《Building LLM Agents with RAG, Knowledge Graphs & Reflection: A Practical Guide to Building Intelligent, Context-Aware, and Self-Improving AI Agent》PDF+mobi+epub高清完整电子版

Building LLM Agents with RAG, Knowledge Graphs & Reflection: A Practical Guide to Building Intelligent, Context-Aware, and Self-Improving AI Agent
《使用 RAG、知识图谱和反思构建 LLM 智能体》
作者： Mira S. Devlin
出版时间：2025年11月5日

将大型语言模型转化为能够推理、检索和反思的智能体

在《使用 RAG、知识图谱和反思构建 LLM 智能体》一书中，人工智能系统架构师 Mira S. Devlin 将带领您超越生成式人工智能的表面，进入智能体的世界——在这里，LLM 从被动工具演变为动态协作者，能够基于事实做出响应、理解上下文并随着时间的推移不断改进。

本书不仅解释概念，更帮助您构建它们。每一章都融合了理论、图表和应用示例，展示了检索、推理和反思如何在现代人工智能智能体内部相互作用。无论您是构建一个自我更新的研究助手，还是一个多智能体工作流，您都将深入了解当今最先进的认知系统是如何设计的。

您将学到什么

人工智能智能体的认知核心

理解 Transformer、分词和注意力机制的架构。

探索从静态 LLM 到自适应、结果驱动型智能体的转变。

了解检索、反思和推理如何构成智能的四大支柱。

检索增强生成 (RAG)

使用开源框架实现检索器、排序器和生成器。

使用 Recall@K、Precision@K 和接地质量等指标评估准确性。

构建一个能够进行实时数据集成的、基于 RAG 的知识机器人。

知识图谱和结构化推理

使用 Neo4j、ArangoDB 或 GraphRAG 设计和查询基于图的知识系统。

表示数据实体之间的关系，以实现上下文丰富的推理。

将结构化知识与非结构化语言相结合，实现可解释的人工智能。

反思和认知循环

实现“计划 → 行动 → 反思 → 修改”循环，以实现自我改进的智能。

探索用于持续学习的短期记忆和长期记忆系统。

多智能体协作

构建能够规划、委派任务并验证结果的智能体团队。

理解通信协议、协作记忆和角色专业化。

使用 CrewAI、LangGraph 和 AutoGPT2 等框架来协调协作。

每章结尾都设有“智能体实战”部分——提供动手实践项目和指导性工作流程，将抽象概念转化为您可以构建、扩展和部署的工作系统。

电子版代找请联系：yefei147852

电子版代找请联系：yefei147852

未经允许不得转载：我的生活分享 » 《Building LLM Agents with RAG, Knowledge Graphs & Reflection: A Practical Guide to Building Intelligent, Context-Aware, and Self-Improving AI Agent》PDF+mobi+epub高清完整电子版