今年 3 月份,知名人工智能科学家吴恩达(Andrew Ng)在社交平台 X 上发帖提到,“我认为 AI 代理工作流程将在今年推动 AI 的大规模进步——甚至可能比下一代基础模型还要多…GPT-3.5(零样本)的正确率为 48.1%,GPT-4(零样本)为 67.0%,而在智能体循环中,GPT-3.5 的正确率高达 95.1%”。此贴发出之后,引发了业界广泛关注。有人表示,这代表着 AI 发展中的范式转变。
本文首先对智能体(AI Agent)的概念做一个简单介绍,然后详细拆解一个仅用 100 行代码构建的极简智能体应用。
1 什么是智能体?
**智能体(AI Agent)**是一种超越简单文本生成的人工智能系统,它使用大语言模型(LLM)作为其核心计算引擎,使其能够进行对话、推理、执行任务,展现一定程度的自主性。
在智能体架构中,核心功能可以归纳为三个步骤的循环:感知-决策-行动。智能体首先通过感知机制收集环境信息,然后基于该信息和预设目标,通过决策机制制定行动计划,最终通过动作执行机制实施这些计划。
图:智能体架构示意
2 示例:Mini AI Agent
了解了智能体的概念,接下来我们一起一步步拆解一个仅用 100 行代码构建的最小智能体应用,耗时约 1 个小时。
2.1 效果演示
先来看一下效果演示,
图:Mini AI Agent应用演示
看似平淡无奇的两次问答,实际上已经体现了智能体的核心循环:感知-决策-行动。
- 感知:接收问题
- 决策:理解问题,确定目标,然后通过推理决定使用何种工具(即制定计划)
- 行动:使用工具获取信息,然后生成答案
2.2 环境准备
申请账号:百度千帆
- 访问百度智能云千帆,注册账号并登录千帆大模型控制台
- 打开模型服务-应用接入页面,创建应用,记下 API Key 和 Secret Key 备用
- 打开模型服务-在线服务页面,找到 ERNIE-3.5-8K(支持函数功能),开通付费(不用担心,非常便宜,100 次调用才 2 毛钱)
PS: 本文只是以百度千帆为例,大家可以根据自身经验,替换成其他任何支持函数功能的大模型,比如智谱清言、Azure、OpenAI等。
搭建本地开发环境:Jupyter Notebook
- 访问 Anaconda 官网,下载安装包并安装 Anaconda
- 命令行运行
conda install jupyter notebook
,安装 Jupyter Notebook - 打开 GitHub 示例项目 emac/langchain-samples,git clone 到本地
- 命令行打开 langchain-samples 目录,运行
jupyter notebook
,打开 Jupyter Notebook
2.3 程序拆解
准备好环境之后,就可以进入程序员最喜欢的实操环节了!
安装依赖
!pip install langchain langchain-community langchain-core gradio
依赖说明:
初始化大模型
from langchain_community.llms import QianfanLLMEndpoint
import os
print("# 初始化千帆")
os.environ["QIANFAN_AK"]='千帆应用的 API Key'
os.environ["QIANFAN_SK"]='千帆应用的 Secret Key'
llm = QianfanLLMEndpoint(streaming=True,
model="ERNIE-3.5-8K",
temperature=0.1)
response = llm.invoke("上海春天一般哪个月开始?")
print(response)
执行之前先替换之前记录的千帆应用的 API Key 和 Secret Key。
程序解读:
- 初始化环境变量,创建一个千帆 LLM 实例
- 发起(人生)第一次大模型 API 调用,如果不成功则返回检查环境和依赖
定义函数
from langchain import PromptTemplate, LLMChain
from langchain.chains import LLMRequestsChain
from langchain_core.tools import tool
from langchain_core.utils.function_calli