Demystifying Agentic AI Using Small Language Models [PyCon DE & PyData 2026]

摘要

介紹如何利用小語言模型（SLM）與 Iceberg 表格建立強大且可擴展的資料代理，無需 GPU 叢集。透過 xLAM-2 模型與 LangChain 框架，示範如何在本地環境低成本執行代理式 AI 工作流。

This talk demonstrates how to build scalable data agents using Small Language Models and Iceberg tables without a GPU farm.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• xLAM-2
• Llama.cpp
• LangChain

適合誰看

希望在不依賴大型語言模型的情況下，學習如何構建本地化資料代理的開發者。

摘要依據

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.53

新鮮

0.84

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Sleeper Agents in Large Language Models - Computerphile影片 ・ Computerphile ・ 14 分鐘
• 从 LLM 到 Agent Skill，一期视频带你打通底层逻辑！影片 ・ 马克的技术工作坊 ・ 33 分鐘
• Vol.95 AI智能体技术架构与开源框架深度解析：从OpenClaw到LangChain文章 ・ 莫尔索随笔
• Build a Local AI Agent in 10 Minutes using Python影片 ・ Tech With Tim ・ 8 分鐘
• 【生成式AI導論 2024】第9講：以大型語言模型打造的AI Agent (14:50 教你怎麼打造芙莉蓮一級魔法使考試中出現的泥人哥列姆)影片 ・ Hung-yi Lee ・ 25 分鐘
• Build Your Own Agentic Harness in Python - Full Tutorial影片 ・ Tech With Tim ・ 38 分鐘