所谓AI Agent其实就是LLM（大语言模型）Agent。LLM Agent可以被理解为一种智能助手，它可以连接到各种数据源，并通过API与环境进行交互。你可以把它想象成一个能够自动执行任务的机器人，比如搜索网页、引用文档或进行数学运算等。

这个机器人有很多种类型，每种类型都有自己的特殊技能。比如，有的机器人可以根据工具的描述来决定使用哪种工具，有的机器人可以与文档库进行交互，找到相关的文档，有的机器人可以通过自问自答的方式来解决问题，还有的机器人可以记住以前的对话交互，更好地进行对话。

LLM Agent就像一个多功能的机器人，可以使用各种工具来帮助你完成任务。你甚至可以设计和创建自己的自定义工具，让这个机器人更好地为你服务。

一

详细教程

1、认识什么是LLM和Langchain

这是一个面向初学者的AI教程，以通俗易懂的语言介绍了LLM、Langchain和矢量数据库，几乎不需要编码。

需要教程在后台回复“230716”免费获取链接。

2、Langchain，一个使用LLM构建应用程序的框架

这个教程介绍了LLM Agent的基本概念，以及如何使用LLM来决定使用哪

种行动或工具。

需要教程在后台回复“230716”免费获取链接。

3、视频教程

这是一个YouTube视频，解释了LLM Agents的工作原理。

需要教程在后台回复“230716”免费获取链接。

4、技术实操

介绍了如何为LLM Agents构建自定义工具。

需要教程在后台回复“230716”免费获取链接。

5、案例展示

解释了LLM Agent是什么，以及如何构建LLM Agents来提高客户体验。

需要教程在后台回复“230716”免费获取链接。

二

开源项目

1、TaskMatrix

TaskMatrix将ChatGPT和一系列的视觉基础模型连接起来，使得在聊天过程中可以发送和接收图像。这个项目的目标是通过利用ChatGPT（或LLMs）提供的广泛和多样化的理解，以及基础模型在特定领域提供的深度知识，构建一个能够处理各种任务的AI。

TaskMatrix的一个重要特性是它的模板思想。一个模板是一个预定义的执行流程，它可以帮助ChatGPT组装涉及多个基础模型的复杂任务。模板包含了人类确定的复杂任务的经验性解决方案。一个模板可以调用多个基础模型，甚至可以建立一个新的ChatGPT会话。要定义一个模板，只需要添加一个带有属性template_model = True的类。

此外，TaskMatrix还支持GroundingDINO和segment-anything，这使得它可以在图像编辑的情况下，首先使用GroundingDINO在给定文本的指导下定位边界框，然后使用segment-anything生成相关的掩码，最后使用稳定的扩散修复技术根据掩码编辑图像。

需要链接在后台回复“230716”免费获取链接。

2、BabyAGI 

BabyAGI 是一个基于Python的AI驱动的任务管理系统示例。这个系统使用OpenAI和向量数据库（如Chroma或Weaviate）来创建、优先级排序和执行任务。这个系统的主要思想是，它根据之前任务的结果和预定义的目标来创建任务。然后，脚本使用OpenAI的自然语言处理（NLP）能力来根据目标创建新任务，并使用Chroma/Weaviate来存储和检索任务结果以供上下文使用。

BabyAGI的工作原理是通过运行一个无限循环，执行以下步骤：

• 从任务列表中提取第一个任务。

• 将任务发送到执行代理，该代理使用OpenAI的API根据上下文完成任务。

• 丰富结果并将其存储在Chroma/Weaviate中。

• 根据目标和前一个任务的结果创建新任务并重新优先级排序任务列表。

需要链接在后台回复“230716”免费获取链接。

以上就是我要分享的关于LLM Agent的教程和开源项目，跟着学习基本就会了，希望对你有用！

与其自己辛苦摸索一整年，不如跟着专业人士实操一个月。为此，我们成立了AIGC研习社，专为小白赋能AI，实操落地提升效率。