详解LangChain Agents

作者：herosunly
  大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。
  本文主要对LangChain Agents进行了详细的解析，希望对学习大语言模型的同学们有所帮助。

文章目录

1. 前言2. LangChain Agents的分类3. 用法介绍

1. 前言

  随着大模型技术的逐步发展，以LLM(大型语言模型)为核心构建agent已经成为研究的热点。OpenAI应用研究主管LilianWeng曾提出了Agent = LLM + memory + planning skills + tool use，也就是智能体=大模型+记忆+规划+工具使用。

  所以学习和使用agent是势在必行的，本文主要是对LangChain Agents进行了系统性的介绍，后续将会对其它框架的agent进行介绍。
2. LangChain Agents的分类

  首先要介绍的是Action Agent，它的步骤链条为：Thought->Action->Observation->Thought。

  论文React: Synergizing reasoning and acting in language models是React的开山之作，核心步骤和之前介绍的是完全相同的：





原文地址：https://blog.csdn.net/herosunly/article/details/136454366