智能体如何嵌入课件

Step.1点击“创建智能体”按钮Step.2输入你对于智能体的描述，如果你有准备好的提示词模板，可以直接粘贴上去Step.3 ChatGLM的智能体配置可以自动生成，其默认勾选了增强能力，你可以根据智能体实际需求进行调整，同时你也可以根据实际情况上传你自己本地文件作为知识原料形成属于智能体的知识库[heading1]十六、多智能体协同[content]接下来，我们来探讨多智能体协同的概念。在单智能体或提示词链中，我们通常使用提示词来控制智能体执行特定任务。然而，这种方法可能会遇到一些挑战：如果单一智能体要处理一个非常复杂的任务，我们可能需要不断修改和重写提示词，这不仅会降低工作效率，还会让提示词的逻辑不清晰（即在一个提示词中指派模型干很多类工作，这正好违背了我们在第一部分所讲述的模型特性和原则）。[heading1]十七、个人提示词分享[content]现在，我想与大家分享一些我个人使用的提示词。这些提示词我已经使用了一段时间，虽然没有具体的案例展示，但它们具有很高的通用性，能够适应多样化的任务需求,如果你有特定场景需求，可以以此为基础进行修改。社区提示词分享在课件中。[heading1]十八、在线课件[content]由于最近盗版事件频发，需要课件的扫群主二维码获取。

[title]02-基础通识课[heading1]智能纪要[heading2]智能章节本章节主要以datefficient、Empower user to create等文本为例，以可视化方式讲解Transformer架构。单词先拆分再嵌入（embedding），为保证语序不乱会做位置编码标记，嵌入后进入自助运力机制模型，它能匹配词与语境间的强依赖关系以合理生成内容。[27:39](https://waytoagi.feishu.cn/minutes/obcn8c6pm95g22581ei4p1l4?t=1659000)Transformer架构、大模型幻觉与QKV概念本章节首先介绍了Transformer架构中的词与词组合、位置编码及下一词概率预测等内容，提到通过实践能更好理解Transformer。还引出大模型幻觉概念，指出优质数据集的重要性，最后对QKV进行了解释，包括q为query、k为组件、v为组件下对应的值等。[30:15](https://waytoagi.feishu.cn/minutes/obcn8c6pm95g22581ei4p1l4?t=1815000)Prompt在大模型中的作用及分类本章节先讲了Transformer模型原理查询组件返回值的过程，然后重点分享prompt相关内容。prompt承担与模型的交流工作，有system prompts、user prompts和assistant prompts三种，提示工程就是要写好prompt，通过调试得到符合预期结果，但目前离不需要prompt还有距离。[34:11](https://waytoagi.feishu.cn/minutes/obcn8c6pm95g22581ei4p1l4?t=2051000)nimbus分享prompt法则、应用及相关有趣内容

[title]AI智能体：企业自动化的新架构- Menlo Ventures[heading3]轨道上的智能体人我们下一类要研究的智能体是轨道智能体。与决策智能体相比,轨道智能体被赋予了更高级的目标(例如,"将此发票与总账调节"、"帮助客户解决登录问题"、"重构此代码"),并赋予了更多自由度来选择实现这些目标的方法和工具。与此同时,这些智能体仍受程序性知识的指导,了解组织期望智能体如何执行(以自然语言编写的规则手册或说明手册表示的"轨道")；拥有预定义的工具,可在外部软件系统中执行一组操作；并受到防止幻觉的保护栏和其他审查措施的约束。在运行时，这种设计可能会产生以下模式:规划智能体评估应用程序相对于手册（即当前位于DAG中的哪个节点）的当前状态,并检查从该节点开始的所有动作链。智能体人选择并执行最佳链条。每个链条可能包括预定义为代码的预写操作,或者甚至包括可执行特定任务的额外智能体人,包括传统的RAG。在采取任何行动之前,该系统都会进行审查和确保一致性和一致性的护栏规划智能体根据规则手册评估新状态,并重复该过程——从有向无环图中的新节点中选择最佳链来再次执行。请注意,这种架构为之前的设计增加了另一层复杂性,这可能需要额外的数据基础设施支持,包括持久化执行、状态和内存管理(包括情节性、工作和长期记忆)、多智能体协调以及防护机制。