我们都从经验中学习，并将有用的知识延续下去。我们可以构建具备同样能力的 AI 代理 [音乐]，使它们能够学习和适应。我很高兴介绍《构建自适应 AI 代理》课程，该课程是与甲骨文公司合作开发，由纳乔 [音乐]·马丁内斯和卡希·斯里拉姆授课。如今的 AI 代理可以编写代码、使用工具，并在许多步骤中执行复杂任务，但它们会反复遇到相同的问题 [音乐]，因为它们不记得昨天学到了什么。
假设你的编程代理今天花了数分钟才弄清楚如何修复代码库中的环境问题。第二天，在一个全新的会话中，它可能会再次遇到相同的错误并重复整个过程。代理会消耗更多的令牌 [音乐] 和时间，并且之后可能会犯同样的错误。在本课程中，你将构建能够适应、学习并在运行过程中变得更好的代理。
谢谢安德鲁。在本课程中，你将构建两种主要的适应机制。首先，你将构建行为适应代理会将自身的轨迹 [音乐]——包括对话、工具调用、错误和修复措施转化为可重用的增强技能。在人类监督的批准下，这些增强 [音乐] 技能将在代理下次遇到相同任务时使用。
接着你将学习知识适应。你将构建一个代码知识库图谱，通过导入、函数调用、过往更改和仓库中的代码编辑将文件连接起来。代理不再仅依赖关键词搜索，而是 [音乐] 在代码本身的关系中进行导航，从而更高效地找到正确的上下文。每次进行新更改或创建新功能、文件时，图谱都会适应变化，为下一次检索做好准备。
如果你放入我和合作者共同开发的开源包 Context [音乐] Hub，就能解决一种类型的适应性问题，并让定义相互学习。自适应 AI 使代理能够从自己早期工作中学习，这是一项重要的技术 [音乐]。所以，我希望你喜欢这门课程。