只需几行代码，Lagent带你轻松构建AI智能体，玩转大型语言模型！

Lagent是一个开源轻量级框架用于构建基于大型语言模型的智能代理。它支持多种代理类型和大型语言模型具有高效的推理引擎和极简易扩展性。通过Lagent用户可以轻松实现与聊天、回答问题及执行复杂编程任务的智能助手。框架提供多种工具增强LLM设计简单易用适合开发者、研究人员及对AI感兴趣的普通人。Lagent使用简单只需定义agent、action和llm三个部分即可实现强大功能为AI应用提供坚实基础。欢迎了解 Lagent 这个框架让你能够轻松地建立自己的大型语言模型agent。无论你是寻找一个能够与你聊天、回答问题还是需要执行一些复杂编程任务的助手Lagent 都能满足你的需求。而最棒的是你只需写几行代码就可以实现这一切无论你是一位开发者、研究人员还是只是对人工智能和自然语言处理感兴趣的普通人Lagent 都将为你打开一扇通向未知的大门。它的功能和灵活性使其适用于各种应用领域让你可以自由发挥创造力所以如果你渴望探索这个令人兴奋的世界不妨让我们一起踏上 Lagent 的奇妙之旅吧什么是Lagent?Lagent 是一个开源的轻量级框架专门用于构建基于大型语言模型的agent,下面就是Lagent的框架图。它不仅提供了一些典型的工具来增强 LLM还非常简单易用。如果你对编程并不是很熟悉也不用担心因为 Lagent 的设计就是为了让每个人都能轻松上手。Lagent有什么特点高效的推理引擎Lagent 支持 [lmdeploy turbomind]一个高效的推理引擎让你的代理运行得更快、更流畅。多种代理支持无论是 [ReAct]、[AutoGPT] 还是 [ReWOO]Lagent 都能支持让你的代理变得更加多才多艺。极简易扩展只需大约 20 行代码你就可以打造自己的代理。Lagent 还支持 Python 解释器、API 调用和谷歌搜索等工具让你的代理更加全能。支持多种 LLM从 GPT-3.5/4 到 LLaMA 2 和 InternLMLagent 支持各种大型语言模型让你的选择更加多样。如何开始使用Lagent我使用的是在windows系统下的PyCharm IDE,并在 python 3.9 环境下进行构建在 Lagent 的 [GitHub] 仓库中你还可以找到详细的说明和示例帮助你快速上手。具体步骤如下首先通过pip安装lagentpip install lagent如果你想修改这部分的代码也可以通过以下命令从源码编译 Lagentgit clone https://github.com/InternLM/lagent.git cd lagent pip install -e .运行一个 ReAct 智能体的网页样例这里需要注意的是由于在该示例中需要使用到Google Search服务所以需要获取一个SERPER API KEY通过 [Serper - The World’s Fastest and Cheapest Google Search API]然后将key配置到环境变量当中去$env:SERPER_API_KEY xxxxxxxxxxx(此处为你获得的api key)然后可以运行样例#可能先需要安装 streamlit 包#pip install streamlit streamlit run examples/react_web_demo.py运行成功后就可以看到如下界面啦在这个界面你可以进行模型选择插件选择文件上传等功能之后可以在界面的输入框进行对话由于我们使用的是ReAct示例这里体现了它多步骤推理的特点每个步骤都会显示它使用的插件思考步骤和执行内容。在Lagent的Github仓库的example文件夹下还给出了其他的示例如ReWoo,AutoGPT,感兴趣的小伙伴在构建完成后也可以进行尝试。如何使用Lagent的使用十分简单主要是定义三个部分的内容agentaction和llmReAct的例子非常清晰的展示了整个流程。# 导入所需的模块和类from lagent.actions.action_executor import ActionExecutor # 用于执行操作的类from lagent.actions.python_interpreter import PythonInterpreter # 用于执行Python代码的类from lagent.agents.react import ReAct # 代理(agent)类用于处理用户输入并生成回应from lagent.llms.openai import GPTAPI # 用于与GPT-3.5-turbo模型进行交互的类# 定义一个函数用于获取用户输入直到用户连续两次按下回车键definput_prompt(): print(\ndouble enter to end input , end) sentinel # 当看到这个字符串时结束输入return\n.join(iter(input, sentinel)) # 主程序defmain(): # 设置 OPEN_API_KEY 在环境变量中或者直接通过 key 参数传递 model GPTAPI(model_typegpt-3.5-turbo) # 创建一个GPTAPI对象指定模型类型为 gpt-3.5-turbo chatbot ReAct( llmmodel, action_executorActionExecutor(actions[PythonInterpreter()]), # 创建一个ReAct代理对象使用GPTAPI模型和一个执行操作的ActionExecutor对象 ) whileTrue: try: prompt input_prompt() # 获取用户输入except UnicodeDecodeError: print(UnicodeDecodeError) continueif prompt exit: # 如果用户输入 exit则退出程序 exit(0) agent_return chatbot.chat(prompt) # 让chatbot处理用户输入并生成回应print(agent_return.response) # 打印chatbot生成的回应if __name__ __main__: main() # 如果脚本作为主程序运行则执行main()函数agent定义要使用的代理从给出的源码来看我们有ReWoo,AutoGPT和ReAct可以选择action定义可以执行的操作需要通过定义所选agent里的ActionExecutor参数来实现从给出的源码来看具体可选择的action有InvalidAction,NoAction,FinishAction,GoogleSearch,LLMQA,PythonInterpreter。ActionExecutor中的actions参数是一个列表所以可以选择多个action添加llm可以定义所选的大模型同样需要通过定义所选agent里的llm参数实现从给出的源码来看具体可选的有HFTransformer,HFTransformerCasualLM,GPTAPI,TritonClient,TurboMind在agent定义完毕后通过模型的chat方法输入定义好的prompt即可完成整个流程。总结Lagent 是一个功能强大且使用简单的框架非常适合任何对AI和大模型感兴趣的人。它的多功能性和易用性使其成为开发者和研究人员的理想选择。对于那些想深入了解和运用的小伙伴而言他们可以根据开源发布的代码进行二次开发从而实现更加强大的功能。这个框架为各种AI应用提供了坚实的基础让人们能够轻松地探索和发展新的领域。我非常期待Lagent可以在各类应用中大放异彩。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】