使用 Python 认证的 AI 代理：自主应用程序

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC、44.1 KHz、2 Ch
级别：所有级别 |类型： 电子学习 |语言： 英语 |时长：118 场讲座 ( 12h 46m )

你将学到什么

• 了解 AI 代理与传统聊天机器人和标准 LLM 应用程序有何不同。
• 使用 Ollama 和 Streamlit 使用 Python 构建个人 AI 助手。
• 通过 Ollama 将 Python 应用程序连接到本地语言模型。
• 设计有效的系统提示、代理角色和指令模式。
• 使用 Pydantic 和 JSON 架构创建结构化输出。
• 构建能够将复杂目标分解为更小、可操作任务的代理。
• 实施计划者、执行者、分析师、作者和审阅者代理模式。
• 创建可以调用 Python 函数、API、数据库和文件实用程序的工具使用代理。

本课程涉及人工智能的使用。

了解如何使用Ollama、LangGraph、Streamlit、Pydantic、ChromaDB和检索增强生成等现代工具构建实用的AI代理，使用Python。

在本实践课程中，您将通过实际项目示例探索如何设计、开发和测试代理 AI 应用程序。本课程不只关注基本的聊天机器人交互，而是介绍结构化的人工智能代理工作流程，它可以使用工具、检索信息、遵循指令并支持人类决策。

您将从人工智能代理开发的基础开始，包括代理如何接收目标、管理提示、生成结构化输出以及使用基于 Python 的逻辑。您将构建一个个人人工智能助理项目，并学习如何组织输入、输出、对话历史记录和响应格式。

接下来，您将练习人工智能规划和任务分解。您将学习如何将更大的目标分解为更小的步骤，设计可靠的 JSON 输出，以及使用 Pydantic 模型来验证结构化响应。这些技能对于创建更具可预测性和可维护性的生成式 AI 应用非常有用。

课程随后介绍使用工具的人工智能代理。您将创建代理可以调用​​的 Python 函数来执行计算、文件读取、API 交互、数据查找和受控自动化等任务。您还将探索重要的工程概念，例如工具权限、验证、重试、错误处理和人工监督。

课程的主要部分侧重于使用 Python 进行 RAG。您将学习如何处理 PDF 文档、将文本拆分为块、使用 Ollama 创建嵌入、在 ChromaDB 中存储数据以及使用语义搜索检索相关内容。这些课程展示了检索增强生成如何帮助人工智能系统处理私人文档和可信知识源。

您还将构建一个自主研究代理项目，用于演示查询生成、信息收集、摘要、差距识别和结构化报告创建。您将了解自主循环的工作原理以及如何设计控件以帮助保持 AI 工作流程的重点和可管理性。

在本课程的后面部分，您将使用 LangGraph 探索多代理系统。您将设计专门的代理，例如规划者、研究员、分析师、作家、审阅者和主管。这些代理将通过共享状态进行通信，并演示如何以结构化方式编排协作人工智能工作流程。

在整个课程中，您将使用模拟的航空公司中断示例。该项目展示了人工智能工作流程如何审查预订详细信息、比较可能的航班选项、参考政策信息、生成建议以及在采取任何最终行动之前请求人工批准。

在课程结束时，您应该具备以下方面的实践经验：Python AI 代理、本地法学硕士、Ollama AI 开发、LangGraph 工作流程、矢量数据库、AI 内存、RAG 系统、工具调用、人机循环 AI 以及多代理协作。

本课程非常适合 Python 开发人员、人工智能初学者、自动化专家、软件工程师、数据专业人员、企业家以及任何有兴趣构建实用的本地优先 AI 代理项目的人。