网站导航页面模板网站开发技术部绩效考核

网站导航页面模板,网站开发技术部绩效考核,wordpress更改主题目录,石家庄大型网络公司通过丰富的LangChain示例和五大实战案例掌握AI Agent开发 本书内容 《AI Agent智能体开发实践》系统介绍AI智能体#xff08;Agent#xff09;技术原理、开发方法和实践案例。《AI Agent智能体开发实践》从基础概念出发#xff0c;逐步深入AI Agent的核心技术、开发框架、开…通过丰富的LangChain示例和五大实战案例掌握AI Agent开发本书内容《AI Agent智能体开发实践》系统介绍AI智能体Agent技术原理、开发方法和实践案例。《AI Agent智能体开发实践》从基础概念出发逐步深入AI Agent的核心技术、开发框架、开发流程、开发方法和行业应用帮助读者系统掌握构建高效、智能的AI Agent的关键技能。本书配套示例代码、PPT课件、读者微信技术交流群示例代码经过测试均可运行无误。《AI Agent智能体开发实践》共分16章内容包括初识智能体、智能体开发环境、智能体的关键技术、提示工程、RAG检索增强生成技术、智能体开发平台简介、智能体开发流程、基于LangChain的智能体开发、基于MCP的智能体开发、基于LangChain的问答智能体实战、多模态电商客服机器人实战、智能体性能优化与调试技巧、智能体部署与实施方法、多模态试驾预约Agent实战、基于RAG的多Agent客户服务助手实战、基于MCP的多Agent旅行规划助手实战。通过本书的学习读者将具备独立开发、优化和部署AI Agent的能力并能够将其应用于实际业务场景中。《AI Agent智能体开发实践》适合AI Agent初学者、Agent开发人员、Agent架构师、大模型应用开发人员、行业AI应用解决方案提供商阅读参考也适合高等院校或高职高专院校学习大模型应用开发课程的学生。本书作者邓立国东北大学计算机应用博士广东工业大学副教授。主要研究方向为数据挖掘、知识工程、大数据处理、云计算、分布式计算。以第一作者发表学术论文30多篇26篇EI主编科研著作5部主持科研课题10项多次获得省校级科研优秀奖。著有图书《Python数据分析与挖掘实战》《Python大数据分析算法与实例》《数据库原理与应用SQL Server 2016版本》等。本书读者·LangChain与AI Agent开发初学者·AI Agent与AI应用开发工程师·行业AI解决方案提供商·高等院校或高职高专院校AI应用开发课程的学生本书目录向上滑动阅览目 录第 1 部分 基础与理论第 1 章 初识智能体21.1 智能体是什么21.2 AI智能体的类型31.3 AI智能体的功能41.4 智能体核心组件61.5 智能体的发展历程91.6 智能体与大模型的关系91.7 AI智能体的应用场景101.8 本章小结12第 2 章 Agent开发环境配置142.1 智能体开发环境安装142.1.1 Anaconda的下载与安装152.1.2 PyTorch的下载与安装162.1.3 PyCharm的安装与使用192.2 LLM的调用与使用202.2.1 ModelScope魔搭社区202.2.2 Qwen3的本地调用212.2.3 Qwen3的在线调用242.3 本章小结27第 3 章 智能体的关键技术283.1 规划与推理283.1.1 CoT框架分步推理283.1.2 ToT框架多路径探索式推理313.1.3 ReAct框架将ReasoningActing结合343.2 自适应学习383.2.1 在线微调人类反馈强化学习383.2.2 参数高效微调Adapter与Prefix-tuning433.3 多Agent协同523.3.1 角色分工定义不同Agent的职能523.3.2 通信协议基于自然语言或结构化消息563.3.3 竞争协调拍卖机制或投票系统623.4 感知与理解技术733.4.1 多模态感知733.4.2 环境建模763.5 记忆与知识管理803.5.1 短期记忆803.5.2 长期记忆853.6 本章小结95第 4 章 提示工程964.1 提示工程概述964.2 智能体基础架构984.3 提示设计方法1014.3.1 零样本提示1014.3.2 少样本提示1054.3.3 思维链提示1064.3.4 自洽性提示1094.4 高级提示技术1114.4.1 递归提示1114.4.2 元提示1144.4.3 多智能体协作提示1164.4.4 工具增强提示1224.5 评估与优化1284.5.1 提示效果评估指标1284.5.2 A/B测试方法1334.5.3 自动优化技术1404.5.4 对抗性提示防御1454.6 本章小结149第 5 章 RAG检索增强生成技术1505.1 RAG基础概念1505.1.1 RAG技术概述1505.1.2 RAG架构组成1515.1.3 RAG工作流程1525.2 检索技术1535.2.1 检索方法1535.2.2 向量检索技术1555.2.3 检索优化策略1635.3 生成技术1675.3.1 代码生成技术1675.3.2 文本生成技术1705.3.3 模板生成技术1725.4 知识库构建与管理1745.4.1 数据来源与预处理1745.4.2 知识库更新策略1795.4.3 多模态RAG1825.5 RAG优化与评估1855.5.1 评估指标1855.5.2 端到端优化方法1955.5.3 常见问题与解决方案2015.6 本章小结214第 2 部分 开发与实践第 6 章 智能体开发平台简介2166.1 开源平台2166.1.1 LangChain2166.1.2 AutoSpark2176.1.3 AutoGPT2176.1.4 Microsoft Autogen2176.1.5 MetaGPT2186.1.6 DSPy2186.1.7 AgentVerse2186.1.8 LlamaIndex2186.1.9 Hugging Face Transformers Agents2186.1.10 SuperAGI2186.2 商业平台2186.2.1 Dify2196.2.2 LlamaIndex2196.2.3 腾讯元器2196.2.4 文心智能体平台百度2196.2.5 星辰Agent科大讯飞2206.2.6 扣子Coze2206.2.7 阿里云AgentScope2206.3 其他平台2216.3.1 CrewAI2216.3.2 MaxKB2216.3.3 FastGPT2216.3.4 HuggingFace AgentHub2226.3.5 NVIDIA Omniverse Agent2226.3.6 AutoGen2226.4 本章小结223第 7 章 智能体开发流程2247.1 需求分析与规划2247.2 设计与开发阶段管理2257.3 测试与部署策略2267.4 本章小结228第 8 章 基于LangChain的智能体开发2298.1 LangChain框架简介2298.1.1 LangChain的框架架构2298.1.2 LangChain的基本模块2308.1.3 LangChain的基本应用场景2328.2 LangChain框架的输入输出2348.2.1 提示2348.2.2 语言模型2348.2.3 输出解析器2358.3 LangChain框架的链和表达式语言2368.3.1 LangChain框架中的链2368.3.2 LangChain表达式语言2378.3.3 LCEL中的RunnableLambda2388.3.4 LCEL中的RunnableSequence2388.3.5 LCEL中的RunnableParallel2408.3.6 LCEL中的RunnablePassthrough2428.3.7 LCEL中的RunnableBranch2428.4 LangChain框架中的记忆2438.4.1 记忆的概念2438.4.2 BaseChatMessageHistory接口及其子类2438.4.3 RunnableWithMessageHistory2448.4.4 基于LangChain的聊天机器人2458.5 LangChain框架中的检索增强生成2468.5.1 检索增强生成介绍2468.5.2 索引、检索和生成2488.5.3 文档和文档加载器2508.5.4 TextLoader、WebBaseLoader和pypdfLoader2518.5.5 分割器和递归字符文本分割器2528.5.6 嵌入模型2528.5.7 向量存储库2538.5.8 检索器2548.6 LangChain框架中的智能体2588.6.1 人工智能代理介绍2588.6.2 LangChain中的AI Agent实现方式2598.6.3 多智能体框架LangGraph介绍2598.6.4 多智能体框架LangGraph中的图2598.6.5 多智能体框架LangGraph中的状态2608.6.6 多智能体框架图中的节点2618.6.7 多智能体框架LangGraph中的边2628.6.8 多智能体框架LangChain中的工具2638.6.9 再审方法2658.7 本章小结268第 9 章 基于MCP的智能体开发2699.1 MCP基本原理2699.2 单机MCP服务器端搭建2709.3 单机MCP服务端进阶实现与优化2749.4 单机MCP客户端搭建2839.5 MCP智能体开发案例2879.6 本章小结288第 10 章 基于RAG的问答智能体实战28910.1 系统架构28910.2 核心功能模块设计29110.3 本地部署和云部署29310.4 完整代码及运行结果29310.5 本章小结300第 11 章 多模态电商客服机器人实战30111.1 系统架构30111.2 核心功能模块设计30211.3 完整代码及运行结果30411.4 本章小结310第 3 部分 优化与应用第 12 章 智能体性能优化与调试技巧31212.1 性能瓶颈分析方法31212.2 调试工具与策略31412.3 优化实践案例分享31512.4 本章小结317第 13 章 智能体部署与实施方法31813.1 部署前的准备31813.2 数据准备31913.2.1 训练数据部署前模型优化用31913.2.2 测试数据部署后效果验证用32013.3 部署方案选择32013.3.1 本地部署32013.3.2 云端部署32013.3.3 边缘设备32113.3.4 嵌入式部署32113.3.5 专项部署32113.4 轻量化技术32213.5 成本优化策略32213.4.1 算力选型32213.4.2 资源调度32313.6 本章小结323第 14 章 多模态试驾预约Agent实战32414.1 系统概述32414.2 系统架构32514.3 核心功能模块设计32714.4 核心技术路径分析33114.5 AI试驾预约系统完整实现33214.6 本章小结359第 15 章 基于RAG的多Agent客户服务系统实战36015.1 系统概述36015.2 系统架构36115.3 核心功能模块设计36215.3.1 核心功能模块设计流程36215.3.2 核心功能模块设计36315.4 实现基于RAG的多Agent客户服务系统36415.5 本章小结373第 16 章 基于MCP的多Agent旅行规划助手实战37416.1 系统概述37416.2 系统架构37416.3 项目结构37516.4 系统的Agent组成37616.4.1 用户需求分析Agent37616.4.2 目的地推荐Agent38416.4.3 行程规划Agent38716.4.4 预算管理Agent38916.4.5 预订协调Agent39116.4.6 应急规划Agent39316.5 关键技术实现39616.5.1 通信机制39616.5.2 多智能体协作规划算法39916.5.3 冲突解决机制40516.5.4 共享知识库存储历史决策和用户反馈40616.6 旅行规划完整工作流程40916.6.1 主程序调用方案1后端FastAPI实现40916.6.2 主程序调用方案2Qwen模型调用Gradio界面41716.7 本章小结432编辑推荐1从智能体的基础概念出发逐步深入智能体的核心技术、开发框架、开发流程、开发方法和行业应用帮助读者系统掌握构建AI Agent的关键技能。2示例Propmt、RAG、MCP、LangChain、LangGraph和实战案例问答Agent、多模态电商客服机器人、多模态试驾预约Agent、多Agent客户服务助手、多Agent旅行规划助手非常丰富能帮助初学者按图索骥快速掌握AI Agent的开发方法和技能。3配套示例代码、PPT课件、读者交流微信群示例代码经过测试均能运行无误。本文摘自《AI Agent智能体开发实践》具体内容请以书籍为准。AI Agent智能体开发实践——jdhttps://item.jd.com/15261772.html