Autonomous Agents : memory et tools
Partie du cours Prompt Engineering
À la leçon 5, vous avez donné des outils à un modèle grâce à l'appel de fonctions, et à la leçon 6 vous lui avez donné une mémoire à long terme grâce à la recherche d'informations. Cette leçon place ces deux pièces à l'intérieur d'une boucle, pour que le modèle puisse agir, regarder le résultat et décider de la suite, encore et encore, jusqu'à ce qu'un objectif soit atteint.
Tout ce que nous avons vu jusqu'ici tenait en un seul échange. Vous envoyez un prompt, le modèle renvoie du texte, et c'est fini. La forme est puissante, mais elle a un plafond : le modèle ne peut pas vérifier son propre travail, aller chercher un fait qui lui manque, ni faire un deuxième pas à partir de ce que le premier a produit. ...
Envie d’apprendre Prompt Engineering Autonomous Agents : memory et tools dans un vrai environnement ?
Cliquez ci-dessous, obtenez une machine Linux avec Prompt Engineering prêt, et travaillez sur Autonomous Agents : memory et tools avec un tuteur IA qui connaît votre code.
Commencer cette leçonAutonomous Agents : memory et toolsCe que vous allez apprendre
- The agent loop of reason, act, observe
- Giving an agent tools
- Short-term and long-term memory
- Stopping conditions and guardrails
Lire cette leçon dans votre langue
Toutes les leçons de ce cours
11 leçons- 1Qu'est-ce qu'un prompt20 min
- 2Comment les grands modèles de langage génèrent du texte30 min
- 3Les cinq principes du prompting30 min
- 4Pratiques standard pour la génération de texte35 min
- 5Prompt Templates et Function Calling35 min
- 6Vector Databases et Retrieval-Augmented Generation40 min
- 7Autonomous Agents : memory et tools40 min
- 8Comment les diffusion models génèrent des images30 min
- 9Pratiques standards pour la génération d'images35 min
- 10Techniques d'image avancées : inpainting, outpainting et ControlNet35 min
- 11Construire des applications propulsées par l'IA40 min
