卢建晖-多场景下智能体应用构建技巧.pdf

《卢建晖-多场景下智能体应用构建技巧.pdf》由会员分享，可在线阅读，更多相关《卢建晖-多场景下智能体应用构建技巧.pdf（30页珍藏版）》请在三个皮匠报告上搜索。

1、多场景下智能体应用构建技巧卢建晖微软高级云技术布道师演讲嘉宾卢建晖微软高级云技术布道师专注在人工智能和大数据，微软多年技术大会讲师，微软人工智能黑客松教练，著有基于大模型框架的Sematic Kernel Cookbook，目 录CONTENTS1.为什么需要智能体2.如何实现智能体3.智能体的应用场景4.研发场景的实践我们为什么需要智能体PART 01Copilot 应用改变了我们的工作方式几个关键要点怎样写“好”提示工程Copilot 之间如何互动解决大模型中的幻觉准确性对智能的愿景如何实现智能体PART 02AI Agents 的特点自主性：AI Agents 能够独立执行任务，无需持续

2、的人工干预或输入。感知：Agents 功能通过各种传感器（例如摄像头或麦克风）感知并解释他们所处的环境。高响应性：AI Agents 可以评估环境并做出相应响应以实现其目标。推理和决策：AI Agents 是智能工具，可以分析数据并做出决策以实现目标。他们使用推理技术和算法来处理信息并采取适当的行动。学习：他们可以通过机器、深度和强化学习元素和技术来学习和提高自己的表现。通信：AI Agents 可以使用不同的方法与其他代理或人类进行通信，例如理解和响应自然语言、识别语音以及通过文本交换消息。面向目标：它们旨在实现特定目标，这些目标可以预先定义或通过与环境的交互来学习。LLM Powered

3、Autonomous Agents|LilLog(lilianweng.github.io)AI Agent 的结构Assitants API 是第一步轻松为 Copilot 引入状态：通过单个 API 构建强大、有状态的 Copilot和类似座席的体验减少开发工作量：无需多个集成来进行状态管理、上下文关联和聊天线程、检索、代码执行和外部扩展强大的工具和第三方扩展能力：使开发人员能够并行访问强大的内置工具，例如代码解释器、知识检索以及通过 function calling 的外部扩展实现突破性的虚拟多智能体场景：设想虚拟智能体不仅可以相互交流，还可以执行任务，并可以通过安全方式来实现智能体间的

4、工作流程Microsoft Copilot ExtensibilityCopilotsInstructions(Meta Prompt)Function CallingCode InterpreterFoundation modelsAI infrastructureKnowledge RetrievalAppsAI orchestrationBuilt-insafetysystemand responsible AItoolsAssistants StackChat Completion API vs Assistant APIChat Completions API轻巧而强大本质上无状态A

5、ssistants APIStateful（内置对话状态管理）访问持久线程访问多种格式的文件。API 处理分块、嵌入存储和创建以及实施矢量搜索*自动管理模型的上下文窗口并行访问多个工具（每个助手最多 128 个工具），包括代码解释器使用 function calling 来构建工具场景学习:使用 Assistants API 构建一个旅游应用选择型号(gpt-4-1106-preview)为每个助理定义自定义指令：“您是提供.的旅行顾问”，“您是火车预订代理.”激活检索和代码解释器工具添加文件添加功能：例如 获取旅程、获取实际日期时间、获取最佳价格用户上传航班行程并询问：“建议我旅行日期的每日

6、行程”助理检索文件，然后回答问题用户询问“阻止我的日历中的慕尼黑啤酒节日期”助理查找音乐节日期的行程并调用 Microsoft Graph API 在用户日历中创建 Outlook 事件用户上传他们的 Airbnb 账单并询问：“我们将是 4 位朋友住在柏林的这家 Airbnb 上。我的费用分摊+我的航班费用是多少？“Assistant 调用 Code Interpreter 生成 Python 代码，然后回答问题。用户询问“请提供 10 月 27 日当周从 柏林 到 慕尼黑 最便宜的航班Assistant调用DB API获取火车路线和票价并显示参与者相关工具Deutsche Bahn API