原文：Large Language Model-Based Agents for Software Engineering： A Survey

现在有一些多智能体的框架或者产品，挑选三类主流且有区分度的学习下（LangGraph、AutoGen、Coze）

1. LangGraph

一个使用 LLM 构建有状态、多角色应用程序的库，可用于创建 agent 或者 multi-agents 流程。

与 LangChain 的学习路径一样，LangGraph Docs：

• 快速入门：https://langchain-ai.github.io/langgraph/tutorials/
• 具体 Demo：https://langchain-ai.github.io/langgraph/how-tos/
• 基本概念：https://langchain-ai.github.io/langgraph/concepts/

书籍下载地址

主要是科普，很多知识点还是需要投入大量时间学习

Part1 背景与基础知识

1. 语言模型发展历程

• 统计语言模型（SLM）：基于统计学习方法研发，使用马尔可夫假设来建立语言序列的预测模型，通常是根据词序

  列中若干个连续的上下文单词来预测下一个词的出现概率，即根据一个固定长度的前缀来预测目标单词。

• 神经语言模型（NLM）：使用神经网络来建模文本序列的生成，如 RNN、word2vec

• 预训练语言模型（PLM）：BERT 、GPT-1、GPT-2

• 大语言模型（LLM）：通过规模扩展通常会带来下游任务的模型性能提升。GPT-3、GPT-4