“Android、iOS 和 Windows 都是平臺，AI Agent 將成為下一個平臺”，比爾·蓋茨在他的博客文章中這樣說到。

那讓比爾·蓋茨都為之傾倒的 AI Agent，究竟是什么呢？

隨著 AI 技術(shù)的日益普及，未來五年內(nèi)我們將不再使用不同的應(yīng)用程序來完成不同的任務(wù)，相反只需用日常用語告訴你的手機(jī)或電腦想要做什么，它們就能夠處理你的請求。在不遠(yuǎn)的將來，任何上網(wǎng)的人都將能夠擁有一個由人工智能驅(qū)動的個人助理，也就是所謂的“AI Agent”。

1、AI Agent 的概念

AI Agent 是一種應(yīng)用了大模型（LLM）能力的 Agent，也被稱為智能體。它由 LLM、 Planning（規(guī)劃）、 Memory（記憶）和 Tools（工具）等幾部分組成。其中，LLM 是核心大腦，Memory、Planning Skills 以及 Tool Use 等則是 Agents 系統(tǒng)實現(xiàn)的三個關(guān)鍵組件。

與大型語言模型（LLM）在像 ChatGPT 這樣的工具中“通?！钡氖褂梅绞讲煌?，Agent 擁有復(fù)雜的工作流程，模型本質(zhì)上可以自我對話，而無需人類驅(qū)動每一部分的交互。

AI Agent 具有自主決策和行動能力，可以理解并適應(yīng)復(fù)雜環(huán)境，根據(jù)目標(biāo)，自主思考、制定計劃并執(zhí)行相應(yīng)任務(wù)。相較于 Copilot 的工具型輔助能力，Agent 更注重對環(huán)境的實時感知和判斷，更像人類一樣形成獨立的決策和行動方案。

圖片

IDC 調(diào)研顯示，Agent 被普遍認(rèn)為是 AI 應(yīng)用發(fā)展的趨勢性方向，50%的企業(yè)已經(jīng)在某項工作中進(jìn)行了 AI Agent 的試點，另有 34%的企業(yè)正在制定 AI Agent 的應(yīng)用計劃，主要應(yīng)用于智能終端、智能座艙、汽車自動駕駛、工業(yè)機(jī)器人和人形機(jī)器人等領(lǐng)域。

2、AI Agent 的潛力與優(yōu)勢

比爾·蓋茨認(rèn)為 AI Agent 將成為下一個平臺，未來五年內(nèi)人們將通過日常用語與 AI Agent 交流，完成各種任務(wù)。Meta 創(chuàng)始人扎克伯格也曾表示，看到了“以有用、且有意義的方式，向數(shù)十億人介紹 AI Agents 的機(jī)會”。

AI Agent 是一種人工智能技術(shù)，它具有巨大的潛力和優(yōu)勢，可以幫助人們解決各種問題和任務(wù)。以下是 AI Agent 的一些主要優(yōu)勢和潛在應(yīng)用：

• 自動化

AI Agent 可以自動執(zhí)行各種任務(wù)，從而節(jié)省時間和提高效率。它可以處理重復(fù)性的任務(wù)，如數(shù)據(jù)輸入、客戶服務(wù)和訂單處理等，從而釋放人力資源，使人們能夠?qū)Ｗ⒂诟袃r值的工作。

• 智能決策

AI Agent 可以使用數(shù)據(jù)和算法來做出更明智的決策。它可以分析市場趨勢、客戶行為和競爭對手，從而幫助企業(yè)制定更有效的戰(zhàn)略和決策。

• 個性化服務(wù)

AI Agent 可以根據(jù)客戶的偏好和行為來提供個性化的服務(wù)。它可以通過分析客戶數(shù)據(jù)來了解客戶的需求和喜好，從而提供更符合客戶需求的產(chǎn)品和服務(wù)。

• 高用戶滿意度

AI Agent 可以提供 24/7 的客戶服務(wù)，從而提高客戶滿意度。它可以快速響應(yīng)客戶的問題和請求，并提供準(zhǔn)確的信息和解決方案。

• 創(chuàng)新

AI Agent 可以幫助企業(yè)探索新的業(yè)務(wù)模式和創(chuàng)新解決方案。它可以分析市場趨勢和技術(shù)發(fā)展，從而幫助企業(yè)發(fā)現(xiàn)新的機(jī)會和創(chuàng)新點。

3、AI Agent 的基本框架

OpenAI 將 AI Agent 定義為：以大語言模型為大腦驅(qū)動，具有自主理解感知、規(guī)劃、記憶和使用工具的能力，能自動化執(zhí)行完成復(fù)雜任務(wù)的系統(tǒng)。

AI Agent 基本框架如下圖：

它包括以下幾個核心模塊：

• 記憶（Memory）

記憶模塊負(fù)責(zé)存儲信息，包括過去的交互、學(xué)習(xí)到的知識，甚至是臨時的任務(wù)信息。對于一個智能體來說，有效的記憶機(jī)制能夠保障它在面對新的或復(fù)雜的情況時，調(diào)用以往的經(jīng)驗和知識。

例如，一個具備記憶功能的聊天機(jī)器人可以記住用戶的偏好或先前的對話內(nèi)容，從而提供更個性化和連貫的交流體驗。 

它分為短期記憶和長期記憶： 

    a. 短期記憶，所有的上下文學(xué)習(xí)都是利用短期記憶來學(xué)習(xí)； 

    b. 長期記憶，這為智能體提供了長時間保留和回憶。

• 規(guī)劃（Planning）

規(guī)劃模塊具有事前規(guī)劃和事后反思兩個階段。 

    a. 在事前規(guī)劃階段，這里涉及對未來行動的預(yù)測和決策制定，如執(zhí)行復(fù)雜任務(wù)時，智能體將大目標(biāo)分解為更小的、可管理的子目標(biāo)，從而能夠高效地規(guī)劃一系列步驟或行動，以達(dá)到預(yù)期結(jié)果。 

    b. 在事后反思階段，智能體具有檢查和改進(jìn)制定計劃中不足之處的能力，反思錯誤不足并吸取經(jīng)驗教訓(xùn)進(jìn)行完善，形成和加入長期記憶，幫助智能體之后規(guī)避錯誤、更新其對世界的認(rèn)知。

• 使用工具（Tool use）

工具使用模塊指的是智能體能夠利用外部資源或工具來執(zhí)行任務(wù)。如學(xué)習(xí)調(diào)用外部 API 來獲取模型權(quán)重中缺失的額外信息，包括當(dāng)前信息、代碼執(zhí)行能力、對專有信息源的訪問等，以此來補(bǔ)足 LLM 自身弱項。

例如 LLM 的訓(xùn)練數(shù)據(jù)不是實時更新的，這時可以使用工具訪問互聯(lián)網(wǎng)來獲取最新信息，或者使用特定軟件來分析大量數(shù)據(jù)。 

現(xiàn)在市場上已經(jīng)存在大量數(shù)字化、智能化的工具，智能體使用工具比人類更為順手和高效，通過調(diào)用不同的 API 或工具，完成復(fù)雜任務(wù)和輸出高質(zhì)量結(jié)果，這種使用工具的方式也代表了智能體的一個重要特點和優(yōu)勢。

• 行動（Action）

行動模塊是智能體實際執(zhí)行決定或響應(yīng)的部分。面對不同的任務(wù)，智能體系統(tǒng)有一個完整的行動策略集，在決策時可以選擇需要執(zhí)行的行動，比如廣為熟知的記憶檢索、推理、學(xué)習(xí)、編程等。

除了以上四個核心模塊之外，一個 AI Agent 的良好運行離不開LLM、提示詞（Prompt）以及知識庫（Knowledge）。

• LLM

AI Agent 的核心計算引擎是一個大語言模型。LLM 在海量數(shù)據(jù)集上進(jìn)行訓(xùn)練，以理解文本數(shù)據(jù)并從中推理。

• 提示詞（Prompt）

提示詞是向大語言模型（LLM）提供關(guān)于 Agent 的目標(biāo)、行為與計劃的信息闡述。建議從角色、技能、插件、知識庫等層面，分層次進(jìn)行描述，這樣能讓提示詞（Prompt）更完善。 

它分為通用提示詞和特定提示詞：

    a. 通用提示詞（General prompt）：對 Agent 的角色與行為予以說明。

    b. 特定提示詞（Specific prompt）：將特定任務(wù)的目標(biāo)傳達(dá)給 Agent。

• 知識庫（Knowledge）

沒有該領(lǐng)域的知識，代理就無法解決甚至理解任務(wù)。因此，要么必須對 LLM 進(jìn)行微調(diào)以獲得知識，要么我們可以創(chuàng)建一個工具來從數(shù)據(jù)庫中提取知識。

總的來說，以上各個模塊相互配合使 Agent 能夠在更廣泛的情境中采取行動和作出決策，以更智能、更高效的方式執(zhí)行復(fù)雜任務(wù)。

4、應(yīng)用示例

示例 Agent 使用 Langchain 框架創(chuàng)建，“wikipedia”工具用于從互聯(lián)網(wǎng)中提取知識，“l(fā)lm-math”用于數(shù)值計算。

# Large language model
llm = AzureChatOpenAI()


# Tool integration
tools = load_tools(['wikipedia', 'llm-math'], llm=llm)


# Initialization of the agent
agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, 
                         verbose=True, handle_parsing_errors=True)
                         
# Run the agent with a prompt
result = agent.run('What is the average age of a dog? Multiply the age by 3')

執(zhí)行及結(jié)果：

圖片

5、一些常見的 AI Agent 構(gòu)建平臺

AI Agent 是一種能夠自主執(zhí)行任務(wù)并與環(huán)境進(jìn)行交互的智能體。以下是一些常見的 AI Agent 構(gòu)建平臺：

• Coze

是一個新一代的一站式 AI Bot 開發(fā)平臺，適用于構(gòu)建基于 AI 模型的各類問答 Bot。它集成了豐富的插件工具，可以極大地拓展 Bot 的能力邊界。

• Microsoft 的 Copilot Studio

這個平臺的主要功能包括外掛數(shù)據(jù)、定義流程、調(diào)用 API 和操作，以及將 Copilot 部署到各種渠道。

• 文心智能體

是百度推出的基于文心大模型的智能體（Agent）平臺，支持開發(fā)者根據(jù)自身需求打造大模型時代的產(chǎn)品能力。

• 釘釘 AI 超級助理

依托于釘釘強(qiáng)大的場景和數(shù)據(jù)優(yōu)勢，提供更深入的環(huán)境感知和記憶功能。這使得它在處理高頻工作場景如銷售、客服、行程安排等方面表現(xiàn)更加出色。

• 以及阿里通義、智譜清言、豆包等等

Finally，最后

總的來說，AI Agent 是一種非常有前途的技術(shù)，它可以幫助企業(yè)提高效率、降低成本、提高客戶滿意度和實現(xiàn)創(chuàng)新。

然而，要真正擴(kuò)展 AI Agent 的開發(fā)和管理，靈活、直觀的無代碼到低代碼解決方案將是變革性的。