智能体框架简介

欢迎来到第二单元，我们将探索可用于构建强大智能体应用程序的不同智能体框架。

我们将学习

• 在单元 2.1 中：smolagents
• 在单元 2.2 中：LlamaIndex
• 在单元 2.3 中：LangGraph

让我们深入了解！🕵

何时使用智能体框架

围绕 LLM 构建应用程序时，并非总是需要智能体框架。它们为工作流提供了灵活性，以有效解决特定任务，但并非总是必需。

有时，预定义的工作流足以满足用户请求，并且没有真正需要智能体框架。如果构建智能体的方法很简单，例如一系列提示，那么使用纯代码可能就足够了。优点是开发人员将完全控制和理解他们的系统，而无需抽象。

然而，当工作流变得更加复杂时，例如让 LLM 调用函数或使用多个智能体时，这些抽象就开始变得有用。

考虑到这些想法，我们已经可以确定对某些功能的需求

• 一个为系统提供动力的 LLM 引擎。
• 智能体可以访问的工具列表。
• 一个用于从 LLM 输出中提取工具调用的解析器。
• 一个与解析器同步的系统提示。
• 一个内存系统。
• 错误日志记录和重试机制，用于控制 LLM 错误。

我们将探索这些主题在各种框架中是如何解决的，包括 smolagents、LlamaIndex 和 LangGraph。

智能体框架单元

框架	描述	单元作者
smolagents	Hugging Face 开发的智能体框架。	Sergio Paniego - HF - X - Linkedin
Llama-Index	将上下文增强型 AI 智能体投入生产的端到端工具	David Berenstein - HF - X - Linkedin
LangGraph	允许智能体进行有状态编排的智能体	Joffrey THOMAS - HF - X - Linkedin

< > 在 GitHub 上更新