github链接：
Introduction
本课程是一门实践性很强的课程，例子丰富，由浅入深举了几个非常具有实际价值的agent例子。
1 利用agent写文章
2 利用agent做客户支持
3 利用agent做客户扩展
4 利用agent做场地订阅
5 利用agent做股票分析
6 利用 agent做简历分析以及寻找工作
Overview
在本课程中将会实现下面4个Agents.
传统软件开发与AI软件开发比较
采用多个agent，可以更利于流程的清晰明确，更会加快流程速度，因为每个agent的任务划分都是很清晰的，可以直接在agent层级考虑该调用哪个，而假如只在一个Agent中，则会分析所有工具。
另外采用多个Agent还有好处，可以便于每个agent选取不同的LLM model，这样有利于相应的agent发挥出最大的准确效果。
Create agents to research and write an article (code)
Key elements of AI agents
Role playing
Focus
Tools
在单个agent中，只给定与agent相关的tools，不要把所有tool只塞给一个Agent。
Collaboration
多个agents之间可以互相协作。
Guardrails
需要保证Agent输出没有幻觉，以及保持整个流程的稳定高效。
Memory
对于Long term Memory, 这部分memory信息会被持久化，存到数据库中。
Multi agent customer support automation (code)
Key elements of agent tools
Versatile
Fault-tolerant
Caching
Tools for a customer outreach campaign(code)
see code
Key elements of well defined task
对于一个task，需要有有清晰的描述以及希望的输出：
Automate event planning (code)
see code
Multi Agent collaboration
在多个agent协作时有如下几种方式，首先第一种是序列性，执行完一个再执行其他的，第二个是树状，从一个任务出发，然后并行执行其他的，第三种是给定输入任务以及输出任务，中间的流程是可以并发进行的。
Next steps with AI agent systems
在这里为CrewAI打个广告，crewAI确实是个快速方便入门的好框架，可以快速搭自己的app,这一点比LangChain好多了。
