tGPT探索GPT助手36
3.2构建具备数据科学能力的GPT40
3.3自定义GPT并添加自定义操作45
3.3.1创建一个GPT来辅助构建GPT45
3.3.2将自定义操作连接到助手49
3.4通过文件上传扩展助手的知识库52
3.4.1构建CalculusMadeEasyGPT52
3.4.2通过文件上传实现知识搜索及更多功能55
3.5发布GPT57
3.5.1高消耗的GPT助手57
3.5.2理解GPT的经济逻辑58
3.5.3发布GPT供公众使用59
3.6练习60
3.7本章小结61
第4章探索多智能体系统63
4.1通过AutoGenStudio介绍多智能体系统64
4.1.1安装和使用AutoGenStudio65
4.1.2在AutoGenStudio中添加技能67
4.2探索AutoGen71
4.2.1安装和使用AutoGen71
4.2.2使用评论员智能体增强代码输出73
4.2.3理解AutoGen缓存75
4.3智能体和AutoGen的群组聊天76
4.4使用CrewAI构建智能体团队78
4.4.1创建CrewAI智能体的笑话团队79
4.4.2使用AgentOps观察智能体工作82
4.5使用CrewAI重新审视编码智能体84
4.6练习90
4.7本章小结91
第5章赋能智能体行动力92
5.1定义智能体行动92
5.2执行OpenAI函数94
5.2.1向LLMAPI调用添加函数94
5.2.2执行函数调用97
5.3语义内核介绍100
5.3.1开始使用SK语义函数101
5.3.2语义函数和上下文变量103
5.4语义函数和原生函数的协同作用105
5.4.1创建和注册语义技能/插件105
5.4.2应用原生函数109
5.4.3在语义函数中嵌入原生函数111
5.5语义内核作为交互式服务智能体112
5.5.1构建语义GPT接口113
5.5.2测试语义服务115
5.5.3基于语义服务层的交互式聊天117
5.6编写语义服务时的语义思考120
5.7练习122
5.8本章小结123
第6章构建自主智能体124
6.1行为树简介124
6.1.1理解行为树的执行逻辑126
6.1.2行为树的选用考量127
6.1.3使用Python和py_trees运行行为树129
6.2探索GPTAssistantsPlayground130
6.2.1安装和运行Playground130
6.2.2使用和构建自定义动作132
6.2.3安装助手数据库134
6.2.4让助手在本地运行代码134
6.2.5通过日志调查助手过程136
6.3智能体行为树简介137
6.3.1用助手管理助手137
6.3.2构建编码挑战ABT138
6.3.3对话式AI系统与其他方法142
6.3.4将YouTube视频发布到X平台143
6.3.5所需的X平台配置144
6.4构建对话式自主多智能体146
6.5用反向链构建ABT148
6.6练习149
6.7本章小结151
第7章搭建和使用智能体平台152
7.1Nexus简介：不仅仅是一个智能体平台152
7.1.1运行Nexus153
7.1.2开发Nexus154
7.2Streamlit聊天应用开发简介156
7.2.1构建Streamlit聊天应用157
7.2.2创建流式聊天应用159
7.3为智能体开发配置文件和角色161
7.4为智能体提供动力并理解智能体引擎163
7.5为智能体配置动作和工具165
7.6练习169
7.7本章小结170
第8章理解智能体记忆和知识171
8.1理解AI应用中的检索171
8.2检索增强生成基础知识172
8.3深入探讨语义搜索和文档索引174
8.3.1应用向量相似度检索174
8.3.2向量数据库与相似度检索177
8.3.3揭秘文档嵌入179
8.3.4从Chroma中查询文档嵌入180
8.4使用LangChain构建RAG182
8.4.1使用LangChain拆分和加载文档182
8.4.2使用LangChain按token拆分文档184
8.5将RAG应用于构建智能体知识体系185
8.6在智能体系统中实现记忆189
8.6.1在Nexus中使用记忆库190
8.6.2语义记忆及其在语义记忆、情景记忆和程序记忆中的应用192
8.7理解记忆和知识压缩194
8.8练习196
8.9本章小结197
第9章精通智能体提示词与PromptFlow199
9.1为什么需要系统化的提示工程199
9.2理解智能体配置文件和个人角色203
9.3设置你的第一个PromptFlow204
9.3.1入门准备204
9.3.2使用Jinja2模板创建配置207
9.3.3部署PromptFlowAPI208
9.4评估配置：评估标准与事实校准210
9.5理解评估标准与事实校准213
9.6使用LLM配置进行事实校准215
9.7对比配置：获得最优配置216
9.7.1解析LLM评估输出结果216
9.7.2在PromptFlow中运行批量处理219
9.7.3创建用于事实校准的评估流程222
9.8练习225
9.9本章小结226
第10章智能体推理与评估228
10.1理解直接解决方案提示词229
10.1.1问答式提示词229
10.1.2实现少样本提示词232
10.1.3使用零样本提示词提取通用特征234
10.2提示工程中的推理236
10.2.1思维链提示词237
10.2.2零样本思维链提示词241
10.2.3基于提示词链的分步推理242
10.3运用评估实现稳定输出的解决方案245
10.3.1评估自洽性提示词246
10.3.2评估思维树提示词250
10.4练习254
10.5本章小结255
第11章智能体规划与反馈256
11.1规划：所有智能体/助手的基本工具256
11.2理解顺序规划过程261
11.3构建顺序规划器262
11.4回顾分步规划器：OpenAIStrawberry268
11.5将规划、推理、评估和反馈应用于智能体/助手系统271
11.5.1智能体/助手规划的应用271
11.5.2智能体/助手推理的应用273
11.5.3评估在智能体系统中的应用274
11.5.4反馈在智能体/助手应用中的应用276
11.6练习277
11.7本章小结279
附录A访问OpenAI大语言模型280
A.1注册OpenAI账户并获取密钥280
A.2AzureOpenAIStudio、密钥和模型部署282
附录BPython开发环境285
B.1下载源代码285
B.2安装Python286
B.3安装VSCode286
B.4安装VSCodePython扩展286
B.5使用VSCode创建新的Python环境287
B.6使用VSCode开发容器(基于Docker)288
