3 分钟了解 AI Agent（智能体）基础篇

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。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

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。

我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）。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓