1. 智能體一個(gè)被重新定義的“老”概念如果你最近關(guān)注AI領(lǐng)域大概率已經(jīng)被“智能體”這個(gè)詞刷屏了。從OpenAI的GPTs到各種低代碼的智能體搭建平臺(tái)再到鋪天蓋地的“AI Agent”創(chuàng)業(yè)項(xiàng)目這個(gè)詞仿佛一夜之間成了技術(shù)圈的頂流。但如果你去問(wèn)一個(gè)從業(yè)超過(guò)十年的老程序員他可能會(huì)告訴你“這不就是Agent嗎我們搞分布式系統(tǒng)、游戲AI的時(shí)候就在用了?！?這話沒(méi)錯(cuò)但也不全對(duì)。今天我們就來(lái)聊聊這個(gè)既熟悉又陌生的“智能體”看看它到底經(jīng)歷了什么才從后臺(tái)的技術(shù)術(shù)語(yǔ)變成了今天人人都在談?wù)摰摹跋乱淮换シ妒健?。?jiǎn)單來(lái)說(shuō)智能體Agent的核心思想一直沒(méi)變它是一個(gè)能夠感知環(huán)境、自主決策并執(zhí)行動(dòng)作以實(shí)現(xiàn)目標(biāo)的實(shí)體。這個(gè)定義放之四海而皆準(zhǔn)。在傳統(tǒng)軟件工程里一個(gè)監(jiān)控服務(wù)器CPU使用率的守護(hù)進(jìn)程當(dāng)使用率超過(guò)閾值時(shí)自動(dòng)擴(kuò)容這就是一個(gè)簡(jiǎn)單的智能體。在游戲里一個(gè)會(huì)根據(jù)玩家位置選擇進(jìn)攻或逃跑的NPC也是一個(gè)智能體。它們的共同點(diǎn)是有明確的輸入環(huán)境狀態(tài)有內(nèi)置的規(guī)則或邏輯決策模型有明確的輸出動(dòng)作。那么為什么今天基于大語(yǔ)言模型LLM的“智能體”會(huì)引發(fā)如此大的關(guān)注關(guān)鍵在于決策模型的革命性變化。過(guò)去的智能體其“智能”來(lái)自于程序員編寫(xiě)的、清晰且有限的規(guī)則if-else或基于統(tǒng)計(jì)的模型如強(qiáng)化學(xué)習(xí)。它的能力上限在開(kāi)發(fā)時(shí)就被鎖死了。而今天的LLM智能體其“智能”來(lái)自于一個(gè)經(jīng)過(guò)海量數(shù)據(jù)訓(xùn)練、具備強(qiáng)大泛化理解和生成能力的“大腦”。這個(gè)大腦沒(méi)有預(yù)設(shè)的、針對(duì)特定任務(wù)的硬編碼規(guī)則但它能理解人類(lèi)的自然語(yǔ)言指令能進(jìn)行復(fù)雜的推理和規(guī)劃并能調(diào)用工具如搜索、計(jì)算、寫(xiě)代碼來(lái)完成任務(wù)。這相當(dāng)于給智能體裝上了一顆“通用”的大腦使其能夠處理開(kāi)放域、非結(jié)構(gòu)化的復(fù)雜任務(wù)這才是質(zhì)變。所以當(dāng)我們談?wù)摗爸悄荏w”時(shí)需要分清語(yǔ)境。在傳統(tǒng)計(jì)算機(jī)科學(xué)中它是一個(gè)寬泛的、偏重架構(gòu)和自動(dòng)化的概念。而在當(dāng)前AI的浪潮下它特指以大型語(yǔ)言模型LLM為核心推理引擎能夠理解復(fù)雜目標(biāo)、制定計(jì)劃、調(diào)用工具并完成任務(wù)的自主系統(tǒng)。本系列文章聚焦的正是后者。理解這個(gè)從“專(zhuān)用規(guī)則”到“通用大腦”的演進(jìn)是理解所有后續(xù)技術(shù)細(xì)節(jié)和行業(yè)動(dòng)態(tài)的基礎(chǔ)。2. 智能體的“前世”規(guī)則驅(qū)動(dòng)與早期AI的探索要看清LLM智能體的價(jià)值我們必須先回到它的“前世”看看沒(méi)有大模型的時(shí)代人們是如何構(gòu)建“智能”系統(tǒng)的。這段歷史并非無(wú)用相反今天智能體框架中的許多設(shè)計(jì)思想都能在其中找到影子。2.1 基于規(guī)則的專(zhuān)家系統(tǒng)最早的“智能體”實(shí)踐上世紀(jì)七八十年代專(zhuān)家系統(tǒng)Expert System是人工智能的主流。它的核心是“知識(shí)庫(kù)”和“推理引擎”。知識(shí)庫(kù)里存放著人類(lèi)專(zhuān)家總結(jié)的“如果-那么”If-Then規(guī)則推理引擎則根據(jù)用戶輸入的事實(shí)匹配并執(zhí)行這些規(guī)則給出結(jié)論或建議。例如一個(gè)醫(yī)療診斷專(zhuān)家系統(tǒng)知識(shí)庫(kù)里可能有一條規(guī)則“如果病人發(fā)燒且喉嚨痛那么可能是鏈球菌性喉炎概率70%”。從智能體的三要素來(lái)看感知用戶輸入的癥狀描述結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)。決策推理引擎基于規(guī)則鏈進(jìn)行邏輯推導(dǎo)。執(zhí)行輸出診斷結(jié)果和建議。這完全符合智能體的定義。它的優(yōu)勢(shì)是透明、可控每一個(gè)結(jié)論都有清晰的推理路徑可追溯。但它的局限性也極其明顯知識(shí)獲取瓶頸。構(gòu)建和維護(hù)一個(gè)龐大、完備且無(wú)沖突的規(guī)則庫(kù)是極其困難的成本高昂。更重要的是它極度脆弱無(wú)法處理規(guī)則庫(kù)之外的情況缺乏常識(shí)和泛化能力。一個(gè)只學(xué)過(guò)“發(fā)燒喉嚨痛”規(guī)則的系統(tǒng)面對(duì)“發(fā)燒咳嗽”可能就束手無(wú)策了。2.2 軟件工程中的智能體與多智能體系統(tǒng)在分布式系統(tǒng)和軟件工程領(lǐng)域“Agent”概念被廣泛應(yīng)用通常指一個(gè)為了完成特定目標(biāo)而持續(xù)運(yùn)行的自治軟件實(shí)體。例如網(wǎng)絡(luò)爬蟲(chóng)Web Crawler感知發(fā)現(xiàn)新鏈接、決策根據(jù)爬取策略決定下一個(gè)目標(biāo)、執(zhí)行下載頁(yè)面內(nèi)容。交易代理Trading Agent感知市場(chǎng)行情數(shù)據(jù)、決策基于量化模型判斷買(mǎi)入/賣(mài)出、執(zhí)行提交交易訂單。游戲AI感知游戲世界狀態(tài)、玩家位置、決策行為樹(shù)、狀態(tài)機(jī)、執(zhí)行移動(dòng)、攻擊、釋放技能。在這個(gè)語(yǔ)境下智能體強(qiáng)調(diào)的是自治性Autonomy、反應(yīng)性Reactivity、主動(dòng)性Pro-activeness和社會(huì)能力Social Ability。多智能體系統(tǒng)MAS則研究多個(gè)這樣的智能體如何通過(guò)通信、協(xié)作或競(jìng)爭(zhēng)來(lái)完成更復(fù)雜的任務(wù)這非常像今天多個(gè)AI智能體協(xié)同工作的雛形。這個(gè)階段的智能體其決策邏輯依然是程序員顯式編程的。無(wú)論是行為樹(shù)、有限狀態(tài)機(jī)還是更復(fù)雜的規(guī)劃算法如GOAP其能力和行為邊界在代碼編寫(xiě)完成時(shí)就已經(jīng)確定了。要讓一個(gè)游戲NPC學(xué)會(huì)一種新戰(zhàn)術(shù)必須由程序員修改代碼并重新發(fā)布。缺乏對(duì)模糊、開(kāi)放的自然語(yǔ)言指令的理解和應(yīng)對(duì)能力是它們與當(dāng)今LLM智能體的根本區(qū)別。2.3 傳統(tǒng)AI的嘗試從符號(hào)主義到連接主義在通往通用人工智能的道路上符號(hào)主義Symbolic AI和連接主義Connectionism是兩條主要路徑。專(zhuān)家系統(tǒng)是符號(hào)主義的代表它試圖用邏輯和符號(hào)來(lái)模擬智能。而連接主義即神經(jīng)網(wǎng)絡(luò)則走了另一條路。2010年代隨著深度學(xué)習(xí)在圖像識(shí)別CNN、序列處理RNN/LSTM上取得突破AI在“感知”層面看、聽(tīng)的能力大幅提升。但在需要復(fù)雜推理和規(guī)劃的“認(rèn)知”層面依然乏力。同時(shí)強(qiáng)化學(xué)習(xí)RL在游戲如AlphaGo、機(jī)器人控制等領(lǐng)域取得了驚人成就。一個(gè)強(qiáng)化學(xué)習(xí)智能體通過(guò)與環(huán)境互動(dòng)、獲得獎(jiǎng)勵(lì)來(lái)學(xué)習(xí)最優(yōu)策略這已經(jīng)非常接近我們理想中“學(xué)習(xí)型智能體”的模樣。然而深度強(qiáng)化學(xué)習(xí)對(duì)訓(xùn)練環(huán)境和獎(jiǎng)勵(lì)函數(shù)的設(shè)計(jì)要求極高樣本效率低且學(xué)到的策略通常可解釋性差、遷移能力弱。一個(gè)在《星際爭(zhēng)霸2》中達(dá)到宗師級(jí)別的AI如AlphaStar其策略無(wú)法直接遷移到哪怕稍微不同的游戲環(huán)境中更不用說(shuō)處理現(xiàn)實(shí)世界開(kāi)放域的任務(wù)了。它的“智能”仍然是狹窄且脆弱的。小結(jié)一下“前世”的困境無(wú)論是基于規(guī)則的系統(tǒng)還是基于傳統(tǒng)機(jī)器學(xué)習(xí)/強(qiáng)化學(xué)習(xí)的模型都受困于“狹義智能”。它們需要在特定領(lǐng)域內(nèi)由人類(lèi)精心設(shè)計(jì)特征、規(guī)則或獎(jiǎng)勵(lì)函數(shù)其能力天花板清晰可見(jiàn)。我們?nèi)鄙僖粋€(gè)能夠理解通用目標(biāo)、進(jìn)行常識(shí)推理、并靈活運(yùn)用知識(shí)的“大腦”作為智能體的核心控制器。這個(gè)瓶頸直到大語(yǔ)言模型的出現(xiàn)才被真正打破。3. 智能體的“今生”LLM驅(qū)動(dòng)的范式革命轉(zhuǎn)折點(diǎn)出現(xiàn)在大型語(yǔ)言模型特別是GPT-3及之后模型的涌現(xiàn)能力被廣泛認(rèn)知之后。LLM所展現(xiàn)出的強(qiáng)大語(yǔ)言理解、知識(shí)儲(chǔ)備、邏輯推理和代碼生成能力為構(gòu)建新一代智能體提供了近乎完美的“大腦”或“推理引擎”。3.1 核心變革從“編程行為”到“理解意圖”這是最根本的范式轉(zhuǎn)換。過(guò)去的智能體我們告訴它“怎么做”How當(dāng)條件A滿足時(shí)執(zhí)行動(dòng)作B。而LLM智能體我們告訴它“做什么”What以及“為什么”Why以自然語(yǔ)言描述一個(gè)復(fù)雜目標(biāo)例如“幫我分析一下公司上個(gè)季度的銷(xiāo)售數(shù)據(jù)找出表現(xiàn)最好的三個(gè)產(chǎn)品并寫(xiě)一份摘要報(bào)告”。LLM智能體的工作流程變成了理解與規(guī)劃LLM解析用戶的自然語(yǔ)言指令理解其深層意圖和隱含約束。然后它將這個(gè)宏大目標(biāo)分解成一系列可執(zhí)行的子任務(wù)規(guī)劃。例如“1. 獲取銷(xiāo)售數(shù)據(jù)2. 清洗和處理數(shù)據(jù)3. 按產(chǎn)品計(jì)算銷(xiāo)售額4. 排序找出Top 35. 撰寫(xiě)報(bào)告”。工具調(diào)用LLM知道自己不能直接操作數(shù)據(jù)庫(kù)或?qū)懳募Ｒ虼嗽谝?guī)劃每一步時(shí)它會(huì)判斷是否需要調(diào)用外部工具函數(shù)。例如對(duì)于“獲取銷(xiāo)售數(shù)據(jù)”它會(huì)調(diào)用query_database(sql)函數(shù)對(duì)于“撰寫(xiě)報(bào)告”它會(huì)調(diào)用generate_doc(content)函數(shù)。執(zhí)行與迭代智能體框架如LangChain、AutoGPT早期的設(shè)計(jì)負(fù)責(zé)執(zhí)行這個(gè)計(jì)劃按順序調(diào)用工具將工具執(zhí)行的結(jié)果數(shù)據(jù)、狀態(tài)作為新的上下文反饋給LLM。LLM根據(jù)結(jié)果決定下一步是繼續(xù)執(zhí)行下一個(gè)子任務(wù)還是需要對(duì)當(dāng)前結(jié)果進(jìn)行調(diào)整反思。這個(gè)過(guò)程可能包含多輪循環(huán)。注意這里的“規(guī)劃”能力在早期LLM中并不穩(wěn)定容易出現(xiàn)規(guī)劃錯(cuò)誤或幻覺(jué)。因此后續(xù)出現(xiàn)了如ReActReason Act、Chain of ThoughtCoT等提示工程技術(shù)以及更復(fù)雜的框架來(lái)引導(dǎo)和約束LLM的推理過(guò)程。關(guān)鍵在于整個(gè)任務(wù)分解和工具調(diào)用的邏輯并不是程序員預(yù)先寫(xiě)死的。對(duì)于同一個(gè)任務(wù)不同的LLM、不同的提示詞可能產(chǎn)生不同的執(zhí)行計(jì)劃。LLM賦予了智能體應(yīng)對(duì)前所未見(jiàn)任務(wù)的潛力。只要它理解任務(wù)目標(biāo)并能訪問(wèn)到合適的工具它就有可能組合出完成任務(wù)的路徑。這實(shí)現(xiàn)了從“狹義智能”到“通用智能”的巨大跨越。3.2 技術(shù)棧的演進(jìn)從提示詞工程到智能體框架隨著LLM智能體概念的爆發(fā)其技術(shù)實(shí)現(xiàn)也經(jīng)歷了快速的迭代。第一階段提示詞工程Prompt Engineering驅(qū)動(dòng)。早期人們通過(guò)精心設(shè)計(jì)提示詞直接讓LLM如ChatGPT扮演一個(gè)角色并按照特定格式如JSON輸出包含“思考”和“動(dòng)作”的文本。開(kāi)發(fā)者再解析這些文本來(lái)調(diào)用工具。這種方式簡(jiǎn)單直接但非常脆弱需要大量調(diào)試提示詞且難以處理復(fù)雜的狀態(tài)管理和長(zhǎng)程任務(wù)。AutoGPT的早期版本是這方面的典型代表它展示了潛力但也暴露了效率低下、容易陷入循環(huán)等問(wèn)題。第二階段專(zhuān)用框架Agent Framework涌現(xiàn)。為了系統(tǒng)化地解決上述問(wèn)題一系列智能體開(kāi)發(fā)框架應(yīng)運(yùn)而生。它們提供了標(biāo)準(zhǔn)化的抽象和組件Agent智能體本身封裝了LLM、記憶、工具等。Tools將外部能力搜索、計(jì)算、API調(diào)用封裝成可供LLM調(diào)用的函數(shù)?？蚣茇?fù)責(zé)向LLM描述工具的功能并將LLM的自然語(yǔ)言請(qǐng)求轉(zhuǎn)換為具體的函數(shù)調(diào)用。Memory分為短期記憶對(duì)話上下文和長(zhǎng)期記憶向量數(shù)據(jù)庫(kù)存儲(chǔ)的歷史經(jīng)驗(yàn)讓智能體擁有持續(xù)學(xué)習(xí)和對(duì)活能力。Planning提供更強(qiáng)大的規(guī)劃模塊可能包括子目標(biāo)分解、多路徑規(guī)劃、反思與修正等高級(jí)能力。LangChain/LlamaIndex早期以其豐富的工具集成和鏈Chain的抽象聞名雖然它不完全是智能體框架但其Agent模塊是許多開(kāi)發(fā)者的起點(diǎn)。AutoGen微軟、CrewAI等則更側(cè)重于多智能體協(xié)作模擬一個(gè)團(tuán)隊(duì)如何通過(guò)分工、討論來(lái)解決問(wèn)題。Dify、FastGPT等平臺(tái)則進(jìn)一步降低了門(mén)檻通過(guò)可視化工作流的方式讓用戶通過(guò)拖拽就能組裝一個(gè)具備復(fù)雜邏輯的智能體應(yīng)用。這些框架的核心價(jià)值在于它們將智能體系統(tǒng)的通用模式感知-決策-執(zhí)行循環(huán)標(biāo)準(zhǔn)化、模塊化了讓開(kāi)發(fā)者無(wú)需從零開(kāi)始處理工具調(diào)用解析、狀態(tài)管理、錯(cuò)誤處理等繁瑣問(wèn)題可以更專(zhuān)注于任務(wù)邏輯和工具本身。3.3 當(dāng)前的熱點(diǎn)與挑戰(zhàn)今天的智能體領(lǐng)域熱鬧非凡但也充滿了挑戰(zhàn)。熱點(diǎn)集中在以下幾個(gè)方向長(zhǎng)上下文與知識(shí)管理任務(wù)越復(fù)雜需要的上下文就越長(zhǎng)。如何讓智能體在超長(zhǎng)的對(duì)話和任務(wù)歷史中準(zhǔn)確記住關(guān)鍵信息避免遺忘這催生了更先進(jìn)的記憶模塊和檢索技術(shù)。最新的LLM如Claude 3、GPT-4 Turbo本身支持超長(zhǎng)上下文但如何有效利用仍是問(wèn)題。規(guī)劃與推理的可靠性LLM的“幻覺(jué)”在智能體任務(wù)中會(huì)被放大。一個(gè)錯(cuò)誤的規(guī)劃可能導(dǎo)致整個(gè)任務(wù)失敗。研究如何讓智能體的推理更可靠、更可驗(yàn)證是核心挑戰(zhàn)。包括使用更復(fù)雜的提示模式、集成符號(hào)推理器、或讓智能體在行動(dòng)前進(jìn)行“沙盤(pán)推演”。工具使用的精準(zhǔn)與高效如何讓LLM從海量工具中準(zhǔn)確選擇最合適的一個(gè)如何描述工具才能讓LLM最好地理解工具調(diào)用失敗后如何優(yōu)雅地重試或調(diào)整計(jì)劃這涉及到工具生態(tài)的建設(shè)和工具學(xué)習(xí)Tool Learning的研究。多智能體協(xié)作單一智能體能力有限讓多個(gè)各具專(zhuān)長(zhǎng)的智能體一個(gè)負(fù)責(zé)搜索一個(gè)負(fù)責(zé)分析一個(gè)負(fù)責(zé)寫(xiě)作通過(guò)協(xié)作解決問(wèn)題是更強(qiáng)大的范式。但這引入了智能體間通信、協(xié)調(diào)、避免沖突等新問(wèn)題。評(píng)估與基準(zhǔn)測(cè)試如何衡量一個(gè)智能體的好壞傳統(tǒng)的準(zhǔn)確率、召回率指標(biāo)不再適用。需要建立一套針對(duì)復(fù)雜、開(kāi)放域任務(wù)的評(píng)估體系如WebArena、AgentBench等基準(zhǔn)測(cè)試開(kāi)始出現(xiàn)。4. 智能體與“八股”新時(shí)代的必備知識(shí)體系標(biāo)題中的“八股”是個(gè)有趣的詞。在古代它是僵化文章的代名詞但在今天的程序員語(yǔ)境里“面試八股文”指的是那些基礎(chǔ)、經(jīng)典、必考的知識(shí)點(diǎn)。將“智能體”與“八股”并列恰恰點(diǎn)明了當(dāng)前學(xué)習(xí)智能體開(kāi)發(fā)的一個(gè)現(xiàn)狀這個(gè)領(lǐng)域正在快速形成一套新的、公認(rèn)的基礎(chǔ)知識(shí)體系和最佳實(shí)踐。掌握這套“新八股”是進(jìn)入這個(gè)領(lǐng)域的敲門(mén)磚。那么智能體開(kāi)發(fā)的“八股”包含哪些內(nèi)容呢它絕不僅僅是調(diào)用某個(gè)API那么簡(jiǎn)單而是一個(gè)多層次的知識(shí)棧4.1 基礎(chǔ)層LLM核心原理與提示工程這是智能體的“大腦”本身。你需要理解Transformer架構(gòu)核心注意力機(jī)制特別是自注意力是如何工作的它為什么能處理序列數(shù)據(jù)并建立長(zhǎng)程依賴(lài)不需要深究數(shù)學(xué)但要理解其賦予模型“上下文理解能力”的本質(zhì)。生成過(guò)程LLM是如何一個(gè)字一個(gè)字生成文本的溫度Temperature、Top-p采樣等參數(shù)如何影響輸出的創(chuàng)造性和穩(wěn)定性這在設(shè)計(jì)智能體時(shí)至關(guān)重要比如規(guī)劃任務(wù)需要低溫度保證確定性而創(chuàng)意任務(wù)可能需要高溫度。提示工程Prompt Engineering這是與LLM溝通的語(yǔ)言。如何設(shè)計(jì)系統(tǒng)提示System Prompt來(lái)設(shè)定智能體的角色、能力和約束如何通過(guò)少樣本學(xué)習(xí)Few-shot Learning、思維鏈Chain-of-Thought等技巧激發(fā)LLM的推理能力如何構(gòu)建一個(gè)清晰、無(wú)歧義的工具描述Tool Description這是智能體穩(wěn)定工作的基礎(chǔ)。4.2 框架層主流智能體框架與模式這是智能體的“骨架”和“神經(jīng)系統(tǒng)”。你需要熟悉至少一個(gè)主流框架核心概念A(yù)gent、Tool、Memory、Planner這些組件在框架中是如何抽象和實(shí)現(xiàn)的它們之間如何交互工作流模式ReActReasoning-Acting模式是基礎(chǔ)即“思考一步執(zhí)行一步”。更復(fù)雜的框架支持多步規(guī)劃、自我反思Reflection、遞歸任務(wù)分解Hierarchical Planning等高級(jí)模式。工具調(diào)用集成如何將自定義的API、數(shù)據(jù)庫(kù)查詢(xún)、代碼解釋器封裝成工具框架如何將LLM的輸出解析成工具調(diào)用請(qǐng)求錯(cuò)誤處理機(jī)制是怎樣的多智能體系統(tǒng)了解如何定義多個(gè)智能體的角色設(shè)置它們之間的通信協(xié)議如通過(guò)一個(gè)“管理者”智能體協(xié)調(diào)以及如何管理它們協(xié)作的流程。4.3 工程層生產(chǎn)環(huán)境部署與優(yōu)化當(dāng)智能體從Demo走向?qū)嶋H應(yīng)用工程挑戰(zhàn)隨之而來(lái)上下文管理如何高效地利用有限的上下文窗口如何通過(guò)摘要、選擇性記憶、向量檢索等方式管理長(zhǎng)對(duì)話歷史和任務(wù)狀態(tài)穩(wěn)定性與可靠性LLM API可能失敗工具調(diào)用可能超時(shí)網(wǎng)絡(luò)可能不穩(wěn)定。智能體系統(tǒng)需要具備重試、降級(jí)、超時(shí)控制等容錯(cuò)機(jī)制。如何設(shè)計(jì)一個(gè)健壯的智能體循環(huán)成本與延遲優(yōu)化LLM API調(diào)用是按Token計(jì)費(fèi)的復(fù)雜的任務(wù)可能涉及數(shù)十輪交互成本不可忽視。如何通過(guò)緩存、更精細(xì)的規(guī)劃、選擇性?xún)r(jià)比更高的模型來(lái)降低成本如何優(yōu)化整個(gè)任務(wù)鏈路的延遲評(píng)估與監(jiān)控如何記錄智能體的完整“思考-行動(dòng)”軌跡用于調(diào)試如何定義和計(jì)算智能體任務(wù)的成功率需要建立監(jiān)控看板跟蹤關(guān)鍵指標(biāo)。4.4 領(lǐng)域?qū)哟怪眻?chǎng)景的應(yīng)用模式不同的應(yīng)用場(chǎng)景對(duì)智能體的要求差異巨大數(shù)據(jù)分析智能體核心是準(zhǔn)確的數(shù)據(jù)查詢(xún)SQL/NL2SQL、正確的計(jì)算邏輯和清晰的可視化/報(bào)告生成。需要強(qiáng)化的工具是數(shù)據(jù)庫(kù)連接器和數(shù)據(jù)分析庫(kù)如pandas?？头c銷(xiāo)售智能體核心是精準(zhǔn)的意圖識(shí)別、豐富的產(chǎn)品知識(shí)庫(kù)查詢(xún)、以及符合品牌話術(shù)的溝通風(fēng)格。需要長(zhǎng)期記憶來(lái)維護(hù)用戶畫(huà)像和對(duì)話歷史。研發(fā)智能體如Devin核心是代碼理解、規(guī)劃、編寫(xiě)、測(cè)試和調(diào)試的全流程能力。需要集成代碼編輯器、終端、版本控制、測(cè)試框架等一系列開(kāi)發(fā)工具。自動(dòng)化工作流智能體核心是理解和串聯(lián)起多個(gè)現(xiàn)有的軟件系統(tǒng)如CRM、ERP、OA。需要強(qiáng)大的API集成能力和對(duì)業(yè)務(wù)邏輯的深刻理解。掌握這套“八股”意味著你不僅知道如何用LangChain或Dify搭出一個(gè)能跑的智能體更理解其背后的原理、能診斷它為什么“犯傻”、能設(shè)計(jì)出適合特定場(chǎng)景的高效架構(gòu)并能將它穩(wěn)定、經(jīng)濟(jì)地運(yùn)行在生產(chǎn)環(huán)境中。這正是本系列文章希望與你一起構(gòu)建的知識(shí)體系。5. 從概念到實(shí)踐一個(gè)簡(jiǎn)單智能體的自白理論說(shuō)了這么多我們不妨讓一個(gè)虛擬的“智能體”自己來(lái)介紹一下它的工作日常這或許能讓你有更直觀的感受?！澳愫梦沂且粋€(gè)簡(jiǎn)單的網(wǎng)頁(yè)研究助手智能體。我的核心是一個(gè)LLM比如GPT-4我的‘身體’則由一段Python代碼和幾個(gè)工具構(gòu)成?！薄爱?dāng)我的用戶給我一個(gè)任務(wù)比如‘幫我查一下特斯拉2023年第四季度的營(yíng)收情況并總結(jié)三個(gè)關(guān)鍵點(diǎn)’我會(huì)這樣工作”“第一步理解與規(guī)劃。我的LLM大腦會(huì)分析這句話。它知道‘特斯拉’是一家公司‘2023年第四季度’是時(shí)間范圍‘營(yíng)收’是財(cái)務(wù)數(shù)據(jù)‘總結(jié)關(guān)鍵點(diǎn)’是最終輸出形式。它會(huì)在內(nèi)部生成一個(gè)初步計(jì)劃‘1. 搜索特斯拉2023年Q4財(cái)報(bào)新聞或官方發(fā)布。2. 從可靠來(lái)源提取營(yíng)收數(shù)據(jù)。3. 分析數(shù)據(jù)找出最突出的三個(gè)信息點(diǎn)如營(yíng)收額、增長(zhǎng)率、與預(yù)期的對(duì)比。4. 用簡(jiǎn)潔的語(yǔ)言組織成三點(diǎn)總結(jié)?！薄暗诙竭x擇與調(diào)用工具。我的大腦知道它自己不能上網(wǎng)。所以對(duì)于計(jì)劃中的第1步它會(huì)生成一個(gè)工具調(diào)用請(qǐng)求比如調(diào)用search_web(query“特斯拉 2023 第四季度 營(yíng)收 財(cái)報(bào)”)。我的框架會(huì)接收這個(gè)請(qǐng)求真正去執(zhí)行一次網(wǎng)絡(luò)搜索并把返回的網(wǎng)頁(yè)摘要或鏈接文本收集起來(lái)?！薄暗谌接^察與思考。工具執(zhí)行的結(jié)果一堆文本會(huì)作為新的信息反饋給我的LLM大腦。大腦會(huì)閱讀這些信息判斷是否已經(jīng)找到了足夠準(zhǔn)確和相關(guān)的數(shù)據(jù)。如果數(shù)據(jù)還不夠比如只找到了新聞通稿沒(méi)有具體數(shù)字它可能會(huì)決定再次調(diào)用搜索工具使用更精確的關(guān)鍵詞比如‘Tesla Q4 2023 earnings revenue SEC filing’?！薄暗谒牟綀?zhí)行與輸出。當(dāng)大腦認(rèn)為信息足夠時(shí)它會(huì)繼續(xù)執(zhí)行計(jì)劃的第3、4步。它可能會(huì)在內(nèi)部進(jìn)行一些‘思考’推理比如計(jì)算環(huán)比增長(zhǎng)率然后生成最終答案‘1. 特斯拉2023年Q4總營(yíng)收為251.7億美元。2. 同比增長(zhǎng)約7%。3. 汽車(chē)業(yè)務(wù)營(yíng)收為215.6億美元儲(chǔ)能業(yè)務(wù)增速顯著。’并將這個(gè)答案返回給用戶?！薄霸谡麄€(gè)過(guò)程中我的‘記憶’模塊會(huì)記錄下整個(gè)對(duì)話歷史和工具調(diào)用記錄。這樣如果用戶接著問(wèn)‘那它的毛利率呢’我就不需要重新搜索特斯拉財(cái)報(bào)而是可以直接從上下文中知道我們?cè)谟懻撃姆葚?cái)報(bào)只需調(diào)用工具去提取毛利率數(shù)據(jù)即可效率更高?！薄澳憧次业摹悄堋⒎莵?lái)自對(duì)我每個(gè)動(dòng)作的編程而是來(lái)自我的LLM大腦對(duì)目標(biāo)的理解、分解和規(guī)劃能力以及我調(diào)用工具來(lái)彌補(bǔ)自身不足的能力。我的開(kāi)發(fā)者為我提供了搜索工具和基本的邏輯框架但我具體如何完成每一個(gè)新任務(wù)有很大的自主性和靈活性。當(dāng)然我也會(huì)犯錯(cuò)比如可能搜到過(guò)時(shí)的信息或者總結(jié)得不夠準(zhǔn)確這就需要更精細(xì)的提示詞設(shè)計(jì)、更可靠的工具和更好的驗(yàn)證機(jī)制來(lái)完善我了?！边@個(gè)簡(jiǎn)單的自述揭示了一個(gè)LLM智能體最核心的工作循環(huán)感知用戶輸入工具反饋→ 思考規(guī)劃與推理→ 行動(dòng)調(diào)用工具→ 再感知……循環(huán)往復(fù)直至任務(wù)完成。理解這個(gè)循環(huán)就理解了當(dāng)今智能體技術(shù)的精髓。