课程视频翻译：《“多AI智能体系统”（Multi AI Agent Systems）》 这门课程由 CrewAI 的创始人兼CEO João Moura打造。在这门课程中，你将学习如何将复杂任务分解为多个AI智能体的子任务，每个智能体都扮演一个特定的角色并执行相应的任务。 例如，生成一份研究报告时，你可能会有研究员智能体、撰写智能体和质量保证智能体进行协作。你需要像管理团队一样，定义这些智能体的角色、期望和交互方式。 课程将涵盖关键的AI智能体技术，包括角色扮演、工具使用、记忆管理、保护机制以及跨智能体协作。你还将学习如何构建自己的多智能体系统，以便解决复杂任务。我相信你会发现设计智能体并观察它们协作完成任务既高效又有趣。 多智能体架构将在推动AI系统的发展方面起到重要作用。 课程地址：

一起学多 AI 智能体系统（双语字幕）- 2. 概览 这门课程旨在全面介绍和深入探讨智能体的知识。课程内容丰富，涵盖了智能体的运作原理、角色扮演、注意力集中、工具使用、边界设置、记忆利用及其合作方式等方面。课程的目标是通过理论和实际案例，让学员掌握构建智能体系统的技能，最终能自主构建复杂的智能体团队。 首先，课程会介绍智能体的基本定义和运作机制，帮助学员理解智能体的基础知识。接着，课程将讨论智能体在角色扮演中的应用，介绍不同智能体的角色和功能，以及它们如何通过合作实现目标。课程还将深入探讨智能体如何集中注意力、使用工具，以及如何设置边界以确保智能体的正常运作和有效性。 在智能体的记忆和合作方式部分，课程将解释智能体如何利用记忆提高效率，并介绍顺序、层级、异步等不同的合作方式。之后，课程将逐步构建不同类型的智能体团队，从简单的研究和写作团队开始，逐步构建更复杂的团队，如客户支持团队、客户推广团队和财务分析团队。 课程中还包括一个简历优化的案例分析，通过分析 Noah 的简历，展示如何使用智能体优化简历，提高求职成功率。学员将学习如何利用智能体来突出简历中的关键技能和经验，使其更符合职位需求。 此外，课程还将探讨智能体自动化的优势，特别是与传统自动化的对比。智能体自动化不仅能处理更多的边缘情况，还能通过模糊输入和输出实现更灵活的应用。课程将通过具体的例子展示智能体在数据收集和分析中的应用，说明如何通过多智能体系统提高数据处理的效率和准确性。

一起学多 AI 智能体系统（双语字幕）- 3. 什么是 AI 智能体 大语言模型（LLMs）是一种通过预测下一个 token 来进行对话的技术，其主要供应商包括 OpenAI、HuggingFace 和 Ollama 等。用户可以通过与 LLMs 的交互，不断提供反馈来优化模型的输出结果。尽管这种交互能提高模型性能，但需要用户持续参与。然而，AI智能体可以自主工作，减少用户手动交互的需求，从而提高工作效率。 智能体具备使用工具和与外部世界进行交互的能力，例如调用API、发布信息或收集数据等。这种能力使智能体能够完成更多复杂任务，形成一个功能齐全的系统。多智能体系统通过多个智能体的分工协作，实现了比单一智能体更高的效率和专业化。每个智能体可以专注于特定任务，并基于不同模型运行，进一步提升工作效果。 课程地址：

一起学多 AI 智能体系统（双语字幕）- 4. 实战：构建一个多智能系统来帮你写作 智能体是一种可以进行自我对话并完成复杂任务的大语言模型。通过协同工作，智能体能够实现更高的价值。在实际操作中，我们通过导入 crewAI 的 Agent、Task 和 Crew 三个核心模块，选择适当的语言模型，如 GPT-3.5 Turbo，来搭建多智能体系统。 创建多智能体系统的第一步是设定智能体的角色、目标和背景故事，以确保其能够有效执行任务。在本案例中，我们创建了三个智能体：规划者、撰写者和编辑者。每个智能体都有明确的角色、目标和背景故事，以增强其角色扮演效果。 接下来，我们创建了任务，包括设定任务描述、预期输出和分配相应的智能体。通过创建 Crew 实例，将智能体与任务匹配在一起，并设定任务的执行顺序和详细模式，以便观察任务执行过程中的日志信息。 通过调用 crew.kickoff 方法并传入输入字典，我们启动了多智能体系统。系统中的各智能体根据设定的任务顺序，依次执行任务，并最终产出预期结果。 多智能体系统在实际应用中有广泛的场景，例如文档编写。通过思考不同领域的应用，我们可以更好地利用多智能体系统来提高工作效率和质量。

一起学多 AI 智能体系统（双语字幕）- 5. AI 智能体的 6 个关键要素

一起学多 AI 智能体系统（双语字幕）- 6. 实战：搭建一个多智能体客户支持系统 多智能体系统结合了agent、task和crew类，通过GPT-3.5 Turbo实现，主要关注智能体的角色、焦点、工具、防护栏和记忆等方面。在客户支持自动化的使用案例中，多智能体系统能够帮助提高服务质量。设计客户支持智能体时，设定其为高级客户支持代表，提供友好和乐于助人的服务，并在crewAI工作。为了确保回复质量，引入了质量保证智能体，其任务是检查支持智能体的回复，利用任务委派机制进行优化。 AI工程与常规工程存在差异，主要体现在AI应用中的输入、处理和输出具有模糊性，智能体根据实际情况做出反应，进行任务委派和问题处理。工具的集成与使用是系统的重要组成部分，crewAI工具包中包括Serper开发工具、网页抓取工具和网站搜索工具，这些工具在智能体任务执行中起到关键作用。 在任务模块的创建与执行方面，首先创建解决问题和质量保证评审的任务模块，并将其与智能体功能集成。此外，记忆功能的应用使得智能体能够记住和处理正在进行的任务，crewAI的记忆功能包括短期记忆、长期记忆和实体记忆。通过实例代码演示，展示了创建智能体和任务模块的具体过程，以及智能体协作解决客户问题的过程，体现了智能体的角色扮演、专注和合作的优势。

一起学多 AI 智能体系统（双语字幕）- 7. 智能体系统中让工具表现出色的关键因素 工具是你的 AI 以及所有的多智能体系统中的重要部分。这些工具可以让你的智能体与外部世界进行交流。它们可以使智能体不仅仅是自言自语，而是真正地执行行动。它们可以真正地影响你的流程、你的系统、你的用户，甚至你的公司。所以，这是使智能体展现出强大能力的重要一环。 那么，是什么让一个工具变得优秀呢？一个工具集与另一个工具集有什么不同呢？根据我们从众多使用 crewAI 的用户那里获得的反馈，至少有三个因素可以使一个工具与众不同。这三个因素是： 1. 工具的多功能性 2. 工具的容错性 3. 工具的缓存实现能力 工具的多功能性 一个工具要如何才能表现出多功能性呢？首先，工具需要能够处理不同类型的请求。该工具在 AI 和 App 之间建立了连接但 AI 应用程序的输入是模糊的，而外部 App 对输入格式是有严格要求的。因此，你的工具需要足够灵活以应对大语言模型可能产生的各种情况。crewAI 支持将各种参数转换成正确的类型并能处理来自你的 AI 智能体输出的各种细节。如果你是为自己打造这个工具，你需要确保无论大语言模型产生了什么，你都能合理地处理它，你需要将其转换为适当的类型以方便使用。因此，打造优秀工具的一个重要环节就是确保工具的多功能性，能处理各种类型的输入。 工具的容错性 第二个重要环节是容错性。许多早期使用 AI 智能体的人很快就意识到，当你的智能体向工具传递信息时，可能会出现故障导致异常。如果这些异常没有得到正确的处理，你的工作就会因为程序的中断而被迫停止，这并不是你想看到的。所以你需要确保你的工具能够优雅地处理失败，即使出现问题，它们也能自我修复。crewAI 默认就为你实现了这个功能。即使在运行工具时出现异常，它也不会中断程序执行，而是将错误信息反馈给智能体。因此，AI 智能体可以对其进行操作。可能问题出在输入。可能 AI 智能体应该发送一种不同类型的输入。也可能是 AI 智能体缺少了必需的参数，或者可能存在其他问题。但重要的是，你的工具应该具备自我修复能力，并且在出错时能够优雅地处理，而不是直接中断 AI 智能体的执行。 实际案例中的容错性 这是我们经常看到的情况。当你在大规模部署这些 AI 智能体时，尤其是在大型公司中，你将会有 AI 智能体处理各种文档以及各种信息来源。因此，你需要确保工具能够处理所有这些，甚至能处理一些未预期的情况。实际上，我们在一些大规模用户中就看到了这样的情况，他们正在分析大量的财务文件，有时数字可能并不容易阅读，或者文本并不容易解析。尽管如此，你还需要确保你的工具能够应对这些问题。 工具的缓存 好的，你有一个多功能的工具，你有一个具有容错能力的工具。这意味着你已经做好了大部分的工作。那么，缓存呢？缓存是让这些工具在现实世界中变得实用并物有所值的关键。无论你何时使用一个工具，大多数时候这个工具都是用来与网络进行通信的。因此，它将会调用各种 API。它将会调用各种服务。有时候，这会涉及到内部服务。有时候，可能会涉及到外部服务。每次进行调用时，你要确保在做请求时注意时间的花费，同时，除非必要，否则不要做请求。因此，有一个可以阻止不必要请求的缓存层是非常重要的。确保你正在构建的开发者团队是最优的。所以，你要确保你不仅有缓存，而且你的缓存是智能的。因此，在 crewAI 中，我们提供跨 AI 智能体的缓存。这意味着，如果一个 AI 智能体试图使用一个工具，并给出一组参数，另一个 AI 智能体试图使用同一个工具，并给出相同的参数，即使他们是不同的 AI 智能体，他们实际上都将使用缓存层。因此，当他们第二次试图使用一个工具时，他们不会进行那个 API 调用，这会产生很大的影响。这可以防止不必要的请求，防止触及速率限制，防止不必要的消耗，同时也节省了执行时间。确保你的开发者团队和你的多个 AI 系统运行得更快。因此，当你在构建需要大规模运行的开发者团队时，缓存尤为重要。 工具的例子 有哪些工具的例子呢？我们可以讨论的工具有很多。有一些简单的，比如搜索互联网或者抓取网站，这些都是我们实际使用过的工具。不过，工具的应用远不止这些。你还可以连接到数据库，调用 API，发送认证信息等等。所以你可以看到工具在任何场合都起着基础性的作用。这对于所有的框架来说都是一样的，包括 crewAI。在 crewAI 中，工具是很重要的一部分，因此 Crew 提供了许多现成的工具供你使用。因此，当你有空闲时间准备自己构建工具的时候，一定要查阅 crewAI 的相关文档，你会在那里找到所有已有工具的详细文档。另外，我要强调的是，crewAI 支持所有的 LangChain 工具。LangChain 也提供了很多现有的工具，你可以直接在使用 crewAI 的开发者团队时使用这些工具。 课程地址：

@crewAIInc @joaomdmoura llamaindex新推出的用代理的方式rag的课程貌似也值得翻译学习

@crewAIInc @joaomdmoura 你觉不觉得joaomdmoura很帅

@crewAIInc @joaomdmoura 这门课程听起来非常有趣，多智能体架构的应用前景广阔。谢谢分享课程信息！ #XPET

Stop wasting time following up with leads. Let our AI agents do it for you.