Autonomous Agents: память (memory) и инструменты (tools)
Часть курса Prompt Engineering
В уроке 5 вы дали модели инструменты через вызов функций, а в уроке 6 добавили ей долговременную память через извлечение данных. Этот урок помещает обе части внутрь цикла, чтобы модель могла действовать, смотреть на результат и решать, что делать дальше, снова и снова, пока цель не будет достигнута. Именно такой цикл превращает модель, которая отвечает один раз, в агента, который работает ради результата.
Всё, что было до сих пор, укладывалось в один обмен репликами. Вы отправляете промпт, модель присылает текст, на этом всё. Форма мощная, но у неё есть потолок: модель не может проверить собственную работу, добыть недостающий факт или сделать второй шаг, опираясь на итог первого.
Хочешь изучать Prompt Engineering Autonomous Agents: память (memory) и инструменты (tools) в реальной среде?
Нажми ниже, получи Linux-машину с Prompt Engineering наготове и пройди Autonomous Agents: память (memory) и инструменты (tools) на практике вместе с AI-наставником, который знает твой код.
Начать этот урокAutonomous Agents: память (memory) и инструменты (tools)Чему вы научитесь
- The agent loop of reason, act, observe
- Giving an agent tools
- Short-term and long-term memory
- Stopping conditions and guardrails
