Agent is all you need | AI智能体前沿进展总结

作者 / Master Kunlun 编辑 / Editor Kunlun

技术日新月异，人类生活方式正在快速转变，这一切给人类历史带来了一系列不可思议的奇点。我们曾经熟悉的一切，都开始变得陌生。

一、自主智能体概述(Autonoumous Agent)

智能体（Agent) 的概念其实已经和AI一样古老了，此前agent相关的研究集中在强化学习(Reinforcement learning)以及机器人学(Robotics)中，例如deepmind的Alphago和openai的OpenaiFive都是比较典型的基于强化学习智能体运用。

最近关于agent的研究和话题开始呈现井喷之势，例如AutoGPT, BabyAGI, Generative Agents, MetaGPT等项目在github上已狂揽上万star，成为炙手可热的明星项目。

相比于之前的基于强化学习的Agent研究，本文的agent主要是指以大模型技术(LLM)作为主体或者大脑，能进行自动规划，拥有自主决策能力，以解决复杂问题的智能体。

和Agent的现实潜力相比，现在的ChatGPT或者GPT-4可能仅仅使用到大模型当前不到10%的能力。

我个人开始重点开始关注这个领域是因为OpenAI计算机科学家Andrej Karpathy在twitter(X)表明了agent相关的工作是当前openai重点关注的研究课题之一。以及各种在github刷榜的agent项目。

本文对agent的一些核心的技术要点和关键工作进行简单总结和介绍，

相关的文献最新研究也会持续更新在github仓库中：

https://github.com/Kunlun-Zhu/Awesome-Agents-Research

图一、Autonomou Agent基本组成结构（Lilian Weng)

一个Agent的基本组成应该包含如下四个方面规划（planning), 工具（Tools), 执行(Action), 和记忆(Memory)。

图二、近两年AI智能体相关工作发展（lei wang et, al.)

(1) 智能体决策(Agent Planning)

Agent Planning是Agent能力的核心，一个好的规划决定了agent能否顺利执行以及解决问题，规划简单来说就是任务分解(Task Decomposition); 把复杂的问题划分成可以一步步解决的小步骤，以及不断根据反馈(feedback)去重新调整策略。

• Chain of thought(Wei et al.)

Chain-of-Thought