为什么说 Agent 是 AI 未来的趋势？

其实 AI Agent 这个词是从去年开始慢慢被大家关注，还记得去年比尔盖茨在他的个人博客上说过的那句话么？

他说：在接下来的几年里，Agent 将彻底改变我们的生活方式，无论是线上还是线下。

博客原文地址 👉 https://www.gatesnotes.com/AI-agents

---

1、什么是 AI Agent ?

我尝试用大白话跟大家盘清楚。

在互联网时代，我们基于 安卓、IOS、Windows 这些平台，可以构建很多软件应用 APP。

咱们手机里的这些 APP 都是互联网时代的产物，它可以满足我们的日常需求。

我可以用它来买东西，我可以用它来刷视频，我同样也可以用它来学习。每个 APP 都在一些特定场景下能帮助到我们。

那么在AI时代呢？我们经常听到的什么什么大模型，就好比互联网时代的平台。

但光有大模型也不行，为啥？因为大模型只是基础设施，没有为我们解决具体问题。

还得和互联网时代一样要有具体的应用，所以就产生出来了 AI Agent 的概念，Agent 也被说成是AI代理、AI机器人，其实也是类似的意思。

AI Agent 其实就是AI时代下的应用，一个 AI Agent 应用就好比你手机里面的一个 APP。这样说你应该能理解了吧？

---

2、AI Agent 对我们有什么用？

通过刚刚我们在上面的介绍，你应该多少有些概念了。那么我们接着展开说说，这玩意到底与我们有什么关系？

GPT 在回答通用型的问题是没问题的。在垂直、特定的领域，让AI Agent 做你的AI助理其实是可以比GPT更好的。

我们来列举几个场景

旅游线路推荐场景，AI Agent 你可以设置你的 Agent 调用邮箱、日历、微信、买票、酒店 API协助你，在一个 Agent 中完成所有的事情。

以前你完成这些事情需要在多个 App 之间来回切换，对比最优的方案，Agent 可以帮大大缩短流程和帮你提效，而且还是全自动的。

另外，比如说写代码，我们用 ChatGPT 写出来可能有几十行代码有 bug。

但我们用编程类的 Agent 去模拟人类的开发流程，这样就能减少 bug，更能符合我们的要求。

ChatDev 这种 Agent 目前就能做到。

比如，你是一家商业咨询公司，每天有大量的数据表格要处理，不仅要把数据库里面的原始数据做清洗，还要整理整理成表格，接着根据这个表格的数据做统计分析，最后得到一些商业洞察。

那么通用的 ChatGPT 是无法满足你的，最理想的方式是使用 AI 的能力，构建属于自己业务的代理机器人 Agent

把数据库连接到 Agent，输入你最终想要的洞察问题，过一会这个报告就出来了。甚至可以连接你的手机和邮箱，生成好了自动发送给你。

等等… AI Agent 能做的不仅仅只有这些，基本上覆盖到各行各业。

听起来很科幻，但已经是确定的未来了。可以说 Agent 是 AI 领域的下一个形态。它让AI仅仅说什么什么东西，进化到了帮你做什么什么事情。

---

3、AI Agent 是怎么工作的？

我们先看看人类是怎么工作的？一般都离不开 制定计划、执行计划、检查结果、优化改进。这一套流程不停地循环。当然这也被称为「PDCA循环工作方法原则」

结合上面的图片，可以更加清晰了解啥是 PDCA 工作法。

那么问题来了，我们前面说过，Agent 是 AI 领域的下一个形态，从教你做，变成帮你做。那具体是帮我们做的呢？

其实 Agent 代替人做事情，也是遵守我们上面提到的 PDCA 工作法原则的。

Planning 部分，Agent 会把大任务分解成它可管理可执行的小任务。

Tools 部分，Agent 会去执行任务，在模型知识不够的情况下，也会去主动调用外部 API 接口，例如说访问本地知识库信息、获取实时信息 等，都是在这个环节实现的。

Action 部分，会根据 Tools 部分执行后的结果，进行优化改进，这也是整个 Agent 最重要的环节。就好比我们人做完一件事情后，会反思迭代。

Memory 部分，大模型的上下文记忆是有限的，而 Agent 有效地解决了这个问题。每一次的执行 Agent 都会按照要求存储在 Memory 下，方便下次 Planning 部分制定计划时使用。

上面我们是基于一个 AI Agent 的原理拆解，多个 Agent 之间也是可以通讯的，就好比我们每个人在处理工作的时候，能协同办公一样。这个我们以后再具体展开讲。

大模型就像是 Agent 的大脑。Agent 可以根据人类制定的计划进行拆解和执行，并不停地循环把执行结果进行反馈和调优，最终达到制定的计划目标。

可以说，AI Agent 的出现就是为了模仿我们人类的工作模式，来提高生产效率的。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】