认识Agent智能体

《扣子开发AI Agent智能体应用（人工智能技术丛书）》(宋立桓，王东健，陈铭毅，程东升)【摘要 书评 试读】- 京东图书

大模型时代，Agent将基于大模型构建，此时的Agent是一种能够感知环境、进行决策和执行动作的智能体。是否具备通过独立思考、调用工具逐步完成给定目标的能力，成为基于大模型的Agent与基于传统AI技术的Agent之间最大的不同。这个区别也是很多人在给当代Agent下定义时一直强调的要点。例如，告诉Agent帮忙下单一份外卖，它就可以直接调用App选择外卖，再调用支付程序下单支付，而无须人类指定每一步的操作。

1. Agent的组成

OpenAI研发出ChatGPT并持续引领大模型发展，它定义AI Agent就是由大模型驱动，由规划决策（Planning）组件、记忆（Memory）组件、工具（Tools）组件、行动（Action）组件等组件组成的可以自主执行任务的程序，如图1-1所示，它就像一个代替人类完成工作的代理人。Agent各个组件的作用概括如下：

• 规划决策组件：依赖于大模型自身的能力和提示词的指引，让模型反思和自我批评，并把任务分解成多个步骤，然后逐个完成。
• 记忆组件：分为短期记忆和长期记忆两种类型，用于记住沟通上下文。
• 工具组件：调用各种API，包括日历、代码解释器、计算器、搜索API等。
• 行动组件：说白了就是它动手干活的部分。它能根据任务选择不同的方法—要查资料就翻记忆库，要分析问题就分步推理，甚至还能自己写代码。

可以看到，Agent类似人的大脑的思考能力和四肢的执行能力。有了这些能力，Agent可以被认为是一种类人智能体。

图1-1  Agent的组成部分

可以用一个不太恰当的比喻来说明：大模型（LLM）就像是人的大脑，而Agent则是人本身。大模型只有输入输出功能，而Agent则包括大模型、规划、记忆和工具。以前，智能机器人无法“理解”人类语言，但随着AI大模型的发展，它们开始“理解”人类语言，这使得Agent的能力得到了显著提升。未来，Agent将在各个领域发挥重要作用，日益改变我们的生活和工作。

2. Agent每个模块的作用

我们用一个管理花园的园丁的例子来说明组成Agent的每个模块的详细作用。

（1）LLM（大模型）：就像园丁的智慧和知识库，他阅读了海量的园艺书籍和资料，不仅知道各种植物的名字，还懂得如何照顾它们。在AI Agent中，LLM提供了庞大的信息存储和处理能力，以理解和响应我们提出的各种问题。以GPT为代表的大模型的出现，将Agent的理解处理能力提高到了前所未有的高度。

（2）Planning（规划决策）：Agent将大型任务分解为更小、可管理的子目标，从而能够有效处理复杂的任务，正如园丁需要规划整个花园的布局。AI Agent的规划功能就像园丁制定种植计划，决定先种哪些花草，后种哪些蔬菜，或者如何分步骤修剪树冠。Agent可以对过去的行为进行自我批评和自我反思，从错误中吸取教训，并针对未来的步骤进行完善，从而提高最终结果的质量。Agent像人类一样一步一步思考，一步一步推理，以保证最后结果的正确性。

（3）Memory（记忆）：在与朋友沟通的过程中，我们需要记住沟通的上下文，但对于时间久远的对话，我们可能会记不住对话过程。短期记忆就类似于对话现场记下来的内容，而长期记忆则类似于把久远的聊天过程整理成一个记忆点，随时让大脑能够回忆当时说了什么重要的事。这类似于园丁的笔记本，记录了每个植物的种植时间、生长情况和前一次施肥的时间。记忆模块让AI Agent能记住以往的经验和已经完成的任务，确保不会重复错误。

（4）Tools（工具）：就像园丁的工具，比如铲子、水壶和剪刀。AI Agent的工具模块，指的是它可以运用的各种软件和程序，帮助它执行复杂的任务。这些外部工具包括上网查询信息、代码执行、调用外部App等能力，就像园丁用工具进行园艺活动一样。

（5）Action（行动）：Agent基于规划和记忆来执行具体的行动。这可能包括与外部世界互动，或者通过调用工具来完成一个动作（任务）。

3.Copilot（智能助手）和Agent（智能体）的区别

业界对Copilot（智能助手）和Agent（智能体）是否有区别有一定的争论。Copilot这个术语源自飞行术语，意思是副驾驶员（Co-pilot）。在飞机上，副驾驶员是协助主驾驶员操作飞机的人。Copilot在帮助用户解决问题时起辅助作用，例如GitHub Copilot是帮助程序员编程的助手，它更多地依赖于人类的指导和提示来完成任务。Copilot在处理任务时，通常是在人为设定的范围内操作，比如基于特定的提示生成答案。它的功能很大程度上局限于在给定框架内工作。

Agent更像一个主驾驶，可以根据任务目标进行自主思考和行动，具有更强的独立性和执行复杂任务的能力。Copilot主要用于处理一些简单、特定的任务，更多是作为一个工具或助手存在，需要人类的引导和监督。Agent能够处理复杂、大型的任务，并在LLM薄弱的阶段使用工具或API等进行增强。