这两年，随着人工智能（AI）和计算能力的发展，AI应用的落地速度大大加快。以ChatGPT为代表的AI应用迅速火遍全球，成为打工人的常用工具。紧接着，多模态、AI Agent等各种高大尚的名词也逐渐进入大众视野，吸引了大量关注。那么，到底什么是AI Agent？下文半支烟将带你详细了解这个概念。

1. 一句话总结：什么是AI Agent

AI Agent，经常被翻译为：智能体或代理。

一句话总结，AI Agent就是一个有着
聪明大脑
而且能够
感知外部环境
并
采取行动
的
智能系统
。

我们可以把它想象成一个能思考和行动的人，而大型语言模型（LLM）就是这个人的“大脑”。通过这个大脑，再加上一些能够感知外部世界和执行任务的部件，AI Agent就变成了一个有“智慧”的机器人。

要让AI Agent充分利用它的“大脑”和各种组件，需要一种协调机制。ReAct机制就是常用的协调机制。通过ReAct机制，AI Agent能够结合外部环境和行动组件，完成复杂的任务。

为什么我们需要AI Agent呢？其实说到底是因为
单一的模型对我们来说作用不大
，我们需要的是一个具备智能的复杂系统。只有复杂系统才能真正的应到到实际生产工作中。

2. 从单一模型到复合AI系统

要理解AI Agent，我们先看看AI领域的一些变化。

以前的AI系统通常是单一模型，受训练数据的限制，只能解决有限的任务或者固定领域的任务，难以适应新的情况。

而现在，我们有了LLM通用大模型，训练的数据更多，能完成更多领域的任务，比如内容生成、文生图、文生视频等等。同时还可以把大模型和各种外部组件结合起来，构建复合AI系统，这样就能解决更复杂的问题。

举个例子，如果直接让单一模型帮我制定一个去三亚的旅游计划，它无法做到。如果让LLM大模型帮我制定一个去三亚的旅游计划，它可以制定一个鸡肋的计划，几乎不可用，因为它不知道我的个人信息、也不知道航班信息，也不知道天气情况。

但如果我们设计一个复杂AI系统，让系统里的LLM大模型能够通过工具能访问我的个人信息，访问互联网上的天气情况，访问航班信息，再结合航班系统的开放接口，就可以自动帮我预定机票，自动制定行程规划了。

这就是复合AI系统的魅力，它能够结合
工具、记忆、其余各种组件
来解决复杂问题。

3. 复合AI系统的模块化

复合AI系统是模块化的，就像拼积木一样。你可以选择不同的模型和组件，然后把它们组合在一起，解决不同的问题。

比如，你可以用一个模型来生成文本，用另一个模型来处理图像，还可以用一些编写的程序代码，一起构建出复杂AI系统。

4. AI Agent的推理与行动能力

AI Agent的核心是让LLM大模型
掌控
复杂AI系统的逻辑，说白了就是让LLM主导AI Agent的思维过程。我们向LLM输入复杂问题，它可以将复杂问题分解并一步步的制定解决方案。

这与设计一个程序系统不同，在AI系统里，LLM大模型会一步一步的思考、制定一步一步的计划，然后一个一个的去解决。并不是按照某个指定程序去执行的。

AI Agent的组件包括：大模型的推理能力、行动能力 和 记忆能力。

  • 大模型的推理能力是 解决问题的核心。
  • 行动能力通过工具（外部程序）实现，模型可以定义何时调用它们以及如何调用它们。工具可以是搜索引擎、计算器、操作数据库等。
  • 记忆能力使大模型能够存储内部日志和对话历史，从而使体验更加个性化。记忆可以帮助大模型在解决复杂问题时保持上下文连贯。

5. 总结

我们正处于AI Agent发展的早期阶段。未来，我们将看到更多的系统利用AI Agent进行"
AI+
"的转型。

总结来说，AI Agent通过整合LLM的推理能力和外部工具的行动能力，能够在复杂环境中自主解决问题。ReAct机制很好的实现了AI Agent的理念。

希望这篇博客对你有帮助！如果你有问题或想法，欢迎在评论区留言，一起探讨！

如果想了解具体的代码实践，可以翻阅我的这篇文章《
基于ReAct机制的AI Agent
》。

=====>>>>>>
关于我
<<<<<<=====

本篇完结！欢迎点赞 关注 收藏！！！

原文链接：
https://mp.weixin.qq.com/s/E3odBUtAGY9bzGIxOFt1HA

标签: none

添加新评论