1、什么是大模型 Agent ？ 

大模型 Agent，作為一種人工智能體，是具備環(huán)境感知能力、自主理解、決策制定及執(zhí)行行動能力的智能實體。簡而言之，它是構(gòu)建于大模型之上的計算機程序，能夠模擬獨立思考過程，靈活調(diào)用各類工具，逐步達成預設目標的智能存在。

Agent 是 AI 大模型應用的主要新形態(tài)，在技術(shù)架構(gòu)范式也發(fā)生了很大的變化，從面向過程的架構(gòu)變成了面向目標架構(gòu)。

2、Agent 架構(gòu)設計剖析 

大模型雖作為智能體的核心“大腦”，負責思維與決策，但僅憑此并不足以勝任復雜任務的執(zhí)行。為了全面實現(xiàn)智能體的功能，還需融入類似“神經(jīng)感官系統(tǒng)”以感知環(huán)境，以及“肢體”以執(zhí)行實際動作的元素。這正是構(gòu)建 Agent 技術(shù)架構(gòu)的初衷，旨在通過這一框架，將感知、思考與行動三者緊密結(jié)合，共同作用于復雜任務的完成。

如上圖所示，Agent 共由4個關(guān)鍵部分組成：規(guī)劃（Planning）、記憶（Memory）、工具（Tools）、行動（Action），下面詳細剖析。

1、規(guī)劃（Planning）

"規(guī)劃"是智能體的思維模型。類比人類，面對任務，我們先構(gòu)思解決方案，拆解為子任務，評估工具，執(zhí)行中反思調(diào)整，并考量終止時機。通過大模型提示工程，比如：ReAct、CoT 推理模式，可賦予智能體類似思維模式，精準拆解復雜任務，分步解決。

2、記憶（Memory）

記憶，即信息存儲與回憶。智能體模擬人類，設短期記憶存會話上下文，助多輪對話，任務畢則清；長期記憶存用戶特征、業(yè)務數(shù)據(jù)，向量數(shù)據(jù)庫速存速查。

3、工具（Tools）

智能體依據(jù)“工具”感知環(huán)境、執(zhí)行決策。工具比如：神經(jīng)感官，助其獲取信息、執(zhí)行任務。配備多樣工具并賦權(quán)，比如：API 調(diào)用業(yè)務信息，插件擴展大模型能力，比如：ChatPDF 解析文檔、Midjourey 文生圖。

4、行動（Action）

智能體依規(guī)劃與記憶，執(zhí)行具體行動，包括與外部互動或工具調(diào)用，實現(xiàn)輸入至輸出的轉(zhuǎn)化。比如：智能客服回復、查詢天氣預報、AI 機器人抓起物體等等。

2、大模型 Agent 案例 

案例一：Agent 預定餐廳

為了更好地理解 大模型 Agent，我們一起來看個生活中的實際場景：假設你需要與朋友在附近吃飯，需要 Agent 幫你預訂餐廳。

Agent 會先對您提出的任務進行規(guī)劃如下：

第一步：獲取當前位置

• 推理 1：當前知識不足以回答這個問題，需要知道當前所在位置以及附近的餐廳；
• 行動 1：使用地圖工具（Tools）獲取當前所在位置；
• 結(jié)果 1：得出附近餐廳列表。

第二步：確定匹配餐廳

• 推理 2：確定預訂的餐廳，需要知道飲食偏好以及其他細節(jié)（比如：吃飯時間、人數(shù)）；
• 行動 2：從記憶（Memory）中獲取您的飲食偏好、人數(shù)、時間等信息；
• 結(jié)果 2：確定最匹配的餐廳。

第三步：預訂餐廳

• 推理 3：基于結(jié)果2，評估當前所擁有的工具能否完成餐廳預訂；
• 行動 3：使用相關(guān)插件工具，進行餐廳預訂（Aciton）；
• 結(jié)果 3：任務完成。

案例二：完成工作報表 Agent

構(gòu)建【工作報告智能體】整體步驟如下：

第一步：規(guī)劃（Planning）：設計 Prompt 引導大模型拆解“生成工作報告”任務，細化為四步：數(shù)據(jù)收集、報告整理、匯報人選定、自動提交。

第二步：工具（Tools）：針對大模型知識局限，采用 RAG 技術(shù)接入私有數(shù)據(jù)中心 API，獲取客戶數(shù)據(jù)；同時接入工作報告應用 API，賦予數(shù)據(jù)填充與提交權(quán)限。

第三步：記憶（Memory）：分析員工歷史報告，提煉風格、格式、周期、匯報人等特征，形成長記憶庫，輔助新報告撰寫。

第四步：行動（Action）：依托工作報告應用權(quán)限，大模型完成報告后自動執(zhí)行提交，實現(xiàn)全程自動化。

本文轉(zhuǎn)載自公眾號玄姐聊AGI  作者：玄姐

原文鏈接：??https://mp.weixin.qq.com/s/XKtM7U9JXo2adpSSwz7uQw??