一、什么是智能体？
- 定义：
- 组成：大模型时代的AI AGENT= LLM(核心控制器，构建核心能力)+ 规划能力+记忆+工具。
Agent 是让 LLM 具备目标实现的能力，并通过自我激励循环来实现这个目标。
为Agent创建一个目标或主任务后，主要分为以下三个步骤:
- 获取第一个未完成的任务
- 收集中间结果并储存到向量数据库中。
- 创建新的任务，并重新设置任务列表的优先级
人是如何做事的?
在工作中，我们通常会用到PDCA思维模型。基于PDCA模型，我们可以将完成一项任务进行拆解，按照作出计划、计划实施、检查实施效果，然后将成功的纳入标准，不成功的留待下一循环去解决。目前，这是人们高效完成一项任务非常成功的经验总结。
如何让LLM替代人去做事?
要让LLM替代人去做事，我们可以基于PDCA模型进行 规划、执行、评估和反思
- 规划能力(Plan)-> 分解任务：Agent大脑把大的任务拆解为更小的，可管理的子任务，这对有效的、可控的处理好大的复杂的任务效果很好。
- 执行能力(Done)->使用工具：Agent能学习到在模型内部知识不够时(比如:在pre-train时不存在，且之后没法改变的模型weights)去调用外部AP!，比如:获取实时的信息、执行代码的能力、访问专有的信息知识库等等。这是一个典型的平台+工具的场景，我们要有生态意识，即我们构建平台以及一些必要的工具，然后大力吸弓其他厂商提供更多的组件工具，形成生态。
- 评估能力(Check)->确认执行结果：Agent要能在任务正常执行后判断产出物是否符合目标，在发生异常时要能对异常进行分类(危害等级)，对异常进行定位(哪个子任务产生的错误)，对异常进行原因分析(什么导致的异常)。这个能力是通用大模型不具备的，需要针对不同场景训练独有的小模型。反思能力(Action)·>基于评估结果重新规划:Agent要能在产出物符合目标时及时结束任务，是整个流程最核心的部分;同时，进行归因分析总结导致成果的主要因素，另外，Agent要能在发生异常或产出物不符合目标时给出应对措施，并重新进行规划开启再循环过程。
LLM作为一种智能代理，引发了人们对人工智能与人类工作的关系和未来发展的思考。它让我们思考人类如何与智能代理合作，从而实现更高效的工作方式。而这种合作方式也让我们反思人类自身的价值和特长所在。
在以 LLM 为驱动的 AI Agents 系统中，LLM 是代理系统的“大脑”，并需要其他几个关键组件的辅助:
- 规划(Planning)
- 子目标和分解：Al Agents 能够将大型任务分解为较小的、可管理的子目标，以便高效的处理复杂任务；
- 反思和细化：Agents 可以对过去的行为进行自我批评和反省，从错误中吸取经验教训，并为接下来的行动进行分析、总结和提炼，这种反思和细化可以帮助 Agents 提高自身的智能和适应性，从而提高最终结果的质量。
- 记忆 (Memory）
- 短期记忆：所有上下文学习都是依赖模型的短期记忆能力进行的；
- 长期记忆：这种设计使得 AlAgents 能够长期保存和调用无限信息的能力，一般通过外部载体存储和快速检索来 归实现。
- 工具使用(Tool use)
AI Agents 可以学习如何调用外部 API，以获取模型权重中缺少的额外信息，这些信息通常在预训练后很难更改，包括当前信息、代码执行能力、对专有信息源的访问等。
二..意义
软件2.0+大模型的下半场
a.自主智能体，力图实现复杂流程自动化。真格基金管理合伙人戴雨森将AI和人类协作的程度类比为自动驾驶的不同阶段，AIAgent 约为自动驾驶的L4 阶段，Agent 完成任务，人进行外部辅助和监督。自主智能体有望带来软件行业交互方式和商业模式变革:0交互方式变革:相比过去的APP/软件，从人适应应用变成应用适应人，Agent 的决策 规划 执行等环节需要更深的用户需求理解以及更强的工程细节打磨。如目前Agent 运行中常常遇见无休止的扩展、误解输出格式等问题，这类问题不单单依靠大模型能力提升，对Agent 架构的设计和垂类数据的学习也有要求。d.商业模式变革:按服务内容收费转换成按token 收费，对Agent 功能实用性要求更高。e.基座大模型能力固然重要，但其只能解决下限问题，在实际企业应用场景中自主智能体的架构设计、工程能力、垂类数据质量等也至关重要，垂类 中间件玩家亦有机会。准确度和效率是自主智能体重要指标(决策式AI 更擅长做的事，也意味着更低的容错度)
而Agent爆火也离不开AI巨头OpenAl 的添砖加瓦。2023年年中，当时还是OpenAI联合创始人的Andrew Karpathy在一个开发者活动的发言被广为传播。“如果一篇论文提出了某种不同的训练方法，OpenAI内部会嗤之以鼻，认为都是我们玩剩下的。但是当新的Al Agent论文出来时，我们会十分认真且兴奋地讨论”。
到2023年11月，OpenAIDevDay上，OpenAI推出其官方Agent开发框架Assistant API，并宣布将推出GPT Store，Agent热潮进一步发酵。
同一时间段，比尔盖茨写了一篇长文看多Agent领域。他预言五年内，Agent将改变人们使用电脑的方式，颠覆软件产业。除了OpenAI和各路大佬动向不断，硅谷还涌现了大量的AI Agent创业项目或产品，比如BabyAG1、MetaGPT、GPT Researcher等。据云基础设施服务商E2B的不完全统计和分类，在编程、个人助手、生产力、财务等多个细分场景都有大量的开源和闭源项目。
三、智能体布局及项目
四、Agent的未来发展
由于Agent并非能实现通用，Agent并非一家独大，而是将形成一个非常长尾的供应商格局。市场上将会有很多Agent，每一个 Agent 都由不同的公司运营。
虽然LLM的语义理解是通用的，但因为Agent的环境因素、领域结合并不通用，这会导致市场非常分散，没有强者越强的公司出现。
Agent从一个先进工具走向行业专家的过程中，会面临一些关键瓶颈。首先就是专业化的挑战，或者说是技术挑战，因为Agent需要具备行业特定的知识和技能，以更好地适应各行各业的需求，包括自主学习能力的提升、算法偏差的解决、智能决策的可解释性等，较高的自主学习和迭代能力，能够持续优化自身的表现和适应新的环境需要不断解决和改进。
硅谷大佬Reid两万字演讲：普通人如何找到自己的位置？ |【经纬低调分享】
若有收获，就点个赞吧
0 人点赞
