AI Agent（智能体）：从技术概念到场景落地的加速发展

小城哇哇

于 2024-09-27 14:13:53 发布

阅读量524

点赞数 8

文章标签：人工智能语言模型 ai agi LLM Agent 职场和发展

本文链接：https://blog.csdn.net/2401_85325397/article/details/142592259

版权

一、原理剖析：思维链驱动智能体，协作提升应用广度

在上世纪50年代，阿兰·图灵提出了“高度智能有机体”概念，后来这一概念延伸至人工智能领域。随着大模型的快速发展，这一概念再次被重视。大模型成为目前智能体的理想载体，有望从理论转向实际应用。在智能体（Agent）模式中，用户为AI设定目标和身份，提供提示词（Prompt），AI则自主拆解任务、使用工具并执行工作，用户负责监督与提供资源。OpenAI定义的智能体具备长期和短期记忆、自主规划、工具使用以及自动执行任务的能力，提升了工作效率和用户体验。智能体分为单智能体和多智能体：单智能体在单一环境中通过试错学习追求最大奖励，适用于简单任务；多智能体则在博弈环境中追求长期累积奖励，多用于复杂任务。

在这里插入图片描述

（一）Agent 模式架构解析

Agent模式有效减少了人类的工作量，人与AI协作是未来的趋势。人类与AI的交互可分为三种模式：

Embedding模式：大模型填补信息缺失，完成少量子任务，如总结信息，用户最终整合并完成任务。
Copilot模式：AI根据用户设定的流程执行任务，如写稿或编程，用户需要对结果进行调整并完成工作。
Agent智能体模式：AI参与度更高，用户设定目标和工具，AI自主拆分任务、使用工具并完成工作，用户仅需监督和提供资源。

AI Agent以大语言模型（LLM）为核心，具备四大模块：

记忆模块：像人类一样保留长期和短期记忆，短期记忆用于上下文学习，长期记忆用于积累专业知识和经验，减少重复交互。
规划模块：将复杂任务分解为子目标，逐一解决，并通过反思总结优化未来任务。
工具模块：通过调用外部API等工具扩展功能，如获取实时信息。
行动模块：智能体基于记忆、规划和工具，形成完整的任务流程并执行任务，最后进行反思总结。

（二）单智能体与多智能体各有优势，适用于不同领域。

单智能体通过强化学习，基于马尔可夫决策模型进行试错学习。其目标是在单一环境中获得最大奖励，常用于赛车游戏或围棋等应用。常见算法包括DDPG、A3C、PPO和Q-Learning。

多智能体涉及多个智能体间的合作或竞争，决策不仅依赖自身行动，还与其他智能体的行为相关，称为马尔科夫博弈。每个智能体的目标是获得最大的长期累积奖励。由于其复杂性，商业化产品较少。

AIplus是领先的多智能体框架，促进智能体协作处理复杂任务，用户需为每个Agent设定角色、任务和背景故事。

（三）Prompt 提示词的艺术

Prompt 是一种基于自然语言处理的交互方式，通过解析自然语言实现用户与机器的沟通。它是一段用于引导模型生成特定输出的文本。在自然语言处理领域，Prompt 通常是一个问题或任务描述，如“写一篇关于人工智能的文章”或“编写整理数据的程序”。

一个优秀的 Prompt 应具备以下特点：

明确目标：定义任务及预期效果；
具体指导：提供明确的指导和约束，举例或设定回复边界；
简洁明了：使用清晰简练的语言；
迭代优化：根据结果不断调整和优化提示词。

二、实体应用场景：赋能领域，平衡成本与效益

AI Agent 目前主要处于概念阶段，但随着大模型竞争加速、政策支持和企业参与，应用层面的推进逐渐加快。智能体可分为六类，覆盖自动驾驶、智能电网控制、能源管理等领域，推动更多研发方向。结合多模态大模型，自动化和情感需求类智能体已实现落地。然而，商业化智能体仍面临高成本问题，因智能体间交互可能出现错误循环，且输出不一定符合预期，导致 tokens 成本高于普通 LLMs。

（一）自动化类：微软智能体 AutoGen

微软研发的AutoGen是一种多智能体沟通模型，通过对话完成任务，显著提升了AI解决问题的准确性和成果完整性。开发者可以灵活定义智能体的交互行为。AutoGen在数学、编码、问题解答、运筹学等领域表现出色，实验表明其优于单一大语言模型。

AutoGen需要两个以上的智能体，通过Hierarchical Chat或Joint Chat模式互动解决需求。智能体间的交流减少了人工干预，并可自我修复问题，用户不满意时可重新发起需求。

四项实战测试中，AutoGen表现优异：

数学计算：AutoGen在数学题库中的成功率远超其他模型。
数据库问答：AutoGen在RAG数据库检索中的F1-score和Recall表现略高于其他模型。
ALFWorld实验：发现3个智能体的成功率高于2个，但多智能体可能导致错误循环。
OptiGuide供应链优化：多智能体协作模式显著优于单智能体，GPT-4协作时F1-score和Recall分别达到96%和98%。

在这里插入图片描述

（二）情感需求类：陪伴型智能体

情感陪伴类智能体是另一个重要应用领域，具有长期记忆，能为用户提供熟悉和亲切的交流体验。随着大模型的迭代，这类智能体变得更立体，提供更高的情绪价值。国内情绪消费市场潜力巨大，伴随生活节奏加快和孤独感增加，陪伴类智能体或将受益。根据GIA预测，该行业规模预计到2024年达1000亿美元，2026年达2000亿美元。

情感沟通类智能体收获了大量用户好评。早期应用如Weobot和wysa已在市场中广泛存在。随着大模型的发展，智能体能扮演心理咨询师等角色，帮助用户情绪宣泄。治愈系软件“林间聊愈室”上线后广受欢迎，App Store评分4.7，用户对其使用小动物形象和治愈画风的独特体验给予高度评价。