smolagents 简介

欢迎来到本模块，在这里你将学习如何使用 smolagents 库构建有效的智能体，该库提供了一个轻量级框架，用于创建功能强大的 AI 智能体。

smolagents 是 Hugging Face 的一个库；因此，我们非常感谢您通过加星标的方式支持 smolagents 仓库。

模块概览

本模块提供了使用 smolagents 构建智能体的关键概念和实用策略的全面概述。

面对众多可用的开源框架，了解使 smolagents 成为有用选择的组件和功能，或确定何时另一种解决方案可能更合适，这一点至关重要。

我们将探索关键的智能体类型，包括为软件开发任务设计的代码智能体（code agents），用于创建模块化、函数驱动工作流的工具调用智能体（tool calling agents），以及访问和综合信息的检索智能体（retrieval agents）。

此外，我们还将讨论多个智能体的编排，以及视觉能力和网络浏览的集成，这为动态和上下文感知应用开辟了新的可能性。

在本单元中，第一单元的智能体阿尔弗雷德（Alfred）回归了。这次，他使用 smolagents 框架进行内部运作。我们将一起探索这个框架背后的关键概念，同时阿尔弗雷德将处理各种任务。阿尔弗雷德正在韦恩庄园（Wayne Manor）组织一场派对，趁韦恩家族外出时，他有很多事情要做。跟随我们一起展示他的旅程，看他如何使用 smolagents 处理这些任务！

提示：在本单元中，您将学习使用 smolagents 库构建 AI 智能体。您的智能体将能够搜索数据、执行代码并与网页交互。您还将学习如何结合多个智能体来创建更强大的系统。

内容

在这个关于 smolagents 的单元中，我们涵盖：

1. 为什么使用 smolagents

smolagents 是众多可用于应用程序开发的开源智能体框架之一。其他选择包括 LlamaIndex 和 LangGraph，这些在本课程的其他模块中也有涵盖。smolagents 提供了几个关键特性，可能使其非常适合特定用例，但在选择框架时，我们应该始终考虑所有选项。我们将探讨使用 smolagents 的优势和缺点，帮助您根据项目需求做出明智的决定。

2. 代码智能体

CodeAgents（代码智能体）是 smolagents 中的主要智能体类型。这些智能体不是生成 JSON 或文本，而是生成 Python 代码来执行操作。本模块探讨它们的目的、功能以及工作原理，并提供实际例子来展示它们的能力。

3. 工具调用智能体

ToolCallingAgents（工具调用智能体）是 smolagents 支持的第二种智能体类型。与生成 Python 代码的 CodeAgents 不同，这些智能体依赖于系统必须解析和解释以执行操作的 JSON/文本块。本模块涵盖它们的功能、与 CodeAgents 的主要区别，并提供示例说明其用法。

4. 工具

正如我们在第 1 单元中看到的，工具是大语言模型（LLM）可以在智能体系统中使用的函数，它们作为智能体行为的基本构建块。本模块涵盖如何创建工具、它们的结构，以及使用 Tool 类或 @tool 装饰器的不同实现方法。您还将了解默认工具箱、如何与社区共享工具，以及如何加载社区贡献的工具以在您的智能体中使用。

5. 检索智能体

检索智能体（Retrieval agents）使模型能够访问知识库，从而可以从多个来源搜索、综合和检索信息。它们利用向量存储（vector stores）进行高效检索，并实现检索增强生成（Retrieval-Augmented Generation，RAG）模式。这些智能体特别适用于将网络搜索与自定义知识库集成，同时通过记忆系统维持对话上下文。本模块探讨实施策略，包括用于稳健信息检索的回退机制。

6. 多智能体系统

有效地编排多个智能体对于构建强大的多智能体系统至关重要。通过组合具有不同能力的智能体（例如，将网络搜索智能体与代码执行智能体结合），您可以创建更复杂的解决方案。本模块专注于设计、实施和管理多智能体系统，以最大限度地提高效率和可靠性。

7. 视觉和浏览器智能体

视觉智能体（Vision agents）通过整合视觉-语言模型（Vision-Language Models，VLMs）扩展了传统智能体的能力，使其能够处理和解释视觉信息。本模块探讨如何设计和集成由 VLM 驱动的智能体，从而解锁诸如基于图像的推理、视觉数据分析和多模态交互等高级功能。我们还将使用视觉智能体构建一个浏览器智能体，能够浏览网络并从中提取信息。

小结

smolagents 是 Hugging Face 出品的轻量级智能体框架，适合快速构建功能强大的智能体。
主要智能体类型：代码智能体（生成 Python 代码）、工具调用智能体（生成 JSON/文本块）、检索智能体（RAG）。
本单元通过 Alfred 筹备派对的场景串联各模块，覆盖搜索、代码执行与网页交互等能力。
还涵盖多智能体编排，以及视觉-语言模型与浏览器智能体的集成。
选择框架时应综合评估 smolagents、LlamaIndex、LangGraph 等方案的优劣。