六、Lagent & AgentLego 智能体应用搭建

（1）智能体介绍

1. 为什么要有智能体

• 幻觉：模型可能生成与现实不符的信息。

        例如：问：鲁迅与周树人是同一个人吗？答：鲁迅与周树人不是同一个人。

• 时效性：模型训练数据过时，可能无法反映最新趋势和信息。

        例如：问：今年是哪一年？答：今年是2023年。

• 可靠性：面对复杂任务时，可能频发错误输出，影响信任度。

        例如：如图所示

2. 什么是智能体

• 感知：能够感知环境中的动态条件。

• 动作：能采取动作影响环境。

• 推理：运用推理能力理解信息、解决问题、产生推断、决定动作。

3. 智能体组成

• 大脑：作为控制器，负责记忆、思考和决策，接受感知模块的信息并采取相应动作。

• 感知：感知和处理外部环境的多模态信息，如图像、音频、视频、传感器等。

• 动作：利用工具执行动作以影响环境，工具包括文本检索、调用API、操控机械臂等。

4. 智能体范式

5. AutoGPT

用户将目标和任务输入给整个系统后，任务的列表将会将任务发送给相应的智能体，智能体在执行后，会将相关结果以及任务存入到记忆中，并且把相关的结果发送给另一个智能体，由这个智能体在创建新的任务，由此不断循环，直到完成最终任务

6. ReWoo

将用户的输入进行拆分，将各种工具之间的依赖形成一个有向无环图，并且在途中进行计划执行，直到达到最终的结果。Planner作为一个决策，将输入拆分成了多步骤，其中每一步都对应着相应的一些任务，然后将其中需要执行的部分发送给Worker进行执行，最终两部分的结果一并发送给Solver，得到最终的结果

7. ReAct

在接受用户的输入后，会选择相对应的工具进行执行，在拿到工具的结束条件后，模型会进一步思考，他是否应该选择下一个工具并执行，直到达到结束条件及完成用户的输入为止。ReAct结合了推行和行为两部分，更好地实现了智能体的思维模式

（2）Lagent & AgentLego（重点）

Lagent:

其中的大语言模型模块可以接受人类的反馈、人类指令以及外部观察，会在相对应地做出规划和行动后交付给Action（动作执行器），Action包括各种动作（比如：Python的解释器、搜索）

AgentLego:

其提供了大量视觉、多模态领域前沿算法， 提供可拓展的工具接口、灵活的适配方法、工具检索、部署以及各种智能体的案例，还可以方便接入Lagent、LangChain、Transformers Agents

两者的关系：

经过上面的介绍，我们可以发现，Lagent 是一个智能体框架，而 AgentLego 与大模型智能体并不直接相关，而是作为工具包，在相关智能体的功能支持模块发挥作用。