Autonome Agents: memory und tools
Teil des Prompt Engineering-Kurses
In Lektion 5 hast du einem Modell über Function Calling Werkzeuge gegeben, in Lektion 6 über Retrieval ein Langzeitgedächtnis. Diese Lektion setzt beide Teile in eine Schleife, damit das Modell handeln, sich das Ergebnis ansehen und dann entscheiden kann, was als Nächstes kommt, immer wieder, bis ein Ziel erreicht ist.
Alles bisher war ein einzelner Austausch. Du schickst einen Prompt, das Modell schickt Text zurück, fertig. Diese Form ist mächtig, hat aber eine Grenze: Das Modell kann seine eigene Arbeit nicht prüfen, keine fehlende Information nachschlagen und keinen zweiten Schritt gehen, der auf dem Ergebnis des ersten aufbaut. ...
Möchtest du Prompt Engineering Autonome Agents: memory und tools in einer echten Umgebung lernen?
Klick unten, hol dir eine Linux-Maschine mit fertigem Prompt Engineering und arbeite Autonome Agents: memory und tools praktisch durch, mit einem KI-Tutor, der deinen Code kennt.
Lektion startenAutonome Agents: memory und toolsWas du lernen wirst
- The agent loop of reason, act, observe
- Giving an agent tools
- Short-term and long-term memory
- Stopping conditions and guardrails
Lies diese Lektion in deiner Sprache
Alle Lektionen in diesem Kurs
11 Lektionen- 1Was ein Prompt ist20 Min.
- 2Wie große Sprachmodelle Text erzeugen30 Min.
- 3Die fünf Prinzipien des Prompting30 Min.
- 4Standardpraktiken für die Textgenerierung35 Min.
- 5Prompt Templates und Function Calling35 Min.
- 6Vector Databases und Retrieval-Augmented Generation40 Min.
- 7Autonome Agents: memory und tools40 Min.
- 8Wie Diffusion Models Bilder erzeugen30 Min.
- 9Standardpraktiken für die Bildgenerierung35 Min.
- 10Fortgeschrittene Bildtechniken: Inpainting, Outpainting und ControlNet35 Min.
- 11KI-gestützte Anwendungen bauen40 Min.
