发帖
雷达卡
此次任务旨在掌握智能体的基础知识，难度较低，分为两部分。前半部侧重理论，通过实例探讨了智能体的定义与发展历程，其中对智能体进行了详细的分类，包括基于模型的反射型智能体、目标导向的智能体以及学习型智能体的相关概念及其差异；接着以列表形式对比了利用大语言模型（LLM）和显式编程实现业务驱动的区别。个人认为，LLM的核心优势在于其强大的泛化能力，尽管仍需对成功概率和不确定性加以控制。随后讲解了智能体的工作原理，主要基于智能体循环进行感知、思考（包括规划与工具选择）、行动等步骤。最后通过示例代码演示了如何构建一个查询天气的智能体来决定前往哪个城市的旅游景点。
代码参考 https://datawhalechina.github.io/hello-agents/#/./chapter1/%E7%AC%94%E8%AE%B0%E6%9C%AC%20%E5%88%9D%E8%AF%86%E6%99%BA%E8%83%BD%E4%BD%93
这里展示我运行的结果 用户输入: 你好，请帮我查询一下今天哈尔滨的天气，然后根据天气推荐一个合适的旅游景点。 ======================================== --- 循环 1 --- 正在请求大语言模型... 大语言模型响应成功。 模型输出: Thought: 首先需查询哈尔滨当天的天气状况，再依据天气情况提供适合的旅游景点建议。 Action: get_weather(city="哈尔滨") Observation: 哈尔滨目前天气：多云，气温-1摄氏度 ======================================== --- 循环 2 --- 正在请求大语言模型... 大语言模型响应成功。 模型输出: Thought: 已确认哈尔滨天气为多云，气温-1摄氏度。接下来将根据这一天气状况推荐适宜的旅游景点。 Action: get_attraction(city="哈尔滨", weather="Cloudy") Observation: 在多云天气中，建议访问哈尔滨冰雪大世界，体验冰雕艺术和冬季运动的乐趣。中央大街则提供了丰富的历史氛围及地道的美食。 ======================================== --- 循环 3 --- 正在请求大语言模型... 大语言模型响应成功。 模型输出: Action: finish(answer="今天哈尔滨天气多云，气温-1摄氏度。建议您参观哈尔滨冰雪大世界，享受冰雕艺术和冬季运动；另外，中央大街的历史氛围和地道美食也非常值得体验。") 任务完成，最终答案: 今天哈尔滨天气多云，气温-1摄氏度。建议您参观哈尔滨冰雪大世界，享受冰雕艺术和冬季运动；另外，中央大街的历史氛围和地道美食也非常值得体验。 ps: 目前尚未进入冰雕季节，后续优化思路是在涉及冰雕项目时，模型可查询官方开园时间等信息，以提供更精准的旅行建议。例如，冰雪节定于1月5日开始。 其它： 可以采用在线的大规模参数模型，这将提升效果和成功率，推荐使用心流平台上的qwen3-max模型 https://platform.iflow.cn/
京公网安备 11010802022788号
