datawhalechina/agent-learning-hub

개요

무작위 링크를 수집하는 대신 유용하고 신뢰할 수 있는 에이전트를 만들고 싶은 사람들을 위한 엄선된 AI 에이전트 학습 로드맵입니다. 이 저장소는 단 하나의 핵심 디스플레이 표면인 README만 유지합니다. 목표는 훌륭한 커뮤니티 공유, 공식 블로그, 논문, 오픈소스 프로젝트, 실제 엔지니어링 경험을 따라 할 일 목록으로 모아 AI 에이전트 학습 할 일 목록으로 만드는 것입니다. - 초보자라면: '학습 할 일 목록'을 위에서 아래로 따라 완료한 항목마다 체크하세요. - 이미 LLM 적용 방법을 알고 있다면: 2단계 또는 3단계부터 시작해 에이전트 루프, 툴 호출, 평가, 엔지니어링에 집중하세요. - 프로젝트를 시작하고 싶다면: '프로젝트 래더'를 보고 각 단계별로 실행 가능한 프로젝트를 하나씩 만드세요. - 단순히 정보를 찾고 싶다면: '큐레이티드 리소스'를 확인하고 공식 문서와 고전 논문을 우선순위로 정하세요. 에이전트 분야는 빠르게 변화하고 있습니다. 지금 더 투자할 가치가 있는 것은 기존의 '역할극 다중 에이전트 프레임워크'가 아니라, 실제 생산성에 더 가까운 다음 방향들입니다: 템플릿이 된 구식 크루/롤플레잉 프레임워크에 집중하는 것은 권장하지 않습니다. 이해는 가능하지만 주요 주제가 되어서는 안 됩니다. - [ ] 챗봇, 워크플로우, 에이전트, 멀티 에이전트를 구분하세요. - [ ] 에이전트의 기본 주기를 이해하세요: 관찰 - > 생각 - > 행동 - > 관찰. - [ ] 에이전트를 사용하지 말아야 할 때를 아세요: 작업이 예측 가능하고 워크플로우가 안정적이며 일반 스크립트로 해결할 수 있을 때, 에이전트는 오히려 불확실성을 증가시킵니다. - [ ] 읽어보세요: 효과적인 에이전트 구축. - [ ] 읽어보세요: 에이전트 구축에 관한 실용적인 가이드. 결과물: "왜 내 장면에 일반 워크플로우 대신 에이전트가 필요한가?"라는 짧은 노트를 작성하세요. - [ ] LLM API를 사용해 일반적인 대화를 완료합니다. - [ ] 모델이 구조화된 JSON 출력을 가능하게 합니다. - [ ] 검색, 계산기 read_file 등 도구 기능을 정의합니다. - [ ] 모델의 도구 호출/함수 호출을 파싱합니다.

개요(AI 번역)

이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요.

추천 도구

다른 키워드를 입력하거나 필터를 제거해 보세요.

설치