当我们在谈论LLM Agent的时候，我们在说什么？

最新推荐文章于 2024-08-21 01:06:10 发布

猿类崛起@

最新推荐文章于 2024-08-21 01:06:10 发布

阅读量1k

点赞数 29

文章标签：人工智能 langchain LLM 大模型 AI大模型

本文链接：https://blog.csdn.net/2401_84495872/article/details/140038561

版权

想象一下，如果机器不仅能理解你的言语，还能像人类一样思考、感知并采取行动，这不就是电影照进现实，未来以来吗？诸如AutoGPT、BabyGPT、ChatDev、MetaGPT和AutoGen之类的创新应用，正生动展现了这一前沿领域的无限潜力。基于大语言模型（LLMs）Agent（后文也称代理），正以前所未有的方式重塑人工智能的边界。

we treat AI agents as artificial entities that are capable of perceiving their surroundings using sensors, making decisions, and then taking actions in response using actuators

随后提出了一个基本LLM Agent通用框架，包括三个组成部分：大脑、感知和行动，如下图所示。

大脑：这是LLM基础代理的核心部分，主要由一个大型语言模型（LLM）组成。LLM具有高质量的生成能力和深度理解能力，使其能够理解和生成自然语言，从而与环境进行交互。
感知：这是LLM基础代理的输入部分，它使代理能够感知其环境。这可能包括从各种源（如文本、图像、声音等）获取信息，并将这些信息转化为LLM可以理解的形式。
行动：这是LLM基础代理的输出部分，它使代理能够在其环境中采取行动。这可能包括生成自然语言文本以进行交流，或者控制其他系统以影响环境。

也提出了如下LLM Agent架构，与上文提出的有异曲同工之妙。

LLM作为Agent系统的大脑，负责规划、记忆和工具使用等关键功能。

规划能力使得LLM能够对任务分解，这里常见的技术包思维链（Chain of Thought, CoT）和思维树（Tree of Thoughts, ToT）等技术，将复杂任务分解为更小、更易管理的子任务。也能够通过自我批评和反思从而改进未来的行动，常见技术包括Self-Refine和Reflexion。

记忆分为短期记忆和长期记忆。更具体的说，让LLM能够对当前的情景判定和决策都是利用LLM自身的短期记忆功能，也就是它支持的最大Token窗口，一般我们会通过提示工程（角色说明、任务说明、样例、输入输出说明)来指导LLM。对于长期记忆，通常就是外挂外部存储库，常见应用就是RAG，使其能够弥补自身知识和私域知识的鸿沟。

工具使用，LLM被赋予可以请求调用的函数，用于收集信息、采取行动或操纵数据，比如调用web搜索工具、计算器、写代码、或者HuggingFace。

那么LLM Agent当下有哪些发展趋势呢？最近Andrew.Ng吴恩达教授在letters中表示大语言模型 Agents工作流将是AI领域中一个关键的趋势，并且有可能在今年推动大规模的人工智能进步——甚至可能比下一代基础模型更甚。

I think AI agent workflows will drive massive AI progress this year — perhaps even more than the next generation of foundation models. This is an important trend, and I urge everyone who works in AI to pay attention to it.

吴恩达教授将LLM Agent 工作流分为4个部分，分别是反思、工具使用、规划和多智能体协作。我已经针对这4个工作流写了一系列文章，从论文到代码，从理论到实践、设计良好的流程图来帮助读者充分理解这些工作流，你不学习一下吗？ [LLM深潜：Agent框架与应用揭秘]

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述