Agents 2.0：自我进化的语言智能体
Agents 2.0是一个开创性的项目，它为训练语言智能体提供了一个系统性的框架。这个项目的核心理念是将语言智能体与神经网络进行类比，从而实现了一种名为"符号学习"的新型学习方法。
项目概览
Agents 2.0的设计灵感来源于训练神经网络的连接主义学习过程。项目团队巧妙地将语言智能体的执行流程比作神经网络的计算图，将流程中的节点比作神经网络的层，而节点中的提示词和工具则对应着神经网络层中的权重。通过这种类比，研究者们成功地将连接主义学习的核键组件——反向传播和基于梯度的权重更新——应用到了语言智能体的训练中。
工作原理
Agents 2.0的工作流程包含以下几个关键步骤：
- 前向传递：智能体执行任务，并记录每个节点的输入、输出、提示词和工具使用情况。
- 损失计算：使用基于提示的损失函数评估执行结果，得到"语言损失"。
- 反向传播：将语言损失从最后一个节点传播到第一个节点，生成每个节点内符号组件的文本分析和反思，这被称为"语言梯度"。
- 更新优化：根据语言梯度，使用精心设计的提示更新每个节点中的所有符号组件，以及由节点及其连接组成的计算图。
这种方法不仅适用于单个智能体，还可以优化多智能体系统，方法是将节点视为不同的智能体，或允许多个智能体在一个节点中采取行动。
项目特点
- 创新性：Agents 2.0首次将符号学习应用于语言智能体训练，开创了一种全新的方法。
- 灵活性：该框架支持单智能体和多智能体系统的优化。
- 自我进化：通过符号学习，智能体能够不断改进自身性能。
- 开源：项目在GitHub上开源 ，欢迎社区贡献。
安装使用
用户可以通过pip直接从GitHub安装Agents 2.0：
pip install git+https://github.com/aiwaves-cn/agents@master
对于希望进行本地开发的用户，可以克隆仓库并安装：
git clone -b master https://github.com/aiwaves-cn/agents
cd agents
pip install -e .
项目影响
Agents 2.0的出现为语言智能体的训练和优化提供了一种全新的范式。它不仅推动了人工智能研究的前沿，还为开发更加智能、适应性更强的语言模型和智能体系统提供了可能。随着项目的不断发展和完善，我们可以期待看到更多基于此框架的创新应用和研究成果。
编辑推荐精选
AEE
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。
UI-TARS-desktop
基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。
Wan2.1
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。
爱图表
全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表
爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。
Qwen2.5-VL
一款强大的视觉语言模型，支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。
HunyuanVideo
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。
WebUI for Browser Use
一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操 作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。
xiaozhi-esp32
基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。
olmocr
一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。
olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。
飞书多维表格
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号