机器学习算法与Python实战 | AI Agent入门：Agent角色指令设计

本文来源公众号“机器学习算法与Python实战”，仅用于学术分享，侵权删，干货满满。

原文链接：AI Agent入门：Agent角色指令设计

0、概要

Agent是干什么的？Agent的核心思想是使用语言模型（LLM）作为推理的大脑，以制定解决问题的计划、借助工具实施动作。在agents中几个关键组件如下：

LLM：制定计划和思考下一步需要采取的行动。

Tools：解决问题的工具

Toolkits：用于完成特定目标所需的工具组。一个toolkit通常包含3-5个工具。

AgentExecutor：AgentExecutor是agent的运行时环境。这是实际调用agent并执行其选择的动作的部分。

1、Agent整体架构

代理（Agents）涉及LLM做出决策以确定要采取哪些行动，执行该行动，查看观察结果并重复执行步骤直到完成。

在LLM驱动的自主代理系统中，LLM充当代理的大脑，并辅以几个关键功能：

规划

子目标拆解解：agent将大型任务拆解为小型的、可管理的子目标，从而能够高效处理复杂任务。

反思和改进：agent可以从过去的行为中进行自我批评和自我反省。这种从错误中吸取教训，并对未来的步骤进行改进的思维可以有效提高最终结果。真种思维方式来自ReAct，其大致格式为：Thought: ...Action: ...Observation: ... (Repeated