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
4.1 KiB
4.1 KiB
Глава 1 · Основы агентов
Отталкиваясь от новой парадигмы «модель как агент», формулирует базовую формулу Агент = LLM + Контекст + Инструменты и вводит harness-инженерию — все инженерные возможности за пределами модели и есть настоящее конкурентное преимущество.
← К оглавлению · 📖 Читать главу
Как читать эксперименты
В основном тексте короткие скелеты механизмов объясняют поток управления; в каталогах экспериментов находятся полные адаптеры SDK, журналы, тесты и приёмочные доказательства. Читать каждый файл построчно не требуется.
- Starter: Начните с цели, минимальной команды и условий приёмки; начните с context;
- Builder: Проследите точку входа, основной цикл, схему состояния/сообщений, инструменты и проверяющий модуль.
- Maintainer: Затем изучите тесты, манифесты доказательств, обработку сбоев, откат и адаптеры провайдеров.
При первом чтении можно пропустить ключи, слой представления и совместимость провайдеров; вернитесь при воспроизведении чисел.
Сопутствующие проекты
| Эксп. | Проект | Тип | Описание |
|---|---|---|---|
| 1-1 | context | ✅ | На систематических абляционных экспериментах показывает важность различных компонент контекста агента. Поддерживает несколько провайдеров LLM (SiliconFlow Qwen, ByteDance Doubao, Moonshot Kimi), позволяя настраивать разные режимы контекста и наблюдать изменение поведения агента. |
| 1-2 | web-search-agent | ✅ | Реализует агента с базовой возможностью глубокого поиска — многораундовый поиск и интеграция информации. |
| 1-3 | search-codegen | ✅ | Строит агента с базовыми возможностями глубокого поиска и песочницы кода, применяя веб-поиск и исполнение кода для сложного анализа. |
| 7-1, 7-2 | learning-from-experience | ✅ | Сравнивает традиционное обучение с подкреплением (Q-learning) с обучением в контексте на основе LLM, воспроизводя ключевые выводы из эссе Shunyu Yao «The Second Half». На игре-поиске сокровищ показывает, как LLM превосходит традиционный RL по эффективности выборки в 250–400 раз. |
Типы проектов
| Значок | Тип | Значение |
|---|---|---|
| ✅ | Автономный | Полный код в этом репозитории, запускается после настройки API-ключа |
| 📖 | Гайд по воспроизведению | Подробный документ, зависящий от внешних репозиториев через git clone |
| 🚧 | Проектный документ | Только архитектура/план реализации, рабочий код ещё в разработке |