动手学Agent——Day2

一、用 Llama-index 创建 Agent

LlamaIndex 实现 Agent，需要导入：

• Function Tool：将工具函数放在 Function Tool 对象中
  • 工具函数 -> 完成 Agent 任务。⚠️大模型会根据函数注释来判断使用哪个函数来完成任务，所以，注释一定要写清楚函数功能和返回值
• ReActAgent：通过结合推理（Reasoning）和行动（Acting）来创建动态的 LLM Agent 的框架
  • 初始推理：agent首先进行推理步骤，以理解任务、收集相关信息并决定下一步行为
  • 行动：agent基于其推理采取行动——例如查询API、检索数据或执行命令
  • 观察：agent观察行动的结果并收集任何新的信息
  • 优化推理：利用新消息，代理再次进行推理，更新其理解、计划或假设
  • 重复：代理重复该循环，在推理和行动之间交替，直到达到满意的结论或完成任务

二、数据库对话 Agent

三、RAG 接入Agent

https://github.com/deepseek-ai/DeepSeek-R1/blob/main/README.md