2025-02-11 • AI • 大模型

AI Agent 智能体

智能体的英文是 Agent，AI 业界对智能体提出了各种定义。个人理解，智能体是一种通用问题解决器。从软件工程的角度看来，智能体是一种基于大语言模型的，具备规划思考能力、记忆能力、使用工具函数的能力，能自主完成给定任务的计算机程序。

大语言模型很强大，就像人类的大脑一样拥有思考的能力。如果人类只有大脑，没有四肢，没有工具，是没办法与世界互动的。如果我们能给大模型配备上四肢和工具呢？大模型是不是就会打破次元壁，从数字世界走向现实世界，与现实世界实现梦幻联动呢？

大语言模型（后文将用 LLM 指代）可以接受输入，可以分析&推理、可以输出文字\代码\媒体。然而，其无法像人类一样，拥有规划思考能力、运用各种工具与物理世界互动，以及拥有人类的记忆能力。

如果我们给 LLM 配备上：与物理世界互动的工具、记忆能力、规划思考能力。LLM 是否就可以像人类一样，能够自主思考并规划完成任务的过程，能检索记忆，能使用各种工具提高效率，最终完成某个任务，这便是智能体。

由LLM驱动的智能体系统

如上图所示，在基于 LLM 的智能体中，LLM 的充当着智能体的“大脑”的角色，同时还有 3 个关键部分：

规划（Planning） : 智能体会把大型任务分解为子任务，并规划执行任务的流程；智能体会对任务执行的过程进行思考和反思，从而决定是继续执行任务，或判断任务完结并终止运行。
记忆（Memory）: 短期记忆，是指在执行任务的过程中的上下文，会在子任务的执行过程产生和暂存，在任务完结后被清空。长期记忆是长时间保留的信息，一般是指外部知识库，通常用向量数据库来存储和检索。
工具使用（Tool use） 为智能体配备工具 API，比如：计算器、搜索工具、代码执行器、数据库查询工具等。有了这些工具 API，智能体就可以是物理世界交互，解决实际的问题。

为了更清晰地理解智能体和模型的区别，我们可以从以下几个方面进行对比：

	模型	智能体
知识范围	仅限于训练数据中包含的内容	可通过工具接入外部系统获取扩展知识
推理能力	仅能进行单次查询响应，除非特别设计，否则无法维护会话历史和上下文连续性	能够维护完整会话历史，支持基于用户查询和编排层决策的多轮对话
工具使用	不具备内置工具调用能力	在架构层面直接支持工具集成
逻辑处理	无内置逻辑处理层，需要用户通过简单问询或利用CoT、ReAct等推理框架构建复杂提示来引导预测	具备完整的认知架构，能够集成CoT、ReAct或LangChain等预置智能体框架

*注：在智能体语境中，一轮对话指的是系统接收一个查询并生成一个响应的完整交互过程。

智能体其实就是通过代码开发的，给大模型配上了一些可以调用的工具（例如计算器、网络搜索引擎等）的程序，又或者是通过一些特殊提示词让大模型执行特定的动作（例如输入一段内容，由大模型判断其对错或者对其进行分类）的程序。

智能客服、RAG知识库就是智能体