AI Agent架构：探索新兴的代理式AI体系

最新推荐文章于 2024-11-05 13:25:54 发布

YaoAIPro

最新推荐文章于 2024-11-05 13:25:54 发布

阅读量911

点赞数 20

分类专栏：大模型必读系列文章标签：人工智能

本文链接：https://blog.csdn.net/qq_46883219/article/details/142747795

版权

大模型必读系列专栏收录该内容

3 篇文章 0 订阅

订阅专栏

作者：猥琐发育的

公众号：【DarkMythAI】

AI Agent架构：探索新兴的代理式AI体系

迈向下一代AI代理的关键演化

近年，AI技术的发展已经逐渐从“模型巨大化”的趋势转向更为模块化、可操作化的智能代理。尤其是在构建能够自主行动的AI代理方面，学界和产业界正在逐步形成对新一代AI代理的基础架构原则的共识。这些智能代理不仅仅是高级模型，它们代表了一种全新的运作方式——从简单生成语言，到自主行动，再到与数字环境的无缝互动。

那么，究竟什么是AI代理（AI Agents）？AI代理可以理解为一种系统，旨在自动化或半自动化地完成任务，这些任务可能从简单的日程安排到复杂的数字环境探索不等。当前，有大量研究探讨了AI代理的未来，但这些代理的设计和开发实际上基于一些切实可行的架构和技术，这些架构成为了这些AI代理得以自主适应、动态行动的基础。

在这里插入图片描述

大型动作模型（LAMs）：AI代理的新骨干

对于智能代理的自主能力，语言模型是不可或缺的基础。但仅仅理解和生成语言还不够，因此，“大型动作模型”（Large Action Models，LAMs）应运而生。LAMs与大型语言模型（LLMs）类似，都是大规模训练的AI模型，但不同之处在于，它们不仅是为了生成语言，而是为了执行特定的操作和实现功能。比如，通过函数调用，LAMs可以直接触发外部程序、执行API请求或进行数据库查询，这些都显著提升了AI代理的可操作性。

Salesforce等公司已经开源了一些LAMs，其中包括适合入门级使用的小型动作模型。这些模型不仅限于文本生成，还包括如何在真实场景中做出实际行动——无论是计划任务，还是执行复杂的多步骤过程。

模型编排与小型语言模型（SLMs）的协作

在AI代理的架构中，模型的协同工作尤为重要。这并不仅是依赖一个大型的模型，而是通过模型编排（Model Orchestration）来将多个小型语言模型（SLMs）结合在一起。相比LLMs这种庞大而通用的模型，SLMs更专注于特定任务或功能，如数据摘要、命令解析或者历史上下文分析。这种模块化设计使得AI代理能够更加高效地处理特定类型的任务，同时节省计算资源。

比如，一个用于客户服务的AI代理可能包含一个擅长自然语言理解的小型模型，另一个专注于检索数据库的模型，还有一个模型可以用来处理用户的个性化需求。通过对这些模型的编排，AI代理可以像“拼装玩具”一样灵活应对各种场景，既避免了大模型高昂的计算成本，也提高了处理特定任务的精准度。

视觉语言模型与数字探索

随着AI代理逐渐具备在数字环境中探索和互动的能力，视觉与语言的结合变得至关重要。苹果的Ferret-UI和WebVoyager就是这方面的典型项目，它们展示了AI代理如何在数字环境中导航，比如通过OCR（光学字符识别）识别UI元素，并将这些元素映射到特定的操作上。

设想一下，当一个AI代理被赋予在新环境中设置应用程序的任务时，它不仅要读取文本说明，还要识别界面中的元素，例如按钮、输入框等，并能据此采取后续行动。这不仅让AI代理在执行任务时更加高效，也使其具备了一定的自主决策能力。

函数调用：从语言生成到可操作输出

传统的大型语言模型（LLMs）主要处理的是非结构化的输入和生成非结构化的输出，如文本回答或对话片段。然而，随着函数调用技术的发展，AI代理现在可以生成结构化的、可操作的输出。例如，AI代理可以根据用户请求触发特定的函数来预约会议、发送请求、或触发API调用，这些操作不仅减少了处理非结构化响应的开销，也使得系统之间的交互更加顺畅。

一个典型的例子是通过OpenAI API进行的函数调用。通过这种方式，AI代理可以直接从模型的输出中提取参数，以此来触发外部功能。这种模式使得AI代理不仅仅是一个生成内容的工具，它还真正成为了数字生态系统中的活跃部分。

工具的作用：管道与人类的参与

在AI代理的体系结构中，工具（tools）是一个核心概念。工具是AI代理与外部世界交互的媒介，无论是获取数据、进行计算，还是执行某些任务。这些工具有时候可以是一个API调用或一个脚本，也可以是人类的参与。例如，在一些高风险的应用场景中，AI代理的操作可能需要人类的介入进行验证，这就是所谓的“人类在环”（human-in-the-loop）设计。这样的设计确保了AI代理的输出在关键节点的准确性和可靠性。