生成式 AI 的发展方向，应当是 Chat 还是 Agent？

先看下Chat和Agent的差别。

Chat（聊天）：纯粹的Chat，像是一个主要由“大脑和嘴”构成的智能体，专注于信息处理和语言交流。比如ChatGPT这样的系统，它能够理解用户的查询，给出有用和连贯的回答，但它本身不直接执行任务。

Agent（代理）：像一个具有“手、脚”的智能体，它能够进行思考、决策，并且能执行具体的任务。

我们可以简单粗暴的理解为，Chat强调的是“说”，Agent强调的是“做”。

要你你选哪个？

这么讲吧 ，但凡人类对于躺平的美好追求还在，“让机器替我干活”的念头就不可能熄灭。

自ChatGPT发布后，从plugin的推出，到Function Calling再到Assistant API的面世，OpenAI这一系列动作就充分表明，有这么强大的LLM作为基本盘的情况下，人们就不可能仅仅满足于让它“嘚啵嘚”。

历史总是惊人的相似。从2014年亚马逊开创性推出Amazon Echo开始，智能音箱横空出世。一开始的智能音箱，也只是有个“嘴” ，只能实现播放音乐、查询信息、设置提醒等功能。而且“脑子”还不太灵光。

但是随着阿里、百度、小米等科技巨头的纷纷加入，智能音箱在竞争中卷出了新高度。打通支付、和智能汽车、智能家居互通，智能音箱不断地突破和扩展功能边界，逐步坐到了智能家居生态的“大总管”位置上。

随着应用场景的持续拓展，智能音箱又延展到儿童教育、养老关怀等领域，深刻影响了人们的日常生活。

相信有一天，智能音箱会强大和多样化到一个程度，以至于“智能音箱”这个名字不再适合这个品类，那将是新一轮故事的开始。

同样惊人相似的，还有从单纯的AI智能语音助手、智能客服（只会说）到以AI+RPA为核心技术的的AI数字员工（会说又会做）的发展史。。。

这些，都是人工智能走向多元化和融合化的一个个缩影。

因此，随着技术水平的不断进步和场景化落地的不断挖掘，Chat和Agent的界限必定会越来越模糊，生成式 AI 会融合Chat和Agent的特点，形成既能进行高质量、高人格化对话，又能高效执行复杂任务的 AI 自动化系统， 为人们提供融合、互补、多样化的解决方案。

AI Agent的崛起不仅仅是技术上的突破，更是对软件开发理念的一次深刻变革。

在传统的软件开发中，程序员需要预先定义所有的逻辑和规则，然后进行代码实现。而AI Agent的出现，要求我们对软件进行充分地“放权”：它由一颗大脑（LLM）来进行自主支配运行，并在运行时自动学习、适应和调优。 这种前所未有的开发范式的转变，让程序员不得不重新思考软件开发的本质，也重新思考软件开发的未来。

典型的AI agent分为Memory（记忆）、Tools（外部工具） 、Planning（计划） 和Action（行动） 四个模块。

当前学习AI Agent基本上分作两条路径：

基于OPenAI技术路线，以及基于开源技术路线。建议每个技术人员，都选择一条路，亲自趟一趟。

大模型爆发之后，AI Agent的发展也可谓是一日千里，各种项目层出不穷。

AutoGPT

项目地址：

https://github.com/Significant-Gravitas/AutoGPT

可以根据你设置的目标，将实现这个目标的任务进行拆解，再采用搜索、浏览网站、执行脚本等方式一条条去执行任务，帮你完成目标。

JARVIS

项目网址：https://github.com/microsoft/JARVIS

一个非常有意思的“模型选择”Agent。它将用户要求拆解成子任务，再到Huggingface上选择合适的专家小模型执行任务，最后对结果进行处理和返回给用户。

由于JARVIS可以调用其它模型工具，因此它可以执行多模态任务。

MetaGPT

项目网址：https://github.com/geekan/MetaGPT

MetaGPT是另一个开源人工智能体框架，试图模仿传统软件公司的结构。与ChatDev类似，Agent被分配产品经理、项目经理和工程师的角色，并且他们在用户定义的编码任务上进行协作。

工具、平台、社区的不断成熟，为个体开发者提供了一个全新的舞台。程序员与人工智能之间的距离从未如此之近。AI Agent的崛起，让有想法、有技术的人能够以前所未有的方式释放自己的创造力，打造出各种有趣、实用的AI原生应用。

那么，你准备好加入这场革命了吗？

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，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。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓