diff --git a/pages/_meta.zh.json b/pages/_meta.zh.json index 337151b1c..d1feef9a3 100644 --- a/pages/_meta.zh.json +++ b/pages/_meta.zh.json @@ -2,18 +2,51 @@ "index": "提示工程指南", "introduction": "提示工程简介", "techniques": "提示技术", + "agents": "Agents", + "guides": "提示指南", "applications": "提示应用", "prompts": "Prompt Hub", "models": "模型", "risks": "风险和误用", - "research": "LLM Research Findings", + "research": "LLM 研究发现", "papers": "论文", "tools": "工具和库", - "notebooks": "Prompt Engineering 笔记本", + "notebooks": "Notebooks", "datasets": "数据集", "readings": "阅读推荐", + "courses":{ + "title": "🎓 课程", + "type": "menu", + "items": { + "intro-prompt-engineering": { + "title": "提示工程简介", + "href": "https://dair-ai.thinkific.com/courses/introduction-prompt-engineering" + }, + "advanced-prompt-engineering": { + "title": "高级提示工程", + "href": "https://dair-ai.thinkific.com/courses/advanced-prompt-engineering" + }, + "intro-ai-agents": { + "title": "AI Agents简介", + "href": "https://dair-ai.thinkific.com/courses/introduction-building-ai-agents" + }, + "rag-systems": { + "title": "构建RAG系统", + "href": "https://dair-ai.thinkific.com/courses/introduction-rag" + }, + "advanced-agents": { + "title": "构建高级AI Agents", + "href": "https://dair-ai.thinkific.com/courses/advanced-ai-agents" + }, + "all-courses": { + "title": "查看全部 →", + "href": "https://dair-ai.thinkific.com/pages/courses" + } + } + }, "about": { "title": "关于", "type": "page" } } + diff --git a/pages/agents.zh.mdx b/pages/agents.zh.mdx new file mode 100644 index 000000000..4e64fb599 --- /dev/null +++ b/pages/agents.zh.mdx @@ -0,0 +1,10 @@ +# Agents + +import { Callout } from 'nextra/components' + +在本节中，我们将概述语言代理，包括其定义、常见的设计模式、技巧和应用。 + + +在我们新的结构化课程中学习构建代理，并提供示例和代码。[立即加入！](https://dair-ai.thinkific.com) +使用代码 PROMPTING20 可享受额外20%的折扣。 + diff --git a/pages/agents/_meta.zh.json b/pages/agents/_meta.zh.json new file mode 100644 index 000000000..457c38cd4 --- /dev/null +++ b/pages/agents/_meta.zh.json @@ -0,0 +1,4 @@ +{ + "introduction": "Agent 简介", + "components": "Agent 组件" +} \ No newline at end of file diff --git a/pages/agents/components.zh.mdx b/pages/agents/components.zh.mdx new file mode 100644 index 000000000..a47b11194 --- /dev/null +++ b/pages/agents/components.zh.mdx @@ -0,0 +1,53 @@ +# Agent 组件 + +import { Callout } from 'nextra/components' + +AI agent (agents)要有效应对复杂任务，需具备三项核心能力：规划能力 、工具使用能力 和 记忆管理能力 。下面我们将深入探讨这些组件如何协同工作以构建功能完备的 AI agent 。 + +![Agent 组件](../../img/agents/agent-components.png) + +## 规划能力：Agent 的“大脑” + +任何有效的 AI Agent 的核心都是其规划能力 ，而这一能力主要由大型语言模型（LLMs）驱动。现代 LLM 提供了若干关键的规划功能： + +- 通过链式思维推理进行任务分解 +- 对过往行为和信息进行自我反思 +- 实现自适应学习以优化未来决策 +- 对当前进展进行关键性分析 + +尽管目前 LLM 的规划能力尚不完美，但它们对于任务完成至关重要。缺乏强大的规划能力，Agent 将无法高效地自动化处理复杂任务，从而失去其存在的核心价值。 + + +如需了解如何构建 AI Agent，请查看我们的新课程：[立即加入！](https://dair-ai.thinkific.com/courses/introduction-ai-agents) +使用优惠码 PROMPTING20 可额外享受 20% 折扣。 + + +## 工具使用能力：拓展 Agent 的功能边界 + +第二项关键组件是 agent 与外部工具交互的能力。一个设计良好的 agent 不仅要能够访问各种工具，还必须理解在何时以及如何正确使用它们。常见的工具包括： + +- 代码解释器与执行环境 +- 网络搜索与爬取工具 +- 数学计算引擎 +- 图像生成系统 + +这些工具使 agent 能够执行其制定的计划，将抽象策略转化为具体结果。LLM 在理解何时选择何种工具方面的表现，对于高效处理复杂任务至关重要。 + +## 记忆系统：信息的存储与调用 + +第三项核心组件是记忆管理系统 ，主要包括两种形式： + +1. 短期记忆（工作记忆） + - 充当即时上下文的缓冲区 + - 支持上下文内学习（in-context learning） + - 足以应对大多数任务需求 + - 有助于在任务迭代过程中保持连贯性 +2. 长期记忆 + - 通常通过外部向量存储系统实现 + - 支持快速检索历史信息 + - 对未来任务完成具有重要参考价值 + - 当前实现较少，但在未来发展潜力巨大 + +记忆系统使 agent 能够存储并检索从外部工具中获取的信息，从而实现持续改进和知识积累 。 + +规划能力、工具使用能力和记忆系统之间的协同作用构成了有效 AI agent 的基础。虽然每个组件都有其当前的局限性，但了解这些核心功能对于开发和使用 AI agent 至关重要。随着技术的发展，我们可能会看到新的记忆类型和功能出现，但这三个支柱可能仍然是 AI agent 体系结构的基础。 \ No newline at end of file diff --git a/pages/agents/introduction.zh.mdx b/pages/agents/introduction.zh.mdx new file mode 100644 index 000000000..d23466c79 --- /dev/null +++ b/pages/agents/introduction.zh.mdx @@ -0,0 +1,50 @@ +# Introduction to AI Agents + +# AI Agent 简介 + +import { Callout } from 'nextra/components' + +Agents(智能体) 正在彻底改变我们处理复杂任务的方式，它们利用大型语言模型（LLMs）的力量为我们工作并取得显著成果。在本指南中，我们将深入探讨 AI agent 的基础知识，探索其功能、设计模式和潜在应用。 + +## 什么是 Agent？ + +![Agent 组件](../../img/agents/agent-components.png) + +在本指南中，我们将 Agent 定义为一种由 LLM 驱动的系统，旨在自主地采取行动并解决复杂任务。与传统的 LLMs 不同，AI agent 超越了简单的文本生成能力。它们具备额外的功能，包括： + +* **规划与反思：** AI Agent 可以分析问题，将其分解为多个步骤，并根据新信息调整其方法。 +* **工具访问：** 它们可以与外部工具和资源（如数据库、API 和软件应用程序）进行交互，以收集信息和执行操作。 +* **记忆：** AI Agent 可以存储和检索信息，使其能够从过去的经验中学习并做出更明智的决策 + +本节将会讨论 AI Agent 的概念及其在人工智能领域的重要性。 + +## 为什么要使用 Agent ? + +虽然大型语言模型（LLMs）在翻译或生成电子邮件等简单、狭窄的任务上表现出色，但在处理需要多步骤、规划和推理的复杂、广泛任务时却显得不足。这些复杂任务通常需要访问超出 LLM 本身知识库范围的外部工具和信息。 + +例如，制定营销策略可能涉及研究竞争对手、分析市场趋势以及访问公司特定数据。这些行动需要现实世界的信息、最新洞察和内部公司数据，而独立的LLM可能无法访问这些信息。 + +AI Agent 通过结合 LLMs 的功能和额外特性（如记忆、规划和外部工具）来弥合这一差距。 + +通过利用这些能力，AI Agent 可以有效地应对诸如以下复杂任务： + +* 制定营销策略 +* 策划活动 +* 提供客户服务支持 + + +在我们的新课程中了解如何构建 AI Agent。[立即加入！](https://dair-ai.thinkific.com/courses/introduction-ai-agents) +使用代码 PROMPTING20 可额外享受20%的折扣。 + + +## AI Agent 的常见用例 + +以下是一些在工业界应用 Agent 的非详尽常见用例列表： + +* **推荐系统：** 为产品、服务或内容提供个性化建议。 +* **客户服务系统：** 处理咨询、解决问题和提供帮助。 +* **研究：** 在法律、金融和健康等多个领域进行深入调查。 +* **电子商务应用：** 促进在线购物体验，管理订单并提供个性化推荐。 +* **预订：** 协助旅行安排和活动策划。 +* **报告：** 分析大量数据并生成全面报告。 +* **财务分析：** 分析市场趋势，评估财务数据，并以前所未有的速度和准确性生成报告。 \ No newline at end of file diff --git a/pages/applications.zh.mdx b/pages/applications.zh.mdx index 8c0263808..918b31d8e 100644 --- a/pages/applications.zh.mdx +++ b/pages/applications.zh.mdx @@ -1,6 +1,8 @@ # 提示应用 import { Callout } from 'nextra-theme-docs' +import {Cards, Card} from 'nextra-theme-docs' +import {FilesIcon} from 'components/icons' import ContentFileNames from 'components/ContentFileNames' diff --git a/pages/applications/_meta.zh.json b/pages/applications/_meta.zh.json index 4aa7718e5..b890f3878 100644 --- a/pages/applications/_meta.zh.json +++ b/pages/applications/_meta.zh.json @@ -1,6 +1,11 @@ { + "finetuning-gpt4o": "GPT-4o 微调", + "function_calling": "函数调用", + "context-caching": "LLMs 上下文缓存机制研究", "generating": "生成数据", - "coding": "Generating Code", + "synthetic_rag": "生成面向 RAG 的合成数据集", + "generating_textbooks": "处理合成数据集的多样性", + "coding": "代码生成", "workplace_casestudy": "毕业生工作分类案例研究", "pf": "提示函数" -} \ No newline at end of file +} diff --git a/pages/applications/coding.zh.mdx b/pages/applications/coding.zh.mdx index 6f35b081a..5069df10c 100644 --- a/pages/applications/coding.zh.mdx +++ b/pages/applications/coding.zh.mdx @@ -5,7 +5,7 @@ import {Screenshot} from 'components/screenshot' import CODE1 from '../../img/code-generation/chat-mode.png' - 这个小节这在开发当中 + 此节仍尚在开发过程中。 像ChatGPT这种大语言模型对于生成代码是非常擅长的。在本节中，我们将给出一些示例来介绍如何使用ChatGPT进行代码生成： @@ -193,4 +193,4 @@ WHERE departments.DepartmentName = 'Computer Science'; 例子很快就来！ ## 最佳实践 -很快就来！ \ No newline at end of file +很快就来！ diff --git a/pages/applications/context-caching.zh.mdx b/pages/applications/context-caching.zh.mdx new file mode 100644 index 000000000..c9fc45c4b --- /dev/null +++ b/pages/applications/context-caching.zh.mdx @@ -0,0 +1,60 @@ +# Gemini 1.5 Flash 中的上下文缓存技术 + +import {Cards, Card, Callout} from 'nextra-theme-docs' +import {CodeIcon} from 'components/icons' + +Google 最近推出了一个名为 [上下文缓存(Context Caching)](https://ai.google.dev/gemini-api/docs/caching?lang=python) 的新特性，并通过 Gemini API 在 Gemini 1.5 Pro 和 Gemini 1.5 Flash 上提供。本节将通过一个使用 Gemini 1.5 Flash 的基础示例来演示如何使用该创新技术。 + +