ทำความเข้าใจเอเจนต์ปัญญาประดิษฐ์และ LLM
สำรวจว่าเอเจนต์ปัญญาประดิษฐ์คืออะไร แตกต่างจากซอฟต์แวร์แบบดั้งเดิมอย่างไร และโมเดลภาษาขนาดใหญ่มีบทบาทอย่างไรในการทำงานของเอเจนต์
ทำความเข้าใจเอเจนต์ปัญญาประดิษฐ์และ LLM เป็นบทเรียน AI Agents with LangChain & Autonomous Workflows ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Agents with LangChain & Autonomous Workflows และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Agents with LangChain & Autonomous Workflows มีบทเรียนทั้งหมด 4 บทเรียน
บางส่วนของบทเรียนนี้ยังไม่ได้รับการแปล และแสดงเป็นภาษาอังกฤษ
Welcome to AI Agents!
Welcome! You're about to meet AI agents — how they differ from ordinary software, and the LLMs that power their reasoning.
What Exactly is an AI Agent?
An AI agent is a smart assistant that perceives, reasons, acts, and learns toward a goal. Unlike a rigid script, it adapts as the situation changes.
Agents vs. Traditional Software
A calculator follows fixed rules: input, rule, output. An AI agent asked to find the best flight to Paris will search, compare, and decide along the way.
The Powerhouse: Large Language Models (LLMs)
At the core of most agents sits a Large Language Model (LLM) — trained on huge text corpora to understand language and generate it: answering, summarizing, translating, creating.
How LLMs 'Think' (Simply)
An LLM is a super-smart predictor: given a prompt, it picks the most probable next word, then the next, guided by patterns from billions of training examples.
def simple_llm_response(prompt):
if "hello" in prompt.lower():
return "Hello! How can I assist you?"
elif "weather" in prompt.lower():
return "I can't check the weather, but I can chat about other things!"
else:
return "That's an interesting thought!"
if __name__ == "__main__":
print(simple_llm_response("Say hello to me."))
print(simple_llm_response("What's the weather like?"))LLMs as the Agent's Brain
Inside an agent, the LLM is the reasoning engine. It interprets the goal, breaks tasks into steps, picks which tools to use, and shapes the response.
Key Agent Capabilities with LLMs
Pairing LLMs with other parts unlocks real power: remembering context, planning dynamically, calling external tools, and solving open-ended problems.
Real-World Agent Examples
You'll find agents in customer support (search a knowledge base, file a ticket), personal assistants (book, manage email), and data analysis (query, code, explain).
Agent vs. Chatbot: A Quick Distinction
All agents can chat, but not all chatbots are agents. An agent adds autonomy — it reasons about a goal and takes real actions, not just scripted replies.
Quick Check: Agent or Not?
Based on what we've learned, which of the following best describes a key characteristic that distinguishes an AI agent from a traditional software program?
Recap: Agents & LLMs
Recap: AI agents perceive, reason, and act, adapting where rule-based software can't. The LLM is the brain that lets them understand, plan, and decide. Up next: LangChain.
เรียนรู้ AI Agents with LangChain & Autonomous Workflows ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 12
- บทเรียน
- 50
คำถามที่พบบ่อย
บทเรียน “ทำความเข้าใจเอเจนต์ปัญญาประดิษฐ์และ LLM” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ทำความเข้าใจเอเจนต์ปัญญาประดิษฐ์และ LLM” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Agents with LangChain & Autonomous Workflows ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Agents with LangChain & Autonomous Workflows มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ทำความเข้าใจเอเจนต์ปัญญาประดิษฐ์และ LLM”
สำรวจว่าเอเจนต์ปัญญาประดิษฐ์คืออะไร แตกต่างจากซอฟต์แวร์แบบดั้งเดิมอย่างไร และโมเดลภาษาขนาดใหญ่มีบทบาทอย่างไรในการทำงานของเอเจนต์ คุณปฏิบัติ AI Agents with LangChain & Autonomous Workflows ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน AI Agents with LangChain & Autonomous Workflows หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน AI Agents with LangChain & Autonomous Workflows บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน
บทเรียน “ทำความเข้าใจเอเจนต์ปัญญาประดิษฐ์และ LLM” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน AI Agents with LangChain & Autonomous Workflows นี้ได้ไหม
ได้ บทเรียน AI Agents with LangChain & Autonomous Workflows ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ทำความเข้าใจเอเจนต์ปัญญาประดิษฐ์และ LLM
- อธิบายองค์ประกอบหลักของ LangChain
- การสร้างเอเจนต์อย่างง่ายตัวแรก
- เพิ่มความจำและสถานะการสนทนาให้เอเจนต์