Monikerroksinen yleiskatsaus Agentic AI -keskeisiin konsepteihin. Ymmärretään se kerros kerrokselta. 1) LLM:t (perustakerros) Ytimessä on LLM:t, kuten GPT, DeepSeek jne. Keskeiset ideat tässä: - Tokenisointi- ja päättelyparametrit: miten teksti jaetaan tunnuksiksi ja miten malli käsittelee. - Nopea suunnittelu: syötteiden suunnittelu parempien tulosten saamiseksi. - LLM API:t: ohjelmalliset rajapinnat vuorovaikutukseen mallin kanssa. Tämä on moottori, joka käyttää kaikkea muuta. 2) AI-agentit (perustuu LLM:iin) Agentit kietoutuvat LLM:ien ympärille antaakseen heille kyvyn toimia itsenäisesti. Keskeiset vastuualueet: - Työkalujen käyttö ja funktiokutsut: LLM:n yhdistäminen ulkoisiin ohjelmointirajapintoihin/työkaluihin. - Agentin päättely: päättelymenetelmät, kuten ReAct (päättely + teko) tai Chain-of-Thought. - Tehtävien suunnittelu ja hajottaminen: ison tehtävän jakaminen pienempiin. - Muistin hallinta: historian, kontekstin ja pitkän aikavälin tietojen seuraaminen. Agentit ovat aivoja, jotka tekevät LLM:istä hyödyllisiä todellisissa työnkuluissa. 3) Agenttiset järjestelmät (moniagenttijärjestelmät) Kun yhdistät useita agentteja, saat agenttijärjestelmiä....