智慧體框架簡介

歡迎來到第二單元，我們將探索可用於構建強大智慧體應用程式的不同智慧體框架。

我們將學習

• 在單元 2.1 中：smolagents
• 在單元 2.2 中：LlamaIndex
• 在單元 2.3 中：LangGraph

讓我們深入瞭解！🕵

何時使用智慧體框架

圍繞 LLM 構建應用程式時，並非總是需要智慧體框架。它們為工作流提供了靈活性，以有效解決特定任務，但並非總是必需。

有時，預定義的工作流足以滿足使用者請求，並且沒有真正需要智慧體框架。如果構建智慧體的方法很簡單，例如一系列提示，那麼使用純程式碼可能就足夠了。優點是開發人員將完全控制和理解他們的系統，而無需抽象。

然而，當工作流變得更加複雜時，例如讓 LLM 呼叫函式或使用多個智慧體時，這些抽象就開始變得有用。

考慮到這些想法，我們已經可以確定對某些功能的需求

• 一個為系統提供動力的 LLM 引擎。
• 智慧體可以訪問的工具列表。
• 一個用於從 LLM 輸出中提取工具呼叫的解析器。
• 一個與解析器同步的系統提示。
• 一個記憶體系統。
• 錯誤日誌記錄和重試機制，用於控制 LLM 錯誤。

我們將探索這些主題在各種框架中是如何解決的，包括 smolagents、LlamaIndex 和 LangGraph。

智慧體框架單元

框架	描述	單元作者
smolagents	Hugging Face 開發的智慧體框架。	Sergio Paniego - HF - X - Linkedin
Llama-Index	將上下文增強型 AI 智慧體投入生產的端到端工具	David Berenstein - HF - X - Linkedin
LangGraph	允許智慧體進行有狀態編排的智慧體	Joffrey THOMAS - HF - X - Linkedin

< > 在 GitHub 上更新