以下是关于 Agent 开发的相关内容:
Agent 构建平台:
Agent 产品开发踩坑及思考:
从赚钱角度看 Agent 应用开发: 赚钱方式多样,如 Key 商、写书、卖课、接项目、做镜像站等。从做产品角度,选择 Agent 方向。熟悉业务结合 AI 能力打磨产品是护城河,是 AI 应用开发者应坚持的方向。
以下是一些Agent构建平台:1.Coze:Coze是一个新一代的一站式AI Bot开发平台,适用于构建基于AI模型的各类问答Bot。它集成了丰富的插件工具,可以极大地拓展Bot的能力边界。2.Mircosoft的Copilot Studio:这个平台的主要功能包括外挂数据、定义流程、调用API和操作,以及将Copilot部署到各种渠道。3.文心智能体:这是百度推出的基于文心大模型的智能体(Agent)平台,支持开发者根据自身需求打造大模型时代的产品能力。4.MindOS的Agent平台:允许用户定义Agent的个性、动机、知识,以及访问第三方数据和服务或执行设计良好的工作流。5.斑头雁:这是一个2B基于企业知识库构建专属AI Agent的平台,适用于客服、营销、销售等多种场景。它提供了多种成熟模板,功能强大且开箱即用。6.钉钉AI超级助理:依托于钉钉强大的场景和数据优势,提供更深入的环境感知和记忆功能。这使得它在处理高频工作场景如销售、客服、行程安排等方面表现更加出色。以上信息提供了关于6个平台的概述,您可以根据自己的需求选择适合的平台进行进一步探索和应用。内容由AI大模型生成,请仔细甄别
其实只要看过官方文档的应该都能知道,大模型请求中,最大的两个变量:Messages和Tools。Messages里面放的是sys prompt,memory,user query;Tools里面放的是一些能力的Json Scheme;而这两者组合在一起,就形成整个完全的Prompt。所以Agent应用开发的本质是什么?动态Prompt拼接。通过工程化的手段,不断把业务需求转述成新的prompt。短期记忆:messages里的历史QA对;长期记忆:summary之后的本文,再塞回system prompt;RAG是啥?向量相似性检索,然后放在system prompt里或者通过tools触发检索Action:触发tool_calls标记,进入请求循环,拿模型生成的请求参数进行API request,再把结果返回给大模型进行交互;没有tool_calls标记了,循环结束。对应页面上就是对话一轮对话结束。Multi Agents是啥?把system prompt和tools换一换,A就变成B了。还有啥?没了呀,本质就是这些东西。当然,这也就是最基本的原理,想做深,做好,肯定还有很多坑需要踩。
(这部分是应用开发相关的,不是GPTs)其实赚钱的方式有很多种,在财猫同学的群里,我也结交了很多通过AI赚到钱的朋友。Key商、写书、卖课、接项目、做镜像站等等等等...但是如果真正从做产品的角度去说的话,我选择的方向还是Agent。在上面提到过的WebPilot作者,最近又开发了一个长文写作的Agent,对外提供接口。效果非常惊艳,作为同行,我研究了很久,还是忍不住给出赞叹!我本人其实一直都是Agent的忠实拥护者,看过市面上大多的开源框架,也研究了很多闭源产品的实现。早先的时候我也天真地想过自己做一套通用的框架,在各种场景里去用。后来等到真正做的时候才发现,这个想法其实现阶段还是比较天真。这麽多年产品的经验也告诉我,熟悉业务才是正道。熟悉业务之后,结合AI的能力真正去打磨产品,这部分东西,就是护城河。这个方向,也是我始终认为AI应用开发者应该坚持的一个方向。所以,加油吧,朋友们,期待AGI早日到来。