基于大语言模型的AI Agents

原文地址：基于大语言模型的AI Agents—Part 1

代理（Agent）指能自主感知环境并采取行动实现目标的智能体。基于大语言模型（LLM）的 AI Agent 利用 LLM 进行记忆检索、决策推理和行动顺序选择等，把Agent的智能程度提升到了新的高度。LLM驱动的Agent具体是怎么做的呢？

什么是AI Agent？

代理（Agent）这个词来源于拉丁语“agere”，意为“行动”。现在可以表示在各个领域能够独立思考和行动的人或事物的概念。它强调自主性和主动性 [1][1]。智能代理/智能体是以智能方式行事的代理；Agent感知环境，自主采取行动以实现目标，并可以通过学习或获取知识来提高其性能 [8][8]。

可以把单个Agent看成是某个方面的专家。

一个精简的Agent决策流程：

Agent：P（感知）→ P（规划）→ A（行动）

感知（Perception）是指Agent从环境中收集信息并从中提取相关知识的能力。

规划（Planning）是指Agent为了某一目标而作出的决策过程。

行动（Action）是指基于环境和规划做出的动作。

其中，Policy是Agent做出Action的核心决策，而行动又通过观察（Observation）成为进一步Perception的前提和基础，形成自主地闭环学习过程。

类 LangChain 中的各种概念 [4][4]：

• Models，也就是我们熟悉的调用大模型API。

• Prompt Templates，在提示词中引入变量以适应用户输入的提示模版。

• Chains，对模型的链式调用，以上一个输出为下一个输入的一部分。

• Agent，能自主执行链式调用，以及访问外部工具。

• Multi-Agent，多个Agent共享一部分记忆，自主分工相互协作。

LangChain 中 Agent 和 Chain 的区别：

The core idea of agents is to use an LLM to choose a sequence of actions to take. In chains, a sequence of actions is hardcoded (in code). In agents, a language model is used as a reasoning engine to determine which actions to take and in which order.

背景知识

做决策的过程中，一个很重要的信息来源是 记忆（Memory）。作为重要的背景知识，下面简单介绍下都有哪些种类的记忆 [2][2]。

记忆（Memory）[2][2]

记忆可以被定义为获取、储存、保留以及后来检索信息的过程。人脑中有几种类型的记忆。

• 感觉记忆（Sensory Memory）：这是记忆的最早阶段，提供在原始刺激结束后保留感官信息（视觉、听觉等）的印象的能力。感觉记忆通常只持续几秒钟。子类别包括视觉记忆（iconic memory）、回声记忆（echoic memory）和触觉记忆（haptic memory）。

• 短期记忆（Short-Term Memory, STM）或工作记忆（Working Memory）：它储存我们当前意识到的信息，以执行复杂的认知任务，如学习和推理。短期记忆被认为有大约7个项目的容量（Miller 1956）并持续20-30秒。

• 长期记忆（Long-Term Memory, LTM）：长期记忆可以储存信息很长一段时间，从几天到几十年，其储存容量基本上是无限的。LTM有两个子类型：
  • 显性 / 陈述记忆（Explicit / declarative memory）：这是对事实和事件的记忆，指的是那些可以被有意识地回忆的记忆，包括情景记忆（事件和经验）和语义记忆（事实和概念）。
  • 隐性 / 程序记忆（Implicit / procedural memory）：这种记忆是无意识的，涉及自动执行的技能和例行程序，如骑自行车或在键盘上打字。

可以大致考虑以下对应关系：

• 将感觉记忆视为学习原始输入（包括文本、图像或其他模式）的嵌入表示；

• 将短期记忆视为在上下文中（prompt）学习。它是短暂且有限的，因为它受到Transformer的上下文窗口长度的限制。

• 将长期记忆视为代理在查询时可以注意到的外部向量存储，可以通过快速检索访问。

怎么写好Prompt：ReAct

• Home: ReAct: Synergizing Reasoning and Acting in Language Models

• LangChain中的ReAct：