我在 Google-Kaggle AI 代理密集课程中的经历

Source: Dev.to

我的学习要点

1. 代理到底是什么

在课程之前，我以为代理基本上是带有额外步骤的聊天机器人。
实际上，代理包括：

• 一个规划组件
• 可使用的工具
• 一点记忆
• 一个让它检查自身工作的循环

在实验中看到它实际运行时，我恍然大悟：这并非魔法，只是一个使用模型进行思考的小系统。

2. 多代理系统是合乎逻辑的

有一节课讲解了多个代理如何协作：

• 一个负责规划
• 一个执行步骤
• 一个检查结果

这种结构奇怪地类似于现实团队项目的运作方式。

3. 工具才是真正的力量

这是我最大的“啊哈”时刻。
代理一旦能够做到以下，就会变得真正有用：

• 运行一点代码
• 调用 API
• 查询信息
• 读取文件

此时它们不再像聊天机器人，而是像可以帮助你构建东西或自动化任务的软件。

我的毕业项目

我构建了一个简单的目标规划代理。你给它一个任务，它会将任务拆分为更小的步骤，并确定所需资源。

• 我选择它的原因： (细节已省略)
• 进展顺利的地方： (细节已省略)
• 不足之处： (细节已省略)
• 我学到的东西： (细节已省略)

我的认知变化

• 之前： “代理只是高级聊天机器人。”
• 之后： “代理是由 AI 模型驱动、使用工具、记忆和规划的小系统。”

这种转变重新塑造了我对 AI 项目的看法，也解释了为何许多人认为代理是下一大步。

最后感想

总体来说，我对所学非常满意。课程让我更清晰地了解了代理的工作原理以及如何用它们构建实用的东西。我计划继续实验，特别是多代理工作流，因为那部分尤其令人兴奋。