3 分钟带你了解 AI Agent（智能体）基础篇

最新推荐文章于 2024-08-17 00:27:12 发布

神经网络匠

最新推荐文章于 2024-08-17 00:27:12 发布

阅读量1.2k

点赞数 28

文章标签：学习 AIGC agi 程序人生改行学it 人工智能

本文链接：https://blog.csdn.net/2401_86585069/article/details/141137001

版权

前言

AI Agent（人工智能代理 / 智能体）绝对是 2024 上半年一个爆火的话题。从 Google Trends 图中可见一斑。

尤其是在中国区，不得不说是真的卷，直接干到了100，是第二名的近10倍。

老王最近花费了大量的时间进行学习与研究，期间也在智能体开发平台成功搭建了一些有趣的 AI Agent，所以也算是有点发言权了。

为了让大家不要掉队，希望通过本篇文章分享一些心得体会，如果觉得有收获不要忘记转发给身边的人。

AI Agent 的定义

AI Agent，在人工智能领域，通常用来指代「感知、理解、决策和执行于一体」的智能系统或智能应用。

进行指挥和决策的「大脑」可以由各类 LLM（大语言模型）充当，基于 LLM，计算机程序能够独立思考、调用工具来逐步完成给定目标。

现在大家普遍混淆的概念集中于 AI Agent 和 LLM、RAG 等，以及他们之间的关系。接下来就一起再回顾下这些概念，以便更好理解。

1. LLM

LLM「Large Language Model」，即大型语言模型。这类模型是利用深度学习技术，特别是变换器（Transformer）架构，训练出的能够理解和生成自然语言文本的人工智能系统。

它们通常需要大量的数据来训练，以学习语言的模式和结构，从而能够执行诸如文本翻译、摘要、问答、文本生成等多种语言处理任务，例如我们常接触的 ChatGPT、Kimi、文心一言、通义千问等等。

上面提到模型是提前训练好的，所以时效性不强，最新的消息他都无法回答；加上用于训练的内容一般来源于公开的标准化知识，所以无法个性化定制回答。

为了解决上述问题，需要把外部的知识提供给模型，这时候就需要用到 RAG 技术。

2. RAG

RAG「Retrieval-Augmented Generation（检索增强生成）」，是一种结合了检索和生成技术的模型，它通过引用外部知识库的信息来生成答案或内容。RAG 的优势在于其通用性强、可实现即时的知识更新，以及通过端到端评估方法提供更高效和精准的信息服务。

其工作原理包括三个关键部分：检索、利用和生成。在检索阶段，系统会从文档集合中检索相关信息；在利用阶段，系统会利用这些检索到的信息来填充文本或回答问题；最后在生成阶段，系统会根据检索到的知识来生成最终的文本内容。

3. AI Agent 与 LLM、RAG

AI Agent 利用「规划」可将问题进行拆解，形成一个一个的小问题，并定义好这些小问题之间的逻辑关系。然后按照顺序，调用 LLM 、RAG 等外部「工具和记忆」，来解决每一个小问题，直至解决最初的问题，完成一整个「行动」。

AI Agent的架构

作为一个完整的智能体，不光需要「大脑」，还需要如「神经感官系统」以及「四肢」的参与，此时就得涉及到 AI Agent 的架构。

AI Agent = AI 大模型（LLM）+ Planning（规划）+ Momory（记忆）+ Tools（工具）+ Action（行动），接下来逐一解释。

1. Planning（规划）

类比人类，我们如何「规划」一个任务：

1. 首先会把任务分析、拆解成多个子任务；

2. 接着寻找高效的工具帮助完成每个子任务；

3. 过程中持续进行反思，以持续完善；

4. 判断任务是否达到终止条件。

在大模型中，可以通过 Prompt 中运用 CoT 等推理模式，对任务进行拆解，一步步思考和解决，从而使输出的结果更加准确。

2. Momory（记忆）

智能体分为了两种记忆机制：

短期记忆，即单次对话中的上下文。会被短暂储存，以用于后续对话，重新开启对话框就不会存在。

长期记忆，即用户的特征信息、业务信息。通常会记录在向量数据库中进行长期存储，以便于快速检索。

3. Tools（工具）

「工具」便充当从周边环境获取信息，或者把处理结果具体落实下去。比如通过特定系统的 API，获取到指定数据，以及系统的某些操作权限。

比如图中这些例子，可以看到必应搜索、链接读取等是拓展了信息输入的渠道；而飞书云文档、表格等就是增强了处理结果的输出能力。

4. Action（行动）

智能体基于上述提到的点来与外部世界进行互动，抽象简化就是提供一个输入（Input）来产生输出（Output）。

零基础如何学习大模型 AI

领取方式在文末

为什么要学习大模型？

学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型技术，如自然语言处理和图像识别，正在推动着人工智能的新发展阶段。通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。

大模型实际应用案例分享

①智能客服：某科技公司员工在学习了大模型课程后，成功开发了一套基于自然语言处理的大模型智能客服系统。该系统不仅提高了客户服务效率，还显著降低了人工成本。
②医疗影像分析：一位医学研究人员通过学习大模型课程，掌握了深度学习技术在医疗影像分析中的应用。他开发的算法能够准确识别肿瘤等病变，为医生提供了有力的诊断辅助。
③金融风险管理：一位金融分析师利用大模型课程中学到的知识，开发了一套信用评分模型。该模型帮助银行更准确地评估贷款申请者的信用风险，降低了不良贷款率。
④智能推荐系统：一位电商平台的工程师在学习大模型课程后，优化了平台的商品推荐算法。新算法提高了用户满意度和购买转化率，为公司带来了显著的增长。
…
这些案例表明，学习大模型课程不仅能够提升个人技能，还能为企业带来实际效益，推动行业创新发展。