从规划到研究:多智能体如何完成复杂任务

397
0
2025-09-25 07:05:00
6
2
14
5
本视频介绍了如何利用多智能体架构来实现深度研究任务。通过一个完整的示例,演示了规划智能体与研究智能体的协作过程:规划智能体首先收集用户反馈、明确任务范围,并将任务交接给研究智能体;研究智能体则调用搜索、阅读、视觉等工具完成研究,最终生成解决方案。视频还展示了如何在 LandGraph 和 Swarm 系统中实现这一流程,并通过 notebook 实例演示了任务移交、文档获取与研究执行的全过程。核心观点是:深度研究是多智能体的理想应用场景,因为规划与研究的分工能高效结合,提升任务执行质量与灵活性。
AI前沿技术、开发、应用、见闻 邮箱:forestqqqq@163.com
1.1万播放
简介
从RAG到Agent:AI应用开发的进阶指南
22:17
LanGraph 断点与检查点:让 AI 智能体更可控
05:24
LangChain实战:如何在流程中收集用户反馈
05:57
LangGraph进阶:如何手动编辑图状态
04:29
用 LangGraph 和 Olama 打造你的本地Agent
12:41
多智能体应用里,为什么需要子图?
08:42
LangGraph核心概念:Map-Reduce超简单讲解
09:05
LangChain智能体:一键生成SQL+图表
14:26
LangChain新功能:让AI和你建立长期关系
09:35
手把手教你用 LangChain 搭建记忆服务
24:07
AI 帮你从语音生成 Markdown 博客!
18:36
AI智能体的数据处理魔法:一键转化研究成果
10:48
推理大模型时代来临!全面解读 DeepSeek R1
14:21
从零构建 AI Agents 与 Workflows|LangChain 实战教学
31:50
如何用 LangGraph Supervisor 搭建多智能体系统
11:55
多智能体蜂群架构详解:航班与酒店助手协作演示
10:05
谷歌 Gemma 3 发布:参数小,表现强!
06:09
用 LangGraph 搭建开源多智能体系统的两种方式
13:14
LangChain 深度解析:MCP 与智能体的完美结合
12:22
大语言模型上下文增强的新方法:lm.txt+MCP
10:50
LangGraph平台架构与记忆系统全解析
15:16
LangGraph Studio:智能体可视化调试全攻略
07:05
智能体如何轻松管理上百工具?一招搞定!
10:01
TrustCall:大语言模型结构化输出的秘密武器
09:22
从规划到研究:多智能体如何完成复杂任务
06:12
多智能体蜂群揭秘:航班助手如何交接酒店任务
11:29
用Gemini 2.5构建智能研究工具,一键生成播客与报告
14:04
从提示词到记忆:上下文工程的演进
22:06
RAG、剪枝与卸载:AI 长上下文的终极解决方案
23:20
客服
顶部
赛事库 课堂 2021拜年纪