欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 汽车 > 时评 > 调研:如何实现智能分析助手(Agent)(AutoCoder、FastGPT、AutoGen、DataCopilot)

调研:如何实现智能分析助手(Agent)(AutoCoder、FastGPT、AutoGen、DataCopilot)

2025/3/17 4:51:41 来源:https://blog.csdn.net/frank110503/article/details/146060060  浏览:    关键词:调研:如何实现智能分析助手(Agent)(AutoCoder、FastGPT、AutoGen、DataCopilot)

文章目录

  • 调研:如何实现智能分析助手(Agent)(AutoCoder、FastGPT、AutoGen、DataCopilot)
    • 一、交互流程
    • 二、数据流程
    • 三、架构分类
    • 四、开源产品
      • 4.1 AutoCoder(知识库变体)
      • 4.2 FastGPT(知识库实现)
      • 4.3 AutoGen(多 Agent 交互)
      • 4.4 Data Copilot(任务规划)
    • 5 参考链接

调研:如何实现智能分析助手(Agent)(AutoCoder、FastGPT、AutoGen、DataCopilot)


一、交互流程

在这里插入图片描述


二、数据流程

在这里插入图片描述
企业聊天应用的后端通常遵循以下类似的流程[1]:

1.用户在自定义聊天用户界面(UI)中输入一个提示

2.该提示通过界面代码发送到后端

3.后端从提示中提取用户意图(问题或指令)

4.后端确定需要访问的数据存储(与用户提示相关)(可选)

5.后端查询相关的数据存储

6.后端将意图、相关基础数据和提示中提供的任何历史记录发送给大型语言模型(LLM)

7.后端将结果返回,以便可以在用户界面上显示


三、架构分类

在这里插入图片描述
上图的架构分类参考[2,3]:


四、开源产品

4.1 AutoCoder(知识库变体)

  • 利用LLM对元数据进行提取[13],后续将提取出的元数据作为业务知识拼接到prompts中使用

  • 适用场景:知识比较少的场景

4.2 FastGPT(知识库实现)

在这里插入图片描述

  • 上图是源码[14] insertData2DataSet方法的时序图

4.3 AutoGen(多 Agent 交互)

在这里插入图片描述
上图来源于[9],场景描述如下:

  • 多Agent交互:有两个Agent,其中User Proxy Agent代表人与Assistant Agent交互

  • 代码自动生成:生成在沙箱环境,代码互相隔离

4.4 Data Copilot(任务规划)

在这里插入图片描述
上图来源于[10],关注概念:

  • self-request:prompt_intent_detection[11]、prompt_task[12]

5 参考链接

[1] baseline-openai-e2e-chat

[2] chatbot-architecture

[3] how-do-chatbots-work

[4] AI+BI:结合大语言模型实现对话式的智能报表系统

[5] 从长期记忆的角度谈Agent

[6] Prompt调试及知识库使用调研

[7] NoCoding-BatchDataQualityConfig

[8] 十分钟用LangChain做一个源代码阅读助手

[9] Step By Step AutoGen by Microsoft

[10] Data-Copilot: 大语言模型做你最贴心省事的数据助手

[11] Data-Copilot: prompt_intent_detection

[12] Data-Copilot: prompt_task

[13] AutoCoder: 索引构建

[14] FastGPT:索引构建

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

热搜词