1. Agents的诞生：从LLMs到自主行动
-
比喻：想象一下，LLMs（大语言模型）就像是一个超级聪明的图书管理员，它知道很多书里的知识，但它只能告诉你书里写的内容，不能去外面帮你买新书或者帮你做饭。Agents就像是给这个图书管理员配了一个“机器人助手”，这个助手不仅知道书里的知识，还能帮你跑腿、做饭、甚至帮你解决实际问题。
2. Agents的核心组件
-
模型 (Model)：这是Agent的“大脑”，负责思考和决策。就像是一个聪明的指挥官，知道什么时候该做什么。
-
工具 (Tools)：这是Agent的“手和脚”，负责执行具体的任务。就像是一个工具箱，里面有各种工具，比如锤子、螺丝刀、扳手等，可以根据需要选择使用。
-
编排层 (Orchestration Layer)：这是Agent的“指挥中心”，负责协调大脑和手脚的工作。就像是一个乐队的指挥，确保每个乐器都在正确的时间演奏。
遇到问题1：
cannot import name 'TypeIs' from 'typing_extensions'
解决方法：
pip install --upgrade typing_extensions整体运行成功后出现：
LangGPT：
将之前的提问先注释掉，然后运行新的代码，得到以下结果:
openAI实现阅卷智能体
同样的操作可以得到以下结果：
代码疑问解析：
def get_completion(prompt):response = client.chat.completions.create(model="glm-4-flash", # 填写需要调用的模型名称messages=[{"role": "user", "content": prompt},],)return response.choices[0].message.content调用一个语言模型（在这里是 glm-4-flash）来生成对用户输入提示（prompt）的回复内容。