概述

Qwen-Agent[1]是一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。本项目也提供了浏览器助手、代码解释器、自定义助手等示例应用。

功能对接

标准对接

对于各个开放平台的线上对接模型，其实没什么好说的，因为都是第一标准。其次就是看兼容OpenAI接口协议的API服务的完善程度。

一个合格的开源框架对接OpenAI接口协议的API服务是基本的功能，可惜这项功能一定会落后于各个开放平台的线上对接功能。因为优先级和侧重点完全是不一样的。

基本功能

对于基本功能的对接，参考 agent[2] 文档即可。在多agent协作、上下文衔接等基本功能。

Tools & RAG

tool[3]一文阐述的比较清楚，而且示例也算不错。比较的能解决一些外部工具调用的问题。

对于RAG的支持，则是在 RAG Example[4] 中讲述的蛮清楚，提供了doc_qa[5]多种案例的示例。

Qwen-Agent支持超长上下文的RAG回答，类似智谱的longwrite-glm4的能力，当然在上下文长度、实现等方面可能会有差别，但最终的效果是差不多的。

与传统的RAG不一样，QWen-Agent的对RAG的实现不是传统的向量数据库+向量分词+向量检索等等组件组合使用；而是直接使用LLM的能力，尤其是QWen LLM。

ReAct & Nest

嵌套查询，QWen-Agent支持嵌套开发和非嵌套开发；通过使用_call_llm(...)和_call_tool(...)函数组合来调用LLM和Tool的例子，可以参考ReActChat[6]和Assistant[7]的实现。

GroupChat

GroupChat[8] 类。这个类管理一个Agent列表，并自动维护Agent的发言顺序。这个类的特点是：

• 接收外部输入后，自动协调内置Agent的发言顺序，并依次将发言内容返回给用户；

• Human-in-the-loop: 将用户也定义为一个Agent，群聊会在必要时要求用户给予反馈；

• 用户可以随时打断群聊；

在examples[9]目录中提供了一个创造群聊和体验群聊的Gradio Demo[10]，可以进一步体验群聊功能。利用GroupChat开发可以参考五子棋[11]用例。

小结

大概的过了一遍源码与功能点，还是比较完善的，而且其中的功能点封装的不错，自定义程度很高，当然其功能主要还是prompt在发挥作用。鉴于QWen体系的完善性，还是蛮推荐基于QWen-Agent开发，毕竟各方面很齐全了。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

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
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

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】