現(xiàn)有基于LLM的智能體雖然在功能上取得了進展，但缺乏模塊化，導(dǎo)致在研究和開發(fā)中存在術(shù)語和架構(gòu)上的混淆，在軟件架構(gòu)上缺乏統(tǒng)一。

“A survey on LLM based autonomous agents”提出的框架，它并沒有明確指出大型語言模型（LLM）、工具、數(shù)據(jù)源和記憶是否是Agent的一部分。這種對每個模塊功能的模糊區(qū)分促進了軟件開發(fā)者之間的分裂，并導(dǎo)致不兼容和阻礙了可重用性

LLM-Agent-UMF框架通過明確區(qū)分智能體的不同組件，包括LLM、工具和新引入的核心智能體（core-agent），來解決這些問題。核心智能體是智能體的中央?yún)f(xié)調(diào)器，包含規(guī)劃、記憶、檔案、行動和安全五個模塊，其中安全模塊在以往的研究中常被忽視。

核心智能體作為基于大型語言模型（LLM）智能體的中心組成部分

核心智能體（core-agent）的內(nèi)部結(jié)構(gòu)

核心智能體（core-agent）是LLM-Agent-UMF框架的關(guān)鍵組成部分。核心智能體被設(shè)計為智能體的中央?yún)f(xié)調(diào)器，負責管理和協(xié)調(diào)智能體的各種功能和組件。內(nèi)部結(jié)構(gòu)被劃分為五個主要模塊，每個模塊都有其特定的功能和責任：

核心智能體的內(nèi)部結(jié)構(gòu)

1. 規(guī)劃模塊（Planning Module）：

• 規(guī)劃模塊是核心智能體的關(guān)鍵組成部分，負責將復(fù)雜的任務(wù)分解成可執(zhí)行的步驟，并生成有效的行動計劃：

• 規(guī)劃過程（Planning Process）：

• 任務(wù)分解（Task Decomposition）：將復(fù)雜任務(wù)分解為更簡單的子任務(wù)，建立中間目標的層次結(jié)構(gòu)。
• 計劃生成（Plan Generation）：為每個子任務(wù)制定具體計劃，包括所需工具和參與方。

• 規(guī)劃策略（Planning Strategies）：
• 單路徑策略（Single-path Strategy）：生成單一路徑或程序序列來實現(xiàn)目標，不探索替代方案。
• 多路徑策略（Multi-path Strategy）：生成多個計劃，評估并選擇最合適的路徑。
• 規(guī)劃技術(shù)（Planning Techniques）：
• 基于規(guī)則的技術(shù)（Rule-based Technique）：使用符號規(guī)劃器和PDDL等正式推理方法。
• 語言模型驅(qū)動的技術(shù)（Language Model Powered Technique）：利用LLM的知識和推理能力來制定規(guī)劃策略。
• 反饋源（Feedback Sources）：
• 人類反饋（Human Feedback）：來自核心智能體與人類的直接互動，用于調(diào)整規(guī)劃以符合人類價值觀和偏好。
• 工具反饋（Tool Feedback）：來自核心智能體使用的內(nèi)部或外部工具的反饋，用于優(yōu)化工具選擇和使用策略。
• 同級核心智能體反饋（Sibling Core-Agent Feedback）：來自同一系統(tǒng)內(nèi)不同核心智能體之間的互動和信息交換。

2. 記憶模塊（Memory Module）：

• 負責存儲和檢索與核心智能體活動相關(guān)的信息，以提高決策效率和任務(wù)執(zhí)行能力。
• 記憶結(jié)構(gòu)分為短期記憶和長期記憶，分別對應(yīng)不同的信息存儲和檢索需求。
• 記憶位置包括嵌入式記憶（核心智能體內(nèi)）和記憶擴展（核心智能體外，但在智能體系統(tǒng)內(nèi)）。
• 記憶格式可以是自然語言、嵌入向量、SQL數(shù)據(jù)庫或結(jié)構(gòu)化列表。

3. 檔案模塊（Profile Module）：

• 定義LLM的角色和行為，以適應(yīng)特定的用例和策略。
• 包含多種方法，如手工制作上下文學(xué)習方法、LLM生成方法、數(shù)據(jù)集對齊方法和新引入的微調(diào)可插拔模塊方法。

4. 行動模塊（Action Module）：

• 將智能體的決策轉(zhuǎn)化為具體行動，通過行動目標、行動產(chǎn)生、行動空間和行動影響四個視角來定義。
• 行動產(chǎn)生方法包括通過記憶回憶、計劃遵循和API調(diào)用請求來執(zhí)行行動。

5. 安全模塊（Security Module）：

• 監(jiān)控行動模塊，特別是在生產(chǎn)環(huán)境中，以確保LLM的安全和負責任的使用。
• 遵循機密性、完整性、可用性（CIA）原則，確保信息和資源的安全。
• 安全措施包括提示保護、響應(yīng)保護和數(shù)據(jù)隱私保護。

核心智能體（core-agent）的分類

對核心智能體進行了分類，區(qū)分為主動核心智能體（Active Core-Agents）和被動核心智能體（Passive Core-Agents），以闡明它們在結(jié)構(gòu)和功能上的差異。

主動和被動核心智能體的內(nèi)部結(jié)構(gòu)

主動核心智能體（Active Core-Agents）：

• 包含規(guī)劃、記憶、檔案、行動和安全五個模塊。
• 負責協(xié)調(diào)和管理智能體的其他組件，需要規(guī)劃模塊來分解任務(wù)、提供上下文、分析信息和做決策。
• 具有狀態(tài)性（stateful），能夠維護關(guān)于其過去交互和狀態(tài)的信息。
• 能夠控制LLM的行為和檔案，具有動態(tài)適應(yīng)不同任務(wù)的能力。
• 在多核心智能體系統(tǒng)中，可能需要復(fù)雜的同步機制。

多主動核心智能體架構(gòu)

被動核心智能體（Passive Core-Agents）：

• 主要負責執(zhí)行特定程序，通常不包含規(guī)劃和記憶模塊。
• 通常是無狀態(tài)的（stateless），只處理當前任務(wù)的狀態(tài)。
• 行動模塊是其核心，根據(jù)外部指令（如LLM或主動核心智能體的指令）執(zhí)行操作。
• 與人類的互動通常是單向的，只能由被動核心智能體發(fā)起。
• 在多核心智能體系統(tǒng)中，集成新的核心智能體相對簡單，因為它們主要執(zhí)行特定的、有限的任務(wù)。

包括被動核心智能體的基于大型語言模型（LLM）的智能體架構(gòu)

多被動核心智能體架構(gòu)

混合多核心智能體（Hybrid Multi-Core Agent）架構(gòu)，

• 這是一種結(jié)合了主動核心智能體（Active Core-Agents）和被動核心智能體（Passive Core-Agents）的智能體設(shè)計。
• 利用主動核心智能體的管理和協(xié)調(diào)能力，以及被動核心智能體的執(zhí)行特定任務(wù)的能力。
• 在保持系統(tǒng)靈活性和可擴展性的同時，處理更廣泛的任務(wù)。

一主動多被動核心智能體混合架構(gòu)

多主動多被動核心智能體混合架構(gòu)

核心智能體（core-agent）的有效性

• 驗證LLM-Agent-UMF框架在設(shè)計和改進多核心智能體系統(tǒng)中的應(yīng)用價值。
• 展示如何通過合并不同智能體的特性來創(chuàng)建具有增強功能的新型智能體。
• 通過將LLM-Agent-UMF框架應(yīng)用于現(xiàn)有的智能體，如Toolformer、Confucius、ToolLLM和ChatDB，來識別和分類這些智能體中的核心智能體及其模塊。

使用LLM-Agent-UMF對最新智能體進行分類。

Toolformer和Confucius的多被動核心智能體系統(tǒng)：結(jié)合了Toolformer和Confucius的被動核心智能體，以處理特定的工具調(diào)用和任務(wù)執(zhí)行。

基于大型語言模型的智能體1（LA1）：Toolformer和Confucius - 多被動核心智能體架構(gòu)。

ToolLLM和ChatDB的多主動核心智能體系統(tǒng)：將ToolLLM的API檢索能力和ChatDB的復(fù)雜推理能力結(jié)合起來，創(chuàng)建了一個能夠執(zhí)行高級任務(wù)規(guī)劃和執(zhí)行的智能體。

基于大型語言模型的智能體2-A（LA2-A）：ToolLLM和ChatDB - 多主動核心智能體架構(gòu)。

https://arxiv.org/pdf/2409.11393
LLM-AGENT-UMF: LLM-BASED AGENT UNIFIED MODELING FRAMEWORK FOR SEAMLESS INTEGRATION OF M

本文轉(zhuǎn)載自??PaperAgent??