智能体框架介绍

欢迎来到第二单元，在这里我们将探索不同的智能体框架（agentic frameworks），这些框架可用于构建强大的智能体应用。

我们将学习：

• 在单元 2.1：smolagents
• 在单元 2.2：LlamaIndex
• 在单元 2.3：LangGraph

让我们开始吧！

何时使用智能体框架

构建围绕大语言模型（LLMs）的应用时，并不总是需要智能体框架。它们在工作流中提供了灵活性，可以高效地解决特定任务，但并非总是必需的。

有时，预定义的工作流足以满足用户请求，并且没有真正需要智能体框架。如果构建智能体的方法很简单，比如一系列提示，使用纯代码可能就足够了。优势在于开发者将完全控制和理解他们的系统，没有抽象层。

然而，当工作流变得更加复杂时，例如让大语言模型调用函数或使用多个智能体，这些抽象开始变得有用。

考虑到这些想法，我们已经可以确定对一些功能的需求：

• 一个驱动系统的大语言模型引擎。
• 智能体可以访问的工具列表。
• 用于从大语言模型输出中提取工具调用的解析器。
• 与解析器同步的系统提示。
• 一个记忆系统。
• 错误日志和重试机制以控制大语言模型的错误。

我们将探讨这些主题在各种框架中如何解决，包括 smolagents、LlamaIndex 和 LangGraph。

智能体框架单元

小结

• 第二单元概览三大智能体框架：smolagents、LlamaIndex 与 LangGraph，各自对应不同单元作者。
• 并非所有 LLM 应用都需要框架；简单提示链用纯代码即可，开发者保有完全控制。
• 当工作流涉及函数调用、多智能体等复杂逻辑时，框架的抽象才真正发挥作用。
• 无论哪种框架，核心需求基本一致：LLM 引擎、工具列表、输出解析器、系统提示、记忆系统与错误重试机制。

参考与延伸阅读

• smolagents 官方文档
• LlamaIndex 官网
• LangGraph 官网
• 本单元 smolagents 介绍（本站）
• 本单元 LlamaIndex 介绍（本站）