免费下载 | 2025年Google AI Agent白皮书：AI智能体时代来临

本文是一份关于AI智能体（Agents）的白皮书，详细介绍了AI智能体的概念、架构、工具使用以及如何通过特定的学习方法提升模型性能。白皮书还探讨了如何将AI智能体应用于生产环境，并提供了实际的代码示例和应用架构。以下是对这份白皮书核心内容的详细介绍：

一、引言

• 主题：探讨AI智能体的概念、架构和应用。

• 目标：帮助读者理解AI智能体如何通过工具使用和推理能力扩展生成式AI模型的功能。

二、什么是AI智能体？

• 定义：AI智能体是一种应用，通过观察世界并使用其可用的工具来实现目标。

• 自主性：智能体能够独立于人类干预行动，尤其是在被赋予明确目标时。

• 主动性：即使没有人类的明确指令，智能体也能主动规划下一步行动以实现其最终目标。

三、智能体的组成部分

• 模型：作为智能体的核心决策者，模型可以是一个或多个语言模型，能够基于指令进行推理和逻辑框架操作。

• 工具：工具使智能体能够与外部世界互动，访问实时信息或执行实际操作。

• 编排层：描述了智能体如何接收信息、进行内部推理，并据此决定下一步行动或决策的循环过程。

四、智能体与模型的区别

• 知识范围：模型的知识限于其训练数据，而智能体通过工具与外部系统连接，扩展其知识范围。

• 会话管理：智能体能够管理会话历史，支持多轮推理/预测，而模型通常不管理会话历史。

• 工具和逻辑层：智能体原生支持工具和逻辑层，而模型则没有。

五、认知架构：智能体如何运作

• 类比：将智能体比作忙碌厨房中的厨师，通过规划、执行和调整来实现目标。

• 推理框架：介绍了ReAct、Chain-of-Thought（CoT）和Tree-of-Thoughts（ToT）等推理框架，这些框架帮助智能体进行推理和规划。

六、工具：智能体与外部世界的桥梁

• 扩展（Extensions）：作为API和智能体之间的标准化桥梁，使智能体能够无缝执行API调用。

• 函数（Functions）：允许模型决定何时使用特定函数及其参数，函数在客户端执行。

• 数据存储（Data Stores）：为智能体提供访问结构化或非结构化数据的能力，支持数据驱动的应用。

七、提升模型性能的针对性学习

• 上下文学习：在推理时提供提示、工具和少量示例，使模型能够即时学习如何使用工具。

• 基于检索的上下文学习：动态地从外部存储中检索相关信息、工具和示例，以丰富模型提示。

• 基于微调的学习：在推理之前，使用大量特定示例对模型进行训练，帮助模型理解何时以及如何应用特定工具。

八、使用LangChain快速启动智能体

• 示例代码：提供了使用LangChain和LangGraph库构建智能体的示例代码，展示如何通过组合逻辑、推理和工具调用来回答用户查询。

九、使用Vertex AI智能体进行生产应用

• Vertex AI平台：提供了一个完全托管的环境，简化了构建生产级智能体的过程。

• 架构示例：展示了在Vertex AI平台上构建的智能体架构，包括Vertex Agent Builder、Vertex Extensions、Vertex Function Calling和Vertex Example Store等组件。

十、总结

• 智能体的能力：通过工具使用和推理能力，智能体扩展了语言模型的功能，能够自主完成复杂任务。

• 编排层的重要性：编排层作为智能体的核心，结构化推理、规划和决策过程。

• 工具的作用：工具使智能体能够与外部系统互动，访问超出其训练数据的知识。

• 未来展望：随着工具的日益复杂和推理能力的增强，智能体将能够解决越来越复杂的问题。

---

👇