Autonomous Agents: memory y tools
Parte del curso de Prompt Engineering
En la lección 5 le diste herramientas a un modelo mediante llamadas a funciones, y en la lección 6 le diste memoria a largo plazo mediante recuperación. Esta lección mete esas dos piezas dentro de un bucle para que el modelo pueda actuar, mirar el resultado y decidir qué hacer a continuación, una y otra vez, hasta cumplir un objetivo.
Todo lo visto hasta ahora ha sido un único intercambio. Envías un prompt, el modelo devuelve texto y ya está. Es un esquema potente, pero tiene un techo: el modelo no puede revisar su propio trabajo, ni buscar un dato que le falta, ni dar un segundo paso a partir de lo que produjo el primero. ...
¿Quieres aprender Prompt Engineering Autonomous Agents: memory y tools en un entorno real?
Haz clic abajo, recibe una máquina Linux con Prompt Engineering listo, y practica Autonomous Agents: memory y tools con un tutor de IA que conoce tu código.
Empezar esta lecciónAutonomous Agents: memory y toolsLo que vas a aprender
- The agent loop of reason, act, observe
- Giving an agent tools
- Short-term and long-term memory
- Stopping conditions and guardrails
Lee esta lección en tu idioma
Todas las lecciones de este curso
11 lecciones- 1Qué es un prompt20 min
- 2Cómo los Large Language Models generan texto30 min
- 3Los cinco principios del prompting30 min
- 4Prácticas estándar para la generación de texto35 min
- 5Prompt Templates and Function Calling35 min
- 6Vector Databases y Retrieval-Augmented Generation40 min
- 7Autonomous Agents: memory y tools40 min
- 8Cómo los diffusion models generan imágenes30 min
- 9Prácticas estándar para la generación de imágenes35 min
- 10Técnicas avanzadas de imagen: inpainting, outpainting y ControlNet35 min
- 11Construyendo aplicaciones impulsadas por AI40 min
