大多数关于“智能体 AI”的讨论都感觉太抽象了。这里是我的智能体研究系统的实际样子
摘要
作者分享了他为识别和评估公司内 AI 用例而构建的智能体研究系统的实际分解。该系统使用六个智能体进行发现、评估和上下文提取,强调人在决策环中,而非完全自主。
嘿,我见过很多演示和框架,但真正在用的智能体系统实例并不多。所以我写了一个关于我搭建的智能体系统的分解介绍,希望能听到大家的想法和潜在改进点。该系统能发现公司内部使用 AI 的案例,然后按成果、工具、供应商和行业进行拆解。六个智能体帮助查找和评估用例、提取关键细节、添加上下文,并将其与用户兴趣匹配。当它们遇到瓶颈时,还会(在研究日志中)回传报告。我目前还没有使用什么花哨的编排工具。它们共享一个动态的用例地图(数据库)、研究日志,以及在关键点上由人类做决策(也就是我)。我认为许多有用的智能体系统将从这里开始,不是取代人类判断,而是让它更容易规模化。大家怎么看?[完整阅读请点这里。](https://theapplied.co/reports/how-i-built-an-agentic-research-system) 附:我还列举了几个同样适用该设置的领域,比如竞争对手研究、房地产、供应链等。
相似文章
观点:Agentic AI系统是实现AGI的可预见路径
本文认为,单一模型的单体型扩展不足以实现AGI,并提出具有多智能体协作的Agentic AI是必要的范式,理论上证明了代理系统在泛化和样本效率上具有指数级优势。
@Aurimas_Gr: 作为AI工程师,你必须了解这些𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗦𝘆𝘀𝘁𝗲𝗺 𝗪𝗼𝗿𝗸𝗳𝗹𝗼𝘄 𝗣𝗮𝘁𝘁𝗲𝗿𝗻𝘀。如果你……
文章描述了在企业环境中构建代理式AI系统的五种关键工作流模式,由Anthropic总结:提示链、路由、并行化、编排器以及评估器-优化器,并建议在使用完整Agent之前优先采用更简单的工作流。
跟上Agentic AI的最新发展
一位实践者表达了对Agentic AI领域中快速变化的炒作感到沮丧,并寻求如何在不倦怠的情况下保持同步的建议,询问可靠的资源和思维模型。
@omarsar0: 关于自主AI作为通往AGI的可预见路径的有趣观点论文。(收藏)一直存在激烈争论……
这篇观点论文认为,包含记忆、推理、工具使用、自我改进和对齐的自主AI系统,是比单纯扩展单一模型更可预见的AGI路径,并将这些组件形式化为具有不同瓶颈的可分离轴。
@helloiamleonie: 从@vboykis那里汲取灵感,将我人生第一次演讲转化为一篇博客文章。我讨论了关于agentic搜索在上下文工程中的角色…
这篇文章由Leonie Monigatti撰写,讨论了agentic搜索在AI智能体上下文工程中的作用,追溯了从固定RAG流水线到agentic RAG和上下文整理的演变。它提供了关于agentic系统中使用的各种搜索工具优缺点的直观认识。