智能体 AI 的何、如何和为何
原文：
towardsdatascience.com/the-what-how-and-why-of-agentic-ai/不要错过《变量》的最新一期，我们的每周通讯精选了编辑们的精选内容、深入分析、社区新闻等。
今天订阅
我们在近年来看到了同样的周期：一种新的 AI 技术以极大的喧嚣出现，产生了一系列的 buzzwords，然后让许多从业者挠头，不确定他们是否可以用它做任何有用的事情。
智能体 AI 在过去一年中也遵循了类似的路径。为了帮助你区分炒作和现实，我们收集了三篇出色的文章，这些文章处理了与这些 AI 系统一起工作的细节。
从多智能体工作流到智能体与知识图谱的交汇，你将带着对这一热门话题的更深入、更实际的理解离开这一期的《变量》。（如果你有自己的见解，请与我们分享！)
智能体 AI：单智能体系统与多智能体系统
智能体的数量和它们任务的复杂性如何影响智能体-AI 系统的构建和性能？Ida Silfverskiold 呈现了一个专注的教程，解构了构建一个科技新闻推送应用程序的过程。
智能体 AI：单智能体系统与多智能体系统
用于商业合同的 Agentic GraphRAG
Tomaz Bratanic 利用他在知识图谱方面的深厚专业知识，在新的深入研究中将智能体、RAG 以及处理法律合同的挑战结合起来。
用于商业合同的 Agentic GraphRAG
AI 智能体从零到英雄 — 第三部分
许多人都一直在关注 Mauro Di Pietro 关于智能体 AI 的流行系列；不要错过最新的部分，它展示了如何构建不同类型的多智能体系统。
从零开始构建 AI 智能体：多智能体系统
其他推荐阅读
如果你这周想探索更多主题，我们邀请你阅读这些关于职业转型挑战、图神经网络、生成建模等方面的优秀文章。
- 在一个坦诚而深刻的叙述中，Amy Ma描绘了从数据科学家角色转换到机器学习工程师的起伏。
一年后再次被雇佣的学习…第二部分
- 对 GNNs 感兴趣？不要错过Hennie de Harder的最新作品，她的一系列作品易于理解，这次聚焦于GraphSAGE 的力量。
图神经网络第三部分：GraphSAGE 如何处理变化的图结构
- 移动到理论导向的一端，我们很高兴分享由Soran Ghaderi提供的对哈密顿力学在生成模型和 MCMC 中应用的清晰探索，这是对生成模型和 MCMC 的清晰探索。
从物理学到概率：哈密顿力学在生成模型和 MCMC 中的应用
- 人工智能能否在解决进行政治民意调查的困难发挥作用？Stephanie Kirmer权衡了潜在的好处与一些合理的担忧。
人工智能在社会研究和民意调查中的应用
- 如果你想要进行一次技术深度探索，Umair Ali Khan发布了一篇关于开发基于视频学习的交互式 AI 应用的全面指南。
与视频对话
认识我们的新作者
探索我们最近添加的一些贡献者的顶级作品：
- 苏德希·辛格带着丰富的行业知识加入 TDS，并在他的处女作中专注于电路追踪，这是一种新颖的人工智能可解释性方法。
电路追踪：更接近理解大型语言模型的一步
- 阿恩·约翰·波莱斯塔德在他的新文章中深入探讨了他对研究兴趣的研究，该文章探讨了在房地产估值背景下的不确定性量化。
使用不确定性量化避免算法住宅估值中的高昂错误
- 杰里米·德巴蒂斯塔在数据治理和语义（以及其他领域）的交汇处工作；他的 TDS 首篇文章专注于 RDF 和 LPG 数据模型。
直言不讳：RDF 和 LPG——应该学会共同生活的表亲
为 TDS 贡献力量
我们热爱发布新作者的文章，所以如果你最近写了一个有趣的项目教程、教程或对我们核心主题的任何理论反思，为什么不与我们分享呢？