- LangChain 與 LangGraph 工具實戰探討:AI 模型的程式呼叫能力

摘要這篇文章探討了 LangChain 和 LangGraph 這兩個強大的工具,它們能夠賦予 AI 模型呼叫外部程式碼的能力,進而擴展其功能並實現更智能的交...

鐵人賽 生成式 AI DAY 5

技術 【Day 5】- LangChain 與 LangGraph 串流技術深度探索

摘要展示了 LangChain 與 LangGraph 的串流功能,旨在說明如何以分段式輸出和事件串流的方式提升基於大型語言模型 (LLM) 應用程式的效能。...