AI.x社区

图片最近，OpenAI展示了他们打造深度研究AI代理的理想场景……关键考量工具和AI代理的数量之间存在一个最佳平衡点。确实，所有这些AI代理可以合并成一个拥有多种工具的AI代理。但工具数量和AI代理数量之间有一个最佳平衡点——当一个AI代理的工具过多时，工具选择可能会出问题。对此，NVIDIA在微调语言模型以实现精准工具选择方面做了很棒的研究。OpenAI的总体思路似乎是多个AI代理协作与编排。建立上下文和多个AI代理的协作非...

我已经在终端里摸爬滚打好几年了。那是我最舒服的地盘——写功能、调试、代码重构、审查PR。终端又快又专注，还没啥干扰。不过最近，我的开发流程里悄悄混进了一种新玩意儿：活在命令行里的AI助手。不是IDE里那种花里胡哨的代码补全copilot。我说的是真正的、能执行任务的编码助手，直接在你的终端里干活。给它们一个目标，它们就能生成代码、编辑文件、提交更改，有时候还能跑测试——全都在你的shell里。我当然得试试：这些家...

虽然大型语言模型（LLMs）已经重新定义了AI的可能性，但它们依然有个根本性的局限：无法与外部世界互动，知识停留在训练时的时间点，能力也局限于文本生成。在这篇文章中，我将探讨如何通过微调LLMs来让它们使用工具，突破这一局限。我会先从概念上讲解这是怎么实现的，然后通过一个具体的Python代码示例带你一步步操作。。工具调用（ToolCalling）的现状现在，像GPT4.1、Claude和Llama3这样的模型都已标配工具调用功能。你只需...

从滑动窗口到类操作系统记忆的测试与解析9种技巧优化AI代理记忆的9种技巧：从入门到高级优化AI代理的一种方法是设计多子代理架构以提升准确性。然而，在对话型AI中，优化远不止于此——memory变得尤为关键。随着你与AI代理的对话越来越长、越来越深入，它使用的memory会越来越多。这是因为AI依赖于诸如历史上下文存储、工具调用、数据库搜索等组件。在这篇博客中，我们将编写代码并评估9种从入门到高级的memoryoptimization技巧...

我们正式进入了AI智能体的时代！但现在已经不再是单打独斗的机器人时代了——2025年是个转折点，AI智能体之间的协作正成为主流，而不是例外。如果你一直在关注最新趋势，可能已经听说过多智能体系统（MAS）——这个领域正在悄无声息地改变从研究自动化到任务编排的一切。但打造这些系统可不简单。你需要能协调内存、上下文、模型多样性以及智能体间推理的框架。最重要的是，你肯定想要开源工具，这样才能自由灵活地开发。我深入...

想象一下，你能打造一个AI驱动的系统，秒速搜索海量数据，像人类一样理解语境，还能对复杂问题给出精准又聪明的回答。听起来像魔法？其实不然——这就是FAISSDB和Langchain，两种正在改变人工智能版图的前沿技术。如今，数据量爆炸式增长，传统搜索方法已经跟不上信息的庞大体量和复杂性。FAISSDB（FacebookAISimilaritySearch）横空出世，彻底革新了数据搜索与检索的方式。FAISS是一个专为快速、基于相似度的搜索设计的强大库...

1.引言关于ChatGPT（或者更广义的AenerativeAI）的讨论，如今已经演变成了AgenticAI。ChatGPT主要是个能生成文本回复的chatbot，而AI代理则能自主执行复杂任务，比如完成一笔销售、规划一次旅行、预订机票、雇佣承包商干家务活，甚至点个披萨。下面的图表展示了AgenticAI系统的演变。比尔·盖茨最近设想了一个未来：我们将拥有一个能处理自然语言、完成多种任务的AI代理。以旅行规划为例，传统上你得自己订酒店、机票、餐厅等。...

引言想打造一个生产就绪的RAG（RetrievalAugmentedGeneration）系统？那可不是件简单的事儿！得一步步来，精心设计，反复迭代。咱们得先把数据收拾干净，然后试试不同的分块策略——逻辑分块和传统分块都得试试，找到最适合你的场景。接着，还要匿名化数据，减少那些模型“胡思乱想”的情况（也就是所谓的hallucination）。为了让检索更精准，可以用子图（subgraphs）来聚焦最相关的信息，过滤掉那些没用的“噪音”。在检索层之...

AgentZero框架简介AgentZero是一个基于Python的开源智能体框架，用来构建个人AI助理和各种自动化工具。和那些太抽象或太死板的框架不同，AgentZero更灵活、实用且完全透明——你可以看到它的每一部分，修改它，扩展它，全都由你掌控。什么是AgentZero？AgentZero是一个“私人定制、自然进化、高度动态”的智能体框架。它的核心目标是创建这样的AIagent：•能够帮你解决实际问题•在使用中不断学习和进化•把复杂任务拆解给多个s...

将PDF转成文本这件事，过去是“能做到”，现在是“轻松做到”。最近我搭建了一个图数据库（GraphDataStore），用于RAG系统——换句话说，我们做了一个GraphRAG。为什么用GraphRAG？相比常见的向量数据库支持的RAG，GraphRAG有个巨大优势——推理能力更强。比如：问题A：「XYZ公司去年CFO是谁？」这种问题，向量搜索就能搞定，因为年报里通常直接写了。但换成这样：问题B：「XYZ公司有哪两位董事是同一所学校毕业的？」如果年报...

1.引言关于ChatGPT（广义上为生成式AI）的讨论现已演变为AgenticAI。ChatGPT主要是一个生成文本响应的聊天机器人，而AIAgents则能够自主执行复杂任务，例如完成销售、计划旅行、预订航班、雇佣承包商进行房屋工作、订购披萨等。图1展示了AgenticAI系统的演变。比尔·盖茨（BillGates）最近设想了一个未来，人们将拥有一个能够处理和响应自然语言并完成多种不同任务的AIAgent。盖茨以计划旅行为例。通常，这需要你亲自预订酒店、...

我大部分时间都在构建和改进RetrievalAugmentedGeneration(RAG)应用。我相信RAG可能是最受欢迎的AI应用之一。它无处不在，从聊天机器人到文档摘要。我也相信，由于各种原因，许多RAG应用最终未能部署，其中很多并非技术原因。然而，我希望自己早知道一些技术方面的知识，以创建更有效的RAG。但这就是我们学习新事物的方式。没有比构建并失败更好的工程学习方法了。从我的失败中，我学到了一些宝贵的经验教训，这些经验对首次构...

人工智能（AI）领域对多智能体系统的潜力充满期待——这种框架允许多个专业化AI智能体协作，以比单一模型更高效地解决复杂问题。这一转变预示着更精细的自动化、复杂的问题解决能力以及自主化工作流程。近期，Google推出了其智能体开发工具包（AgentDevelopmentKit，ADK），进入这一领域。然而，面对Microsoft的Autogen、灵活的Langchain和以协作为核心的CrewAI等成熟框架，开发者需要做出关键选择：哪款框架最适合他们的需求？...