女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

給Ai-Agent重塑真身 ---淺談如何優(yōu)雅地拆解AI-Agent

京東云 ? 來源:趙勇萍 ? 作者:趙勇萍 ? 2025-04-07 13:38 ? 次閱讀

作者:京東物流 趙勇萍

前言

最近隨著manus的火爆, 其實(shí)大家更關(guān)注AI-Agent的開發(fā)技術(shù)了.畢竟大模型是大腦, 而Ai-Agent才是給最強(qiáng)大腦重塑真身的那個(gè)蓮藕. 而我也這多半年的時(shí)間里, 研究了很多AI-Agent框架. 而在AI-Agent開發(fā)中, 其實(shí)也發(fā)現(xiàn)了一些技巧,思路和架構(gòu)思考. 比如, 我們?nèi)绾胃玫母鶯LM進(jìn)行交流? 如何可以更好的優(yōu)化我們的prompt和token數(shù)量? 如何能讓LLM更快的返回我們想要的思考結(jié)果? 基于這些問題,我們一點(diǎn)點(diǎn)的展開討論。

?

一. 不要讓“大塊頭”嚇倒你:拆分才是王道

還記得我們第一次寫代碼的情景嗎?那時(shí)候,我們可能會(huì)寫出一個(gè)上百行的main方法,恨不得把所有邏輯都塞進(jìn)去。結(jié)果調(diào)試起來頭昏腦漲,連自己都看不懂寫的是什么。從那時(shí)起,我們就明白了一個(gè)道理:復(fù)雜的邏輯需要拆分成更小的部分。將代碼分成多個(gè)方法、類和模塊,不僅讓代碼更易讀、易維護(hù),也更容易調(diào)試和測(cè)試。

其實(shí),在AI-Agent的開發(fā)中,這個(gè)原則同樣適用,甚至更加重要。因?yàn)榇竽P偷哪芰﹄m然強(qiáng)大,但如果我們不加以限制和合理利用,反而會(huì)適得其反。

很多人覺得,既然LLM(大型語(yǔ)言模型)這么智能,那我就把所有可能的指令都塞進(jìn)系統(tǒng)提示詞里(System Prompt),讓它自己處理所有情況。結(jié)果呢?模型懵了,該執(zhí)行的不執(zhí)行,不該執(zhí)行的到處亂跑,輸出的結(jié)果讓人哭笑不得.

?

為什么會(huì)這樣?

當(dāng)我們?cè)谙到y(tǒng)提示詞中堆砌太多內(nèi)容時(shí),會(huì)出現(xiàn)以下問題:

1.信息過載:模型需要處理的信息量過大,可能會(huì)忽略其中一些指令。

2.指令沖突:不同指令之間可能存在矛盾,導(dǎo)致模型無法判斷優(yōu)先級(jí)。

3.上下文混亂:提示詞過長(zhǎng),模型可能會(huì)混淆指令之間的關(guān)系,理解出現(xiàn)偏差。

4.令牌限制:過長(zhǎng)的提示詞會(huì)占用大量的令牌(Tokens),增加成本和響應(yīng)時(shí)間。

想象一下,你在超市里拿著一長(zhǎng)串購(gòu)物清單,上面還有各種刪改和備注,例如:

?牛奶(脫脂,如果沒有就買全脂

?雞蛋(有機(jī)的,12個(gè)裝,如果有促銷買24個(gè))

?面包(全麥,不要買白面包,除非打折)

是不是覺得頭暈眼花?一不小心就可能買錯(cuò)。

模型也是一樣的,當(dāng)提示詞過于繁雜時(shí),它可能會(huì):

?忽略重要指令:只關(guān)注最顯眼或最前面的指令,忽略后面的。

?誤解指令:因?yàn)樾畔⒘刻螅瑢?dǎo)致對(duì)指令的理解出現(xiàn)偏差。

?產(chǎn)生沖突行為:不知道該遵循哪個(gè)指令,導(dǎo)致輸出混亂。

?

舉個(gè)栗子

下面我可能舉個(gè)實(shí)際例子會(huì)更好理解一下:

場(chǎng)景

一位開發(fā)者希望構(gòu)建一個(gè)智能客服機(jī)器人,能夠處理各種用戶需求。他在系統(tǒng)提示詞中加入了大量的指令"

你是一個(gè)客服機(jī)器人,需要以友好和專業(yè)的態(tài)度與用戶交流。首先,向用戶問好。如果用戶提出技術(shù)問題,提供詳細(xì)的解決方案。
如果用戶抱怨,請(qǐng)安撫他們的情緒,并提供折扣券。如果用戶詢問商品信息,提供最新的商品詳情和價(jià)格。
如果用戶要求與人工客服對(duì)話,禮貌地詢問他們的具體需求,并嘗試解決問題。
所有回應(yīng)必須簡(jiǎn)潔明了,同時(shí)體現(xiàn)個(gè)性化和溫暖。 

問題

這個(gè)提示詞看似全面,但實(shí)際上過于復(fù)雜,可能導(dǎo)致模型無法正確執(zhí)行。例如:

?模型可能無法識(shí)別用戶是抱怨還是詢問產(chǎn)品,導(dǎo)致回應(yīng)不準(zhǔn)確。

?由于指令太多,模型可能忽略了關(guān)鍵的服務(wù)流程。

解決方案

首先, 需要簡(jiǎn)系統(tǒng)提示詞, 只需要將模型的基本角色和行為描述清楚即可, 避免過多的細(xì)節(jié).例如:

你是一個(gè)客服機(jī)器人,負(fù)責(zé)幫助用戶解決問題,以專業(yè)和友好的態(tài)度與用戶交流。

其次, 需要上下文的動(dòng)態(tài)添加指令.我們以langchain4J的框架為例, 可以將這些指令通過封裝多個(gè)AI Service實(shí)現(xiàn), 然后串并聯(lián)這些模塊,實(shí)現(xiàn)整體的業(yè)務(wù)需求, 這里一般引入一個(gè)業(yè)務(wù)編排框架會(huì)使得架構(gòu)更清晰, 比如liteflow這種.

然后回歸這個(gè)案例, 我們可以如下拆分指令:

? 如果檢測(cè)到用戶在抱怨或情緒激動(dòng),添加安撫情緒的指令。

?如果用戶提出技術(shù)問題,添加提供解決方案的指令。

?如果用戶詢問商品信息,添加提供商品詳情的指令。

最后, 在這種業(yè)務(wù)場(chǎng)景下,我們可以引入一個(gè)中間層(如意圖識(shí)別模塊),先對(duì)用戶的輸入進(jìn)行分析,然后根據(jù)分析結(jié)果決定模型需要執(zhí)行的操作。

比如如下代碼: 我們封裝一個(gè)用戶意圖識(shí)別的AI Service, 先讓大模型判斷客戶的意圖, 然后決定下里該執(zhí)行哪個(gè)指令.

public enum UserIntentEnum {
    @Description("問候語(yǔ), 例如:你好|您好|嗨|早上好|晚上好")
    GREETING,
    @Description("技術(shù)問題, 例如:技術(shù)問題|無法使用|出錯(cuò)|故障")
    TECHNICAL_ISSUE,
    @Description("客戶抱怨評(píng)價(jià), 例如:差評(píng)|不好用|生氣|投訴|抱怨")
    COMPLAINT,
    @Description("客戶商品咨詢, 例如:價(jià)格|多少錢|商品信息|詳情")
    PRODUCT_INQUIRY,
     @Description("客戶想轉(zhuǎn)人工, 例如:人工客服|真人")
    REQUEST_HUMAN
}

interface UserIntent {

    @UserMessage("Analyze the priority of the following issue? Text: {{it}}")
    UserIntentEnum analyzeUserIntent(String text);
}

基于以上的不同場(chǎng)景, 封裝對(duì)應(yīng)的AI-Service, 然后通過liteflow這種業(yè)務(wù)編排工具串聯(lián)起來即可.

其實(shí)大家有沒有發(fā)現(xiàn), 這種實(shí)現(xiàn)方式,就是prompt開發(fā)中, 大家經(jīng)常提到的思維鏈/思維樹架構(gòu)模式.

?

二. 工具和上下文,不是越多越好

在構(gòu)建智能對(duì)話系統(tǒng)時(shí),開發(fā)者常常希望模型能夠具備盡可能多的功能和信息。他們可能會(huì)認(rèn)為,為模型提供更多的工具和更豐富的上下文,模型就能表現(xiàn)得更出色。然而,事實(shí)并非如此。過多的工具和上下文不僅不會(huì)提升模型性能,反而可能導(dǎo)致一系列問題,如成本飆升、響應(yīng)速度變慢,甚至模型產(chǎn)生幻覺(hallucination)。因此,我們需要理性地看待工具和上下文的使用,避免陷入“越多越好”的誤區(qū).

Fuction Call工具, 避免模型“消化不良”

現(xiàn)代大型語(yǔ)言模型(LLM)的**函數(shù)調(diào)用(Function Call)**功能,為我們?cè)诹奶鞕C(jī)器人中集成各種工具提供了可能。通過這種功能,模型可以調(diào)用外部API、數(shù)據(jù)庫(kù)查詢、計(jì)算器等,實(shí)現(xiàn)復(fù)雜的任務(wù)處理。這聽起來令人興奮,許多開發(fā)者也因此產(chǎn)生了“我有這么多工具,干脆都給模型用吧!”的想法。

然而,這種貪多求全的做法可能會(huì)導(dǎo)致模型的“消化不良”。具體來說,過多的工具會(huì)引發(fā)以下問題:

1.成本飆升:每增加一個(gè)工具,都會(huì)增加對(duì)話的復(fù)雜性。模型需要在生成回復(fù)時(shí)考慮更多的可能性,這會(huì)消耗更多的計(jì)算資源和令牌(tokens),直接導(dǎo)致使用成本的增加。

2.模型產(chǎn)生幻覺(Hallucination):當(dāng)模型被賦予過多的工具時(shí),它可能無法正確識(shí)別何時(shí)調(diào)用哪些工具,進(jìn)而在不適當(dāng)?shù)那闆r下調(diào)用錯(cuò)誤的工具。

3.用戶體驗(yàn)受損:模型的不當(dāng)行為會(huì)讓用戶感到困惑或不滿,影響對(duì)產(chǎn)品的整體評(píng)價(jià)。

案例分析:

想象一下,用戶簡(jiǎn)單地對(duì)聊天機(jī)器人說了一句:“你好。”本來機(jī)器人只需要回一句問候即可。然而,由于模型被賦予了過多的工具,它可能會(huì)過度解讀用戶意圖,結(jié)果調(diào)用了數(shù)據(jù)庫(kù)查詢、訪問外部API,甚至替用戶訂了一份外賣。這樣的響應(yīng)顯然是令人費(fèi)解的。

這種情況不僅浪費(fèi)了系統(tǒng)資源,還可能造成用戶數(shù)據(jù)的泄露或引發(fā)其他安全問題。

解決方案:

?精選工具:只為模型提供在當(dāng)前場(chǎng)景下必要的工具。通過對(duì)用戶需求的分析,明確哪些工具是真正需要的。

?意圖識(shí)別:在模型調(diào)用工具之前,先進(jìn)行用戶意圖識(shí)別,確保只有在確實(shí)需要的情況下才調(diào)用相關(guān)工具。

?設(shè)置調(diào)用條件:為工具的調(diào)用設(shè)置嚴(yán)格的條件和限制,防止模型在不適當(dāng)?shù)那闆r下使用工具.

?

RAG, 上下文避免成本高昂

RAG技術(shù)使得模型可以根據(jù)提供的上下文生成更準(zhǔn)確的回答。這對(duì)于需要提供具體信息、背景知識(shí)的場(chǎng)景非常有用。然而,過度提供上下文同樣會(huì)帶來負(fù)面影響。

問題分析:

1.令牌消耗巨大:大量的上下文意味著更多的令牌消耗。模型的成本通常與令牌數(shù)量直接相關(guān),過多的上下文會(huì)顯著提高使用成本。

2.響應(yīng)時(shí)間延長(zhǎng):模型需要處理更多的信息,導(dǎo)致響應(yīng)速度變慢,用戶需要等待更長(zhǎng)的時(shí)間才能得到回復(fù)。

3.注意力分散:過多的上下文可能使模型無法專注于最相關(guān)的信息,反而降低了回答的準(zhǔn)確性。

4.增加錯(cuò)誤風(fēng)險(xiǎn):上下文信息越多,模型可能在不相關(guān)的信息中“迷路”,生成與用戶需求不符的回答。

舉例說明:

如果用戶問:“你能告訴我今天的天氣嗎?”模型只需要提供當(dāng)前的天氣信息即可。但如果為模型提供了大量的氣象數(shù)據(jù)、歷史天氣記錄等上下文,不僅增加了無謂的成本,還可能讓模型給出冗長(zhǎng)的回答,影響用戶體驗(yàn)。

優(yōu)化策略:

?動(dòng)態(tài)上下文管理:根據(jù)用戶的具體需求,動(dòng)態(tài)地提供最相關(guān)的上下文信息,而不是一股腦地全部塞給模型。

?上下文精簡(jiǎn):對(duì)提供的上下文進(jìn)行篩選,只保留與當(dāng)前對(duì)話高度相關(guān)的部分。

?上下文緩存:對(duì)于多輪對(duì)話,合理地緩存上下文,但避免上下文長(zhǎng)度無限增長(zhǎng)。

?用戶引導(dǎo):設(shè)計(jì)對(duì)話流程,引導(dǎo)用戶提供更精確的信息,減少對(duì)大段上下文的依賴。

??

思考一下

在使用工具和上下文時(shí),關(guān)鍵在于適度相關(guān)性。過多的工具和上下文不僅不會(huì)提升模型的表現(xiàn),反而可能適得其反。我們應(yīng)該以用戶需求為核心,合理配置模型的能力,既滿足功能要求,又控制成本.

所以啊,下次再想給模型塞一大堆工具和上下文的時(shí)候,不妨先問問你的錢包:“還能撐得住嗎?”畢竟,模型“消化不良”可不是鬧著玩的,錢包“消瘦”了,也別怪它不給你打聲招呼。總而言之,在構(gòu)建智能對(duì)話系統(tǒng)時(shí),我們需要堅(jiān)持“適度”原則。工具和上下文的使用,應(yīng)當(dāng)服務(wù)于模型性能的提升和用戶體驗(yàn)的優(yōu)化,而不是一味地追求數(shù)量。只有精心設(shè)計(jì)和合理配置,我們才能打造出高效、可靠、令人滿意的聊天機(jī)器人.

?

三. 總結(jié)

在大型模型AI-Agent的開發(fā)中,我們需要像傳統(tǒng)軟件開發(fā)一樣,遵循模塊化、可測(cè)試、易維護(hù)的原則。不要迷信模型的強(qiáng)大能力,而忽視了架構(gòu)設(shè)計(jì)的重要性。

通過將復(fù)雜的邏輯拆解成更小的組件,我們可以:

?降低成本:避免不必要的模型調(diào)用,節(jié)省令牌消耗。

?提高性能:減少響應(yīng)時(shí)間,提升用戶體驗(yàn)。

?提高可靠性:模塊化的設(shè)計(jì)更容易測(cè)試和維護(hù),減少錯(cuò)誤。

最后,希望大家在AI-Agent的開發(fā)中,既能發(fā)揮模型的強(qiáng)大能力,又能保持對(duì)架構(gòu)的掌控。這樣,我們就不會(huì)被“大塊頭”嚇倒,而是能駕馭它,為我們所用。

俗話說得好,“不要試圖一口吃成個(gè)胖子”,即使是AI-Agent,也是需要慢慢“調(diào)教”的。祝大家在AI的浪潮中,乘風(fēng)破浪,勇往直前!

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    34294

    瀏覽量

    275480
  • Agent
    +關(guān)注

    關(guān)注

    0

    文章

    128

    瀏覽量

    27575
  • 大模型
    +關(guān)注

    關(guān)注

    2

    文章

    3033

    瀏覽量

    3837
收藏 人收藏

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】+讀《零基礎(chǔ)開發(fā)AI Agent》掌握扣子平臺(tái)開發(fā)智能體方法

    收到發(fā)燒友網(wǎng)站寄來的《零基礎(chǔ)開發(fā)AI Agent》這本書已經(jīng)有好些天了,這段時(shí)間有幸拜讀了一下全書,掌握了一個(gè)開發(fā)智能體的方法。 該書充分從零基礎(chǔ)入手,先闡述了Agent是什么,它的基本概念和知識(shí)
    發(fā)表于 05-14 19:51

    【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】+Agent開發(fā)平臺(tái)

    拆解為不同功能的節(jié)點(diǎn),并將這些節(jié)點(diǎn)合理地串聯(lián)起來。 5)存儲(chǔ)記憶 記憶是Agent的重要功能,Agent開發(fā)平臺(tái)通過變量、知識(shí)庫(kù)、數(shù)據(jù)庫(kù)等實(shí)現(xiàn)Agent的短期記憶或長(zhǎng)期記憶功能。 6)
    發(fā)表于 05-13 12:24

    【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】+Agent的工作原理及特點(diǎn)

    如圖2所示。 圖2 提示詞編寫萬(wàn)能公式 要搭建AI應(yīng)用可分為5個(gè)層次,見圖3所示。 圖3 AI應(yīng)用層次 Agent的能力與特點(diǎn): 以設(shè)置鬧鐘和Agent叫醒服務(wù)的對(duì)比為例來說明
    發(fā)表于 05-11 10:24

    【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】+ 入門篇學(xué)習(xí)

    很高興又有機(jī)會(huì)學(xué)習(xí)ai技術(shù),這次試讀的是「零基礎(chǔ)開發(fā)AI Agent」,作者葉濤、管鍇、張心雨。 大模型的普及是近三年來的一件大事,萬(wàn)物皆可大模型已成為趨勢(shì)。作為大模型開發(fā)應(yīng)用中重要組成部分,提示詞
    發(fā)表于 05-02 09:26

    【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】+關(guān)于AI Agent開發(fā)入門的第一印象與相關(guān)官方文檔和社區(qū)資料的內(nèi)容補(bǔ)充

    今天有幸收到了電子發(fā)燒友寄來的由中國(guó)工信出版集團(tuán)和電子工業(yè)出版社聯(lián)合出版的關(guān)于AI Agent開發(fā)的《零基礎(chǔ)開發(fā)AI Agent》的新書,不禁高興雀躍,以下是我拍下的書的頁(yè)封和背面:
    發(fā)表于 04-22 18:16

    【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】+初品Agent

    期待中的《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》終于寄到了,該書由葉濤、 管鍇、張心雨完成,并由電子工業(yè)出版社出版發(fā)行。 全書分為三個(gè)部分,即入門篇、工具篇及實(shí)踐篇。由此可見這是
    發(fā)表于 04-22 11:51

    【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】總體預(yù)覽及入門篇

    ,本書還是非常值得一看的,讓我們對(duì)于學(xué)會(huì)開發(fā)AI Agent充滿了信息,后續(xù)找時(shí)間開發(fā)出一些屬于我們的AiAgent大家看看吧.
    發(fā)表于 04-20 21:53

    請(qǐng)求贈(zèng)閱《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》

    博主好!致敬葉濤 管鍇 張心雨三位AI具身智能-智能體方面的專家、導(dǎo)師! 《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》一不懂編程的多數(shù)大眾也可以開發(fā)Agent,這意義深遠(yuǎn)
    發(fā)表于 04-10 12:16

    《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》

    《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》是一本為普通人量身打造的AI開發(fā)指南。它不僅深入淺出地講解了Agent的概念和發(fā)展,還通過詳細(xì)的工具介紹和實(shí)戰(zhàn)案例,幫助讀者快
    發(fā)表于 03-18 12:03

    【「AI Agent應(yīng)用與項(xiàng)目實(shí)戰(zhàn)」閱讀體驗(yàn)】書籍介紹

    會(huì)追根溯源,讓你有種“大徹大悟”的感覺。 這本書主要講大語(yǔ)言模型的內(nèi)容,教我們做一個(gè)AI Agent應(yīng)用出來,其實(shí)這個(gè)東西現(xiàn)在也叫智能體了,他跟我們平常使用大語(yǔ)言模型有個(gè)不同點(diǎn)在于他會(huì)專注某個(gè)領(lǐng)域
    發(fā)表于 03-05 20:40

    AI Agent 應(yīng)用與項(xiàng)目實(shí)戰(zhàn)》----- 學(xué)習(xí)如何開發(fā)視頻應(yīng)用

    再次感謝發(fā)燒友提供的閱讀體驗(yàn)活動(dòng)。本期跟隨《AI Agent 應(yīng)用與項(xiàng)目實(shí)戰(zhàn)》這本書學(xué)習(xí)如何構(gòu)建開發(fā)一個(gè)視頻應(yīng)用。AI Agent是一種智能應(yīng)用,能夠根據(jù)用戶需求和環(huán)境變化做出相應(yīng)響應(yīng)
    發(fā)表于 03-05 19:52

    AI Agent應(yīng)用與項(xiàng)目實(shí)戰(zhàn)》閱讀體驗(yàn)--跟著迪哥學(xué)Agent

    感謝電子發(fā)燒友的這次活動(dòng),讓我有幸抽中了《AI Agent應(yīng)用與項(xiàng)目實(shí)戰(zhàn)》(以下簡(jiǎn)稱《Agent》)這本書的贈(zèng)送。 收到書本之后我就迫不及待地學(xué)習(xí)書本中的知識(shí)。如果說依靠各種平臺(tái)上的文章了解關(guān)于
    發(fā)表于 03-02 12:28

    AI Agent 應(yīng)用與項(xiàng)目實(shí)戰(zhàn)》第1-2章閱讀心得——理解Agent框架與Coze平臺(tái)的應(yīng)用

    不同平臺(tái)的內(nèi)容特點(diǎn),生成符合平臺(tái)調(diào)性的文案,這種能力在社交媒體運(yùn)營(yíng)中極其重要。 Agent技術(shù)正在重塑AI應(yīng)用的開發(fā)模式。通過對(duì)《AI Agent
    發(fā)表于 02-19 16:35

    淺談AI Agent的發(fā)展階段

    2025年伊始,有關(guān)AI變革潛力的討論熱度正不斷攀升。人們對(duì)AI的關(guān)注焦點(diǎn)正從AI工具轉(zhuǎn)向創(chuàng)建及部署AI Agent。在今年最新發(fā)布的文章中
    的頭像 發(fā)表于 02-19 09:50 ?648次閱讀

    名單公布!【書籍評(píng)測(cè)活動(dòng)NO.55】AI Agent應(yīng)用與項(xiàng)目實(shí)戰(zhàn)

    電影中,我們經(jīng)常會(huì)看到這樣一個(gè)場(chǎng)景:主人公早晨剛剛醒來,打開手機(jī)后,它的智能助理——AI Agent已經(jīng)為他整理了今天的日程、分析了昨晚的睡眠數(shù)據(jù),并根據(jù)他的情況推薦了早餐菜單,并且還根據(jù)他設(shè)定的一些
    發(fā)表于 01-13 11:04