详细内容或原文请订阅后点击阅览
代理AI：单与多代理系统
通过在Langgraph的邮政经纪人AI：单一VS多代理系统中构建技术新闻代理证明，首先出现在数据科学方面。
来源:走向数据科学这些代理AI系统中有趣的领域之一是构建单个工作流程与多代理工作流程之间的区别，或者使用更灵活的与受控系统的工作之间的差异。
代理AI本文将帮助您了解什么是代理AI，如何使用Langgraph构建简单的工作流以及您可以通过不同的体系结构实现的结果差异。我将通过建立具有各种数据源的技术新闻代理来证明这一点。
至于用例，我有点痴迷于根据自己的喜好获得自动新闻更新，而每天都不会淹没信息过载。
处理总结和收集研究是代理AI真正发光的领域之一。
因此，在我不断尝试使AI为我做咕unt工作的同时，我们将看到单一代理与多代理设置的比较。
我始终保持工作术语，因此，如果您是代理AI的新手，则该作品应该可以帮助您了解它是什么以及如何使用它。如果您不是新手，则可以滚动一些部分。
代理AI（＆llms）
代理AI是关于使用自然语言编程的。与其使用刚性，明确的代码，不如指示大型语言模型（LLMS）在自动化任务中通过普通语言来路由数据并执行操作。
在工作流程中使用自然语言并不是什么新鲜事，我们多年来一直使用NLP来提取和处理数据。最新的是我们现在可以提供语言模型的自由度，使他们能够处理歧义并动态做出决策。
，但仅仅因为LLM可以理解细微的语言并不意味着它们固有地验证事实或维护数据完整性。我将它们主要视为一个通信层，该通信层位于结构化系统和现有数据源之上。
can 应该