AI智能体综合指南【2024】

在过去的几个月里，我们研究了大约 100 个不同用例的AI代理，研究了AI代理开发 SDK 和框架，并与 Cognosys、Aomni、Superagent、Sweep 等公司的创始人讨论了代理面临的挑战。

以下是我们对基于代理构建的产品、它们的挑战、标准化和未来的了解。

NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - Three.js虚拟轴心开发包

1、业界对AI Agent的定义缺乏共识

“代理”、“人工智能代理”、“自主代理”或“LLM代理”等术语仍然存在一些含糊之处。

我们定义一个代理（与其他变体互换使用），类似于 Shawn Wang，又名“Swyx”（smol ai 的创始人）、Matt Schlicht（Octane AI 的首席执行官），以及主要来自 OpenAI 的 Lilian Weng。

人工智能代理（AI Agent）拥有三个主要功能。

• AI Agent将推理（reasoning）和行动（acting）结合起来，使用 GPT-3.5 和 GPT-4 等 LLM 来理解、执行和反思任务。
• AI Agent既有短期记忆又有长期记忆。
• AI Agent可以通过调用外部 API 来使用“工具”—例如，它可以浏览网页、使用应用程序、读写文件、付款，甚至控制用户的笔记本电脑。

这些品质将代理与半自主或非自主 LLM 支持的应用程序区分开来。 与“主流”自动化（根据数据或系统状态设置一系列触发器并配置接下来发生的事情）相比，人工智能代理可以在存在大量新信息的不可预测的环境中工作。

图 1. LLM 支持的自主代理系统概述

2、AI Agent从独立产品转变为“隐形”功能

可能不会很快就需要正确定义代理，因为趋势正在从流行的独立代理（通常试图以牺牲质量为代价解决各种问题）转变为代理只是更大产品中未被提及的一部分。

公司致力于将代理驱动的助手作为现有产品的附加功能。 例如，Hyperwrite AI 的 Otherside（充当日常任务的个人助理）、MultiOn&#x