smolagents 簡介

歡迎來到本模組，你將在這裡學習 如何使用 smolagents 庫構建有效的 Agent，該庫提供了一個用於建立強大 AI Agent 的輕量級框架。

smolagents 是 Hugging Face 的一個庫；因此，我們希望你能透過 給 smolagents 程式碼倉庫 點星 來支援我們

模組概覽

本模組全面概述了使用 smolagents 構建智慧 Agent 的關鍵概念和實用策略。

在眾多開源框架中，瞭解 smolagents 的元件和功能，明白它為何是一個有用的選擇，或者確定何時其他解決方案可能更合適，是至關重要的。

我們將探討關鍵的 Agent 型別，包括專為軟體開發任務設計的程式碼 Agent、用於建立模組化、功能驅動工作流的工具呼叫 Agent，以及能夠訪問和整合資訊的檢索 Agent。

此外，我們還將介紹多 Agent 的協同工作，以及視覺能力和網頁瀏覽的整合，這些都為動態和情境感知的應用開啟了新的可能性。

在本單元中，來自單元 1 的 Agent Alfred 將回歸。這一次，他使用 smolagents 框架來驅動其內部工作。我們將一起探索這個框架背後的關鍵概念，看 Alfred 如何處理各種任務。趁著韋恩家族 🦇 不在，Alfred 正在韋恩莊園組織一場派對，他有很多事情要做。加入我們，一起見證他的旅程，看他如何用 smolagents 處理這些任務！

目錄

在本單元關於 smolagents 的內容中，我們涵蓋：

1️⃣ 為何使用 smolagents

smolagents 是眾多可用於應用開發的開源 Agent 框架之一。其他選擇包括 LlamaIndex 和 LangGraph，本課程的其他模組也會介紹它們。smolagents 提供了幾個關鍵特性，可能使其非常適合特定的使用場景，但我們在選擇框架時應始終考慮所有選項。我們將探討使用 smolagents 的優缺點，幫助你根據專案需求做出明智的決定。

2️⃣ 程式碼 Agent (CodeAgents)

CodeAgents 是 smolagents 中的主要 Agent 型別。這些 Agent 生成 Python 程式碼來執行動作，而不是生成 JSON 或文字。本模組將探討它們的用途、功能和工作原理，並提供實際例子來展示其能力。

3️⃣ 工具呼叫 Agent (ToolCallingAgents)

ToolCallingAgents 是 smolagents 支援的第二種 Agent 型別。與生成 Python 程式碼的 CodeAgents 不同，這些 Agent 依賴於 JSON/文字塊，系統必須解析和解釋這些塊來執行動作。本模組將介紹它們的功能、與 CodeAgents 的主要區別，並提供一個例子來說明其用法。

4️⃣ 工具

正如我們在單元 1 中所見，工具是 LLM 可以在 Agent 系統中使用的函式，它們是 Agent 行為的基本構建塊。本模組將介紹如何建立工具、它們的結構，以及使用 Tool 類或 @tool 裝飾器的不同實現方法。你還將瞭解預設的工具箱、如何與社群分享工具，以及如何載入社群貢獻的工具以在你的 Agent 中使用。

5️⃣ 檢索 Agent

檢索 Agent 允許模型訪問知識庫，從而可以從多個來源搜尋、整合和檢索資訊。它們利用向量儲存庫進行高效檢索，並實現 檢索增強生成 (RAG) 模式。這些 Agent 在將網路搜尋與自定義知識庫整合，同時透過記憶系統維護對話上下文方面特別有用。本模組將探討實現策略，包括用於穩健資訊檢索的備用機制。

6️⃣ 多 Agent 系統

有效地協調多個 Agent 對於構建強大的多 Agent 系統至關重要。透過將具有不同能力的 Agent 組合起來——例如，一個網路搜尋 Agent 與一個程式碼執行 Agent——你可以建立更復雜的解決方案。本模組專注於設計、實現和管理多 Agent 系統，以最大限度地提高效率和可靠性。

7️⃣ 視覺和瀏覽器 Agent

視覺 Agent 透過整合 視覺-語言模型 (VLM) 擴充套件了傳統 Agent 的能力，使其能夠處理和解釋視覺資訊。本模組探討了如何設計和整合由 VLM 驅動的 Agent，從而解鎖基於影像的推理、視覺資料分析和多模態互動等高階功能。我們還將使用視覺 Agent 構建一個可以瀏覽網頁並從中提取資訊的瀏覽器 Agent。

資源

• smolagents 文件 - smolagents 庫的官方文件
• 構建高效的 Agent - 關於 Agent 架構的研究論文
• Agent 指南 - 構建可靠 Agent 的最佳實踐
• LangGraph Agents - Agent 實現的更多示例
• 函式呼叫指南 - 理解 LLM 中的函式呼叫
• RAG 最佳實踐 - 實現高效 RAG 的指南

< > 在 GitHub 上更新