liqiang
b119135836
Build latest book artifacts / build (push) Canceled after 0s
dependency resolution / resolve (3.11) (push) Canceled after 0s
dependency resolution / resolve (3.13) (push) Canceled after 0s
deploy-pages / build (push) Canceled after 0s
deploy-pages / deploy (push) Canceled after 0s
i18n consistency check / check (push) Canceled after 0s
provider adoption tests / test (chapter2/context-compression) (push) Canceled after 0s
provider adoption tests / test (chapter2/prompt-injection) (push) Canceled after 0s
provider adoption tests / test (chapter2/system-hint) (push) Canceled after 0s
provider adoption tests / test (chapter3/log-sanitization) (push) Canceled after 0s
web-search-agent tests / test (push) Canceled after 0s
web-search-agent tests / agentbook (push) Canceled after 0s
2.3 KiB
2.3 KiB
Capítulo 1 · Fundamentos de los Agentes de IA
Agente = LLM + Contexto + Herramientas; La ingeniería del Harness es la verdadera ventaja competitiva
← Volver al README principal · 📖 Leer texto del capítulo
Cómo leer los experimentos
El texto usa skeletons breves para explicar el flujo de control; el directorio de experimentos contiene adaptadores SDK completos, registros, pruebas y evidencias de aceptación. No hace falta leer cada archivo línea por línea.
- Starter: Empieza por el objetivo, el comando mínimo y la aceptación; comienza con context;
- Builder: Sigue el punto de entrada, el bucle central, el esquema de estado/mensajes, las herramientas y el verificador.
- Maintainer: Después revisa pruebas, manifiestos, fallos, rollback y adaptadores de proveedores.
En la primera pasada puedes omitir credenciales, presentación y compatibilidad de proveedores; vuelve al reproducir una cifra.
Proyectos Complementarios
| Exp. | Proyecto | Tipo | Descripción |
|---|---|---|---|
| 1-1 | context | ✅ | Experimentos de ablación sistemática que muestran la importancia de los componentes del contexto; compatible con SiliconFlow Qwen, ByteDance Doubao y Moonshot Kimi |
| 1-2 | web-search-agent | ✅ | Agente Kimi K3 con capacidad de búsqueda profunda básica, capaz de realizar búsquedas multirronda e integración de información |
| 1-3 | search-codegen | ✅ | Integración de herramientas nativas de GPT-5, utilizando búsqueda web y sandbox de código para análisis complejos |
| 7-1, 7-2 | learning-from-experience | ✅ | Comparación entre Q-learning tradicional y aprendizaje en contexto basado en LLM, reproduciendo la eficiencia de muestra (250–400x) |
Tipos de Proyectos
| Icono | Tipo | Significado |
|---|---|---|
| ✅ | Autónomo | Código completo en este repositorio, se ejecuta tras configurar la Clave API |
| 📖 | Guía de Reproducción | Documento detallado que depende de repositorios externos para realizar git clone |
| 🚧 | Documento de Diseño | Solo arquitectura/plan de implementación, el código ejecutable aún está en desarrollo |