44 lines
1.3 KiB
Markdown
44 lines
1.3 KiB
Markdown
## 🧩 模块说明：LLM 调用与多轮对话 Agent
|
||
|
||
|
||
📌 **核心知识点**：
|
||
LLM 调用｜Prompt 编写与设计｜多轮对话记忆｜独立搭建智能体
|
||
|
||
---
|
||
|
||
### 1. `s01_basic_llm_invocation`（LLM 模型调用）
|
||
使用 DeepSeek 官方推荐的调用方式，
|
||
这是后续所有 API 调用的通用结构，可直接复用。
|
||
|
||
✅ 掌握点：
|
||
- 如何初始化 LLM 实例
|
||
- 标准的 API 调用格式
|
||
- 快速切换模型和参数
|
||
|
||
---
|
||
|
||
### 2. `s02_conversational_agent`（多轮问答 Agent）
|
||
整合了 LLM + Prompt + Memory，实现有记忆的对话。
|
||
|
||
🔧 使用提示：
|
||
想换 AI 人设或初始提问？
|
||
👉 直接修改 `messages` 中的 `content` 即可。
|
||
|
||
✅ 掌握点：
|
||
- 多轮对话如何保持上下文
|
||
- Prompt 结构设计
|
||
- 记忆模块（Memory）的基本用法
|
||
|
||
---
|
||
|
||
### 3. `s03_llm_temperature`（温度参数对输出的影响）
|
||
演示不同 temperature 参数对 LLM 输出多样性和创造性的影响。
|
||
|
||
🔧 使用提示：
|
||
想测试不同温度参数的效果？
|
||
👉 直接修改代码中的 `temperature` 值即可（范围通常为 0-2）。
|
||
|
||
✅ 掌握点：
|
||
- temperature 参数的作用和影响
|
||
- 如何根据场景选择合适的温度值
|
||
- 低温度（稳定）与高温度（随机）输出的对比 |