Hanah

Reference：Datawhale wow agent day11 实现内容 本节课我们将通过 Zigent 框架实现一个出题智能体，其主要功能是根据指定的 Markdown 文件内容自动生成考卷。该智能体支持单选题、多选题和填空题三种题型，并能将生成的考卷保存为…

Reference：Datawhale wow agent day10 本节课我们将通过 Zigent 框架实现一个教程编写智能体，其主要功能是输入教程主题，然后自动生成完整的教程内容。 设计思路： 先通过 LLM 大模型生成教程的目录，再对目录按照二级标题进行分块…

Reference：Datawhale wow agent 我们通过一个 “哲学家聊天室” 的案例来学习使用多智能体，分别构建了孔子、苏格拉底、亚里士多德对一个问题的哲学思考和讨论。 创建智能体 我们实现一个 Philosopher 类，继承自 BaseAgent 基类…

Reference：Datawhale wow agent day08 Zigent 是一个基于 Agentlite 框架改进的智能代理开发框架。Agentlite 最初由 Salesforce AI Research 团队开发，是一个强大的 Agent 开发框架。Zigent…

Reference：Dtawhale wow agent day07 申请搜索引擎 API 我们使用博查 API; 主要特点 内容合规且高质量：数据来源和搜索结果符合国内安全规范，数据不出海，满足 B 端企业用户应用场景，能为 AI 应用提供干净、准确、高质量的搜索结果。 多模…

Reference：Datawhale wow agent day06 什么是 RAG？ 我们检索豆包得到以下回答： 在自然语言处理领域，语言模型通常是在大规模的文本语料上进行训练，以学习语言的模式和语义信息。然而，这些模型存在知识更新不及时、生成内容可能包含错误信息（如幻觉现象…

Reference：Datawhale wow agent day05 本地安装 Ollama Reference：Datawhale wow rag class02 我们采取第四种方法：在本地安装 Ollama，在本地安装好模型，然后在 Llama-index 中使用…

Reference: Datawhale wow agent day04 构建 llm Copy from openai import OpenAI from pydantic import Field # 导入Field，用于Pydantic模型中定义字段的元数据 from…

Reference: DataWhale wow agent day03 延用 day02 的环境配置和大模型设置。 定义函数 提取大模型输出内容中的 json 部分 Copy import re def extract_json_content(text): text…

Reference: DataWhale wow agent day02 准备阶段 创建一个虚拟环境 agent， pip install openai python-dotenv。 要想用 openai 库对接国内的大模型，对于每个厂家，我们都需要准备前菜： 一个 api…

Reference: DataWhale wow agent 课程https://github.com/datawhalechina/wow-agent Agents 的核心组件 一个完整的 Agent 主要由三个核心组件构成： 1. 模型 (Model): 角色：作为…