Agent（智能体）是一种能够在环境中自主感知、思考并采取行动以实现特定目标的实体。它可以是软件程序，也可以是硬件设备。 在不同的场景中，Agent 具有不同的特点和应用： 从产品角度看，比如作为一个历史新闻探索向导，具有知识渊博、温暖亲切、富有同情心的性格，主导新闻解析和历史背景分析，还为其设计背景故事来使角色更生动。写好角色个性需要考虑角色背景和身份、性格和语气、角色互动方式、角色技能等方面。 在结合大型语言模型（LLM）的场景中，LLM Agent 能够利用大型语言模型的自然语言处理能力，理解用户的输入，并在此基础上进行智能决策和行动。其组成部分包括规划、记忆、工具和行动。规划负责将复杂任务分解成可执行的子任务，并评估执行策略；记忆包括短期记忆和长期记忆，分别用于存储对话上下文和用户特征及业务数据；工具是感知环境、执行决策的辅助手段，如 API 调用、插件扩展等；行动是将规划和记忆转换为具体输出的过程，包括与外部环境的互动或工具调用。 在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，还包括规划、子目标和分解、反思和完善、记忆（短期记忆和长期记忆）、工具使用等关键组成部分。Agents 可以将大型任务分解为更小的子目标，对过去的行为进行反思和完善，利用短期记忆进行上下文学习，通过长期记忆长时间保留和回忆信息，以及学习调用外部 API 来获取额外信息。

RAG 是检索增强生成（RetrievalAugmented Generation）的缩写，是一种结合了检索模型和生成模型的技术。其核心目的是通过某种途径把知识告诉给 AI 大模型，让大模型“知道”我们的私有知识，变得越来越“懂”我们。 RAG 的核心流程是：根据用户提问，从私有知识中检索到“包含答案的内容”，然后把“包含答案的内容”和用户提问一起放到 prompt（提示词）中，提交给大模型，此时大模型的回答就会充分考虑到“包含答案的内容”。 RAG 的最常见应用场景是知识问答系统，用户提出问题，RAG 模型从大规模的文档集合中检索相关的文档，然后生成回答。 RAG 的基本流程如下： 1. 首先，给定一个用户的输入，例如一个问题或一个话题，RAG 会从一个数据源中检索出与之相关的文本片段，例如网页、文档或数据库记录。这些文本片段称为上下文（context）。 2. 然后，RAG 会将用户的输入和检索到的上下文拼接成一个完整的输入，传递给一个大模型，例如 GPT。这个输入通常会包含一些提示（prompt），指导模型如何生成期望的输出，例如一个答案或一个摘要。 3. 最后，RAG 会从大模型的输出中提取或格式化所需的信息，返回给用户。

以下是一些 AI 大模型的专业术语： 1. AIGC：生成式 AI 生成的内容。 2. AI：人工智能。 3. 机器学习：电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习：使用有标签的训练数据，算法目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务包括聚类。 强化学习：从反馈里学习，最大化奖励或最小化损失，类似训小狗。 4. 深度学习：一种参照人脑有神经网络和神经元的方法（因有很多层所以叫深度），神经网络可用于监督学习、无监督学习、强化学习。 5. 生成式 AI：可以生成文本、图片、音频、视频等内容形式。 6. LLM：大语言模型。对于生成式 AI，其中生成图像的扩散模型就不是大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 7. Prompt：提示词，即输入给大模型的文本内容，可以理解为和大模型说的话、下达的指令。 8. Token：大模型语言体系中的最小单元。不同厂商的大模型对中文的文本切分方法不同，通常 1Token≈1 2 个汉字。大模型的收费计算方法及对输入输出长度的限制，都以 token 为单位计量。 9. 上下文：英文通常翻译为 context，指对话聊天内容前、后的内容信息。上下文长度限制了模型一次交互中能够处理的最大 token 数量，上下文窗口限制了模型在生成每个新 token 时实际参考的前面内容的范围。

以下是一些免费的编程助手： 1. Google 免费 AI 编程助手 Gemini Code Assist：每月免费提供 180,000 次代码补全，支持 Python、Java、Go、Rust 等全部语言，具备强大代码审查和智能聊天助手功能，兼容 VS Code 与 JetBrains IDE，拥有 128k 超长上下文窗口，能精准理解大型本地代码库。详细内容： 2. GitHub Copilot：由全球最大的程序员社区和代码托管平台 GitHub 联合 OpenAI 和微软 Azure 团队推出的 AI 编程助手。支持和兼容多种语言和 IDE，可为程序员快速提供代码建议，帮助开发者更快、更少地编写代码。 3. 通义灵码：阿里巴巴团队推出的一款基于通义大模型的智能编程辅助工具，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力。 4. CodeWhisperer：亚马逊 AWS 团队推出的 AI 编程软件，该代码生成器由机器学习技术驱动，可为开发人员实时提供代码建议。 5. CodeGeeX：智谱 AI 推出的开源的免费 AI 编程助手，基于 130 亿参数的预训练大模型，可以快速生成代码，帮助开发者提升开发效率。 6. Cody：代码搜索平台 Sourcegraph 推出的一款 AI 代码编写助手，借助 Sourcegraph 强大的代码语义索引和分析能力，可以了解开发者的整个代码库，不止是代码片段。 7. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供智能研发服务的免费 AI 代码助手，是基于蚂蚁集团自研的基础大模型进行微调的代码大模型。 8. Codeium：一个由 AI 驱动的编程助手工具，旨在通过提供代码建议、重构提示和代码解释来帮助软件开发人员，以提高编程效率和准确性。 更多辅助编程 AI 产品，还可以查看这里：https://www.waytoagi.com/category/65 。每个工具的功能和适用场景可能会有所不同，您可以根据自己的需求来选择最适合您的工具。

以下是一些针对编程的免费的 AI 工具： 1. GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能为程序员快速提供代码建议，助其更高效、更少错误地编写代码。 2. 通义灵码：阿里巴巴团队推出，基于通义大模型，具备行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力。 3. CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，可为开发人员实时提供代码建议。 4. CodeGeeX：智谱 AI 推出的开源免费 AI 编程助手，基于 130 亿参数的预训练大模型，能快速生成代码，提升开发效率。 5. Cody：代码搜索平台 Sourcegraph 推出，借助强大的代码语义索引和分析能力，了解开发者的整个代码库。 6. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供智能研发服务的免费 AI 代码助手，基于蚂蚁集团自研的基础大模型微调的代码大模型。 7. Codeium：一个由 AI 驱动的编程助手工具，通过提供代码建议、重构提示和代码解释来帮助软件开发人员，提高编程效率和准确性。 此外，字节的 Trae 也是一款不错的 AI 编程工具，具有以下特点： 全中文界面，跨平台支持，操作界面简洁直观，即使是技术小白也能快速上手。 内置 Claude3.5 和 GPT4o 两大顶尖 AI 模型，完全免费且不限使用次数。 零门槛智能开发，不懂编程也能通过中文对话让 AI 生成所需代码，系统还能自动识别和解决代码错误。 更多辅助编程 AI 产品，还可以查看这里：https://www.waytoagi.com/category/65 。每个工具的功能和适用场景可能会有所不同，您可以根据自己的需求来选择最适合您的工具。

以下是一些关于 ChatGPT 提示词的相关信息： 1. 在模型分享社区 C 站上，您可以参考大师们上传作品的提示词、参数和 seed，方便快速尝试类似风格的效果并进行训练。正向提示词表示希望图像中出现的内容，如：HDR,UHD,64K,Highly detailed,Studio lighting,Professional,Vivid Colors,Bokeh,High resolution scan,Sketch,Painting...；反向提示词表示不希望图像中出现的内容，如：mutated hands and fingers,deformed,bad anatomy,disfigured,poorly drawn face,mutated,extra limb,ugly,poorly drawn hands,missing limb,floating limbs,disconnected limbs,malformed hands,out of focus,long neck,long body... 2. 以下是一些文本类 Prompt 网站： Learning Prompt：授人以渔，有非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney，网址： FlowGPT：国外最大的 prompt 站，内容全面且更新快，网址： ChatGPT Shortcut：ChatGPT 提示词网站，提供了很多使用模板，简单修改即可指定输出，网址： ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与他人分享，网址： Prompt Extend：让 AI 帮您自动拓展 Prompt，网址： PromptPerfect：帮您自动优化提示词，可看到优化前后的对比，网址： PromptKnit：The best playground for prompt designers，网址： PromptPort（支持中文）：AI Prompt 百科辞典，其中 prompts 聚合了市场上大部分优质的 prompt 词库，可快速找到用户需求 prompt，网址： Prompt Engineering Guide：GitHub 上点赞量非常高的提示工程指南，网址： 3. 【SD】提示词自动翻译插件 promptallinone 中有一些免费软件可供选择，您可以试验哪一款翻译得比较准确。若您之前注册过 chatGPT 账号，可选择 chatGPT 的翻译。该插件有历史记录功能，可回看、收藏和删除之前使用过的提示词；还有收藏夹功能，可保存常用提示词方便直接调用。在输入框中输入中文提示词回车，即可看到被翻译成英文并自动添加分割符号，还可对每个词组单独编辑，改词、删除、增减权重等，提高修改提示词的效率。若想要此插件，可添加公众号【白马与少年】，回复【SD】获取。

以下是用扣子创建一个智能体的步骤： 1. 打开扣子官网（https://www.coze.cn/）。 “画小二智能小助手”Coze商店体验地址：https://www.coze.cn/store/bot/7371793524687241256?panel=1&bid=6cqnnu5qo7g00 。 点击创建 Bot，在对话框中工作空间选择“个人空间”，命名为您想要的名称，例如“画小二智能小助手”。 2. 设置提示词：为智能体设置相关的提示词。 3. 开始创建： 想一个智能体的名字。 写一段该智能体的介绍，越详细越好，系统会根据介绍智能生成符合主题的图标。最后点击确认，一个新的智能体就诞生了。 4. 动手实践： 创建一个智能体，使用单 Agent 对话流模式。 编排对话流，点击创建一个新的对话流（记得要和智能体关联）。 进行测试，找到一篇小红书笔记，试运行对话流，直接在对话窗口输入地址，当看到数据即为成功。 发布，点发布后，只选择多维表格，然后进行配置。 输出类型选文本。 输入类型选择字段选择器。 完善上架信息，填个表格。在选发布范围的时候，可以选仅自己可用，否则审核时间较慢。提交上架信息后，返回配置界面会显示已完成，即可完成最终的提交。

以下为您提供关于大模型的相关信息： 大模型的应用： 有一个关于 PPT 翻译的案例，为了提高翻译效率编写了自动翻译脚本。脚本在 Python 环境下运行，前期准备需要根据自身 API 资源提前设置，推荐讯飞大模型，新账户免费送 200 万 tokens，有效期 3 个月。具体操作包括在 https://xinghuo.xfyun.cn/ 首页选择 API 接入，进入控制台创建新项目，按提示领取 200 万 tokens 的礼包，获取对应的 id、apikey、api secret 和接入路径。还需导入依赖，运行 CMD 输入 pip install pythonpptx 安装相关组件。 大模型的分类与特点： 1. encoderonly 模型：通常适用于自然语言理解任务，如分类和情感分析，代表模型是 BERT。 2. encoderdecoder 模型：结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，用于翻译和摘要等，代表是谷歌的 T5。 3. decoderonly 模型：更擅长自然语言生成任务，如故事写作和博客生成，众多 AI 助手采用此结构。 大模型的特点包括预训练数据量大（来自互联网，包括论文、代码、公开网页等，通常用 TB 级数据预训练）、参数多（如 Open 在 2020 年发布的 GPT3 已达 170B 参数）。 大模型在翻译中的提示工程： 在翻译中，提示的文体规范很重要，涵盖语气、语言风格、长度等元素。设定明确的语气能引导大语言模型生成符合情感或专业背景的回答。明确输出的语言和复杂性对于不同专业知识水平的目标受众很关键。

以下是一些常见的数据可视化工具： 1. Matplotlib：基础绘图库，支持创建各种类型的图表，如折线图、柱状图等，具有丰富的绘图功能和样式调整选项。 2. Seaborn：基于 Matplotlib 构建，提供了更高级的绘图接口和美观的默认样式，适合快速创建复杂的统计图表。 3. Plotly：支持交互式可视化，能够创建动态和可交互的图表，适用于 Web 应用和数据探索。 在实际应用中，选择工具应根据具体需求和项目特点来决定。例如，如果需要进行基础的数据可视化和详细的样式定制，Matplotlib 是不错的选择；若追求更美观和便捷的绘图方式，Seaborn 可能更合适；而对于需要创建交互式图表的场景，Plotly 则能发挥优势。

以下是为您设计的大模型学习之路及推荐资料： 学习之路： 1. 了解大模型的基本概念：通俗来讲，大模型是输入大量语料，让计算机获得类似人类的“思考”能力，能进行文本生成、推理问答、对话、文档摘要等工作。可以用“上学参加工作”来类比大模型的训练和使用过程，包括找学校（训练所需的大量计算和 GPU 等）、确定教材（大量的数据量）、找老师（算法讲述内容）、就业指导（微调）、搬砖（推导）。 2. 学习大模型的构建过程： 收集海量数据：如同教孩子成为博学多才的人需要让其阅读大量资料，对于大模型，要收集互联网上的文章、书籍、维基百科条目、社交媒体帖子等各种文本数据。 预处理数据：像为孩子整理适合的资料，AI 研究人员要清理和组织收集到的数据，如删除垃圾信息、纠正拼写错误、分割文本。 设计模型架构：为孩子设计学习计划一样，研究人员要设计大模型的“大脑”结构，如使用 Transformer 架构等特定的神经网络结构。 训练模型：如同孩子开始阅读和学习，大模型开始“阅读”提供的数据，通过反复预测句子中的下一个词来逐渐学会理解和生成人类语言。 推荐资料： 1. 直播共学： 可在飞书知识库中查看以下分享内容和教程：小七姐、刘宇龙、熊猫、MQ、财猫、李继刚、凯翔、AJ、南瓜博士、江树的分享。 参与每晚群里的分享和讨论会，包括 3.4 直播聊天（讲讲大家最初入门学 prompt 的一些入门方法）、3.5 直播分享（小七姐提示词学习路径）、3.5 直播答疑（小七姐、宇龙、AJ 学习路径中的各类问题和 AGI 对应知识推荐）、3.6 直播分享（MQ：文科小白+普通宝妈的 AI 学习之路、熊猫提示词和思维模型）、3.7 直播分享（南瓜博士&财猫文理兼修话 PROMPT）、3.7 直播聊天解答作业等。 2. 文章学习： 大模型工具请大家自行准备，推荐顺序为：1.chat 2.kimi.ai 3.智谱清言 4