大语言模型在智能体应用中存在哪些局限性?智能体行业中的智能体应满足哪三个条件?
大语言模型在智能体应用中面临的主要局限性包括三个方面:首先,模型可能会生成虚假信息,与现实严重脱节;其次,由于训练数据截止时间过早,导致其输出无法准确反映最新趋势和信息;最后,智能体在复杂任务中,错误输出现象频繁发生,影响用户体验和信任度。根据Throws在1995年的论文提出的观点,智能体应满足以下三个条件:首先,智能体能够感知环境中的动态条件;其次,智能体能够运用推理能力理解信息、解决问题并产生推断;最后,智能体能够采取行动以影响环境工作。
智能体主要包括三个部分:控制器承担记忆、思考和决策任务,接受来自感知模块的信息并采取相应动作;感知模块负责处理多模态信息(如图像、音频、视频和传感器数据);动作模块利用并执行工具以影响环境,可能包括文本检索、调用相关API或操控机械臂等。
auto GPT、rewoo和lagent是如何实现智能体功能的?
auto GPT将用户输入的任务列表发送给智能体,智能体执行后将结果保存并在需要时发送给其他智能体,形成循环直到任务完成。rewoo选择相应的工具进行执行,并在达到结束条件后决定是否选择下一个工具继续执行,直至完成用户输入。lagent是一个轻量级开源智能手机框架,支持多种智能体范式,用户可以高效构建基于大量模型的智能体,并提供多种工具和接口,方便自定义工具组装出智能体,支持多种智能体框架。
作业:
完成 Lagent Web Demo 使用
需要装
pip install lmdeploy[all]==0.3.0
直接使用 AgentLego
进阶
使用 AgentLego WebUI
多了一个空格引起的错误
可能图片色彩分辨度不高,只检测出了一艘船。
使用 Lagent 实现自定义工具并完成调用
要先把
internlm2_weather_web_demo.py复制到自己的agent路径下.在运行