下载掌阅APP，畅读海量书库
立即打开
本章从大语言模型的概念出发，介绍了其作为GUI智能体基础的重要性以及模型的训练过程，包括预训练、微调和后训练三个阶段。本章强调了视觉与文本融合技术在GUI智能体中的关键作用，让模型能够理解和操作图形用户界面。
另外，本章深入探讨了通用智能体的核心组成部分：推理分析、记忆存储和工具调用。在推理分析方面，本章讨论了思维链、ReAct和双角色推理等机制，它们赋予了智能体更强大的问题解决能力。在记忆存储方面，区分了短期记忆和长期记忆，并介绍了实现长期记忆的常见方法，如向量数据库和知识图谱。工具调用能力则使智能体能够与外部环境进行交互，完成更复杂的任务。
总而言之，本章旨在为读者提供关于大语言模型和通用智能体的全面概述，从底层技术到核心能力，再到与其他智能体的关系，为后续章节关于GUI智能体的深入探讨奠定基础。