本文將深入探討智能體的概念、為何“具有智能體特性”變得如此重要，以及這一趨勢如何影響我們對未來技術的構想。

什么是智能體？

傳統應用程序通常遵循預先定義好的規則和邏輯，而智能體則不同，它可以根據LLM的理解和判斷，動態地選擇下一步操作，這使得智能體能夠處理更加復雜和不確定的任務。

簡單來說，智能體就是一個利用LLM來決定應用程序控制流程的系統，可以被視為一種能夠自主決策和執行任務的系統。它通過與外部數據和計算資源的交互，來實現復雜的任務。

智能體與傳統應用程序的區別

以LangChain生態為例，通過LangChain創建的很多LLM應用的工具，特別是那些作為推理引擎并與外部數據源和計算資源交互的系統，這些系統通常被稱為智能體。

智能體的定義可能因人而異。技術上講，智能體是一個利用LLM來決定應用程序控制流程的系統。

然而，這樣的定義并不完美。人們往往認為智能體是高級的、自主的、類似人類的系統，但一個簡單的系統也可以通過LLM在兩條不同路徑之間進行路由，這也符合技術定義。這表明，智能體的定義并不單一，而是具有多樣性。

舉個例子，想象一下一個智能客服機器人。傳統的客服機器人只能根據預設的關鍵詞進行簡單的問答。但智能客服機器人則可以利用LLM理解用戶的真實意圖，并根據情況選擇不同的對話策略，例如：

• 如果用戶只是詢問簡單的信息，智能客服機器人可以直接給出答案。
• 如果用戶的問題比較復雜，智能客服機器人可以引導用戶提供更多信息，或者將用戶轉接到人工客服。

Agentic意味著什么？

Agentic可以理解為“具有智能體特性”。一個系統越“具有智能體特性”，就意味著LLM在決定系統行為方面的作用越大。

Agentic譜系

我們可以把Agentic看作一個連續譜系：

• 一端是完全沒有Agentic的系統。這些系統完全按照預設的規則運行，LLM的作用僅僅是提供信息或執行簡單的指令。
• 另一端是完全Agentic的系統。這些系統的行為完全由LLM決定，甚至可以自己設定目標和計劃。

當然，大多數實際系統都處于這個譜系的中間地帶。例如，一個智能客服機器人可能在回答簡單問題時沒有Agentic，但在處理復雜問題時就需要一定的**Agentic。

吳恩達提出了一個觀點，即智能體的能力可以被視為一個譜系，就像自動駕駛車輛有不同的自動化等級一樣，智能體的能力也可以有不同的等級,因而在現階段使用Agentic定義比Agent更加合適。這個觀點得到了廣泛的認同，并且有助于更好地理解智能體的不同層次。

LLM的作用程度

根據系統中LLM的作用程度，可以將智能體劃分為不同的等級：

1. 路由器（Router）：使用LLM將輸入路由到特定的下游工作流，這種行為具有一定的“智能體特性”。
2. 狀態機（State Machine）：如果系統使用多個LLM進行多次路由步驟，并且其中一個步驟決定是否繼續或結束，這種系統就類似于狀態機。
3. 自主智能體（Autonomous Agent）：如果系統能夠構建工具、記住這些工具并在未來的步驟中使用它們，這種系統就具有高度的智能體特性。

盡管這些定義看起來比較技術性，但在設計和描述LLM系統時，這些技術定義是非常有用的。

Agentic為何有價值？

理解Agentic的概念對于構建和使用基于LLM的系統至關重要。它可以幫助我們：

• 選擇合適的系統架構。對于一些簡單的任務，可能并不需要Agentic，傳統的應用程序就足夠了。但對于一些復雜的任務，就需要考慮構建具有Agentic的系統。
• 設計更有效的交互方式。對于具有Agentic的系統，我們需要設計更靈活的交互方式，以便LLM能夠充分發揮其作用。
• 評估系統的性能。對于具有Agentic的系統，傳統的評估指標可能不再適用，我們需要探索新的評估方法。

總而言之，Agentic是一個需要根據具體問題和應用場景進行權衡的因素。

更進一步說，理解你的系統可以有多“具有智能體特性”，可以在開發過程中指導你的決策——包括構建、運行、交互、評估，甚至監控。

Agentic在開發過程中的作用

• 構建：在構建復雜的智能體系統時，擁有一個框架可以加速開發過程。這個框架應該支持分支邏輯和循環。
• 運行：智能體系統越復雜，運行起來就越困難。需要能夠處理長時間運行的任務，并且在執行過程中處理任何可能發生的錯誤。
• 交互：在系統運行時，你需要觀察系統內部的運行情況，并在必要時修改智能體的狀態或指令。
• 評估：需要一個評估框架來測試智能體的表現，包括中間步驟的效率。
• 監控：需要一個新的監控框架來深入了解智能體的每一步操作，并根據智能體的步驟查詢運行情況。

理解和利用系統中智能體特性的譜系，可以提高開發過程的效率和系統的魯棒性。

Agentic是新趨勢

隨著LLM技術的不斷發展，我們正在構建越來越多的具有Agentic的系統。例如：

Agentic

• 自主機器人：可以根據環境和任務自主規劃行動路線，例如自動駕駛汽車、物流機器人等。
• 智能個人助理：可以根據用戶的習慣和需求提供個性化的服務，例如安排日程、推薦內容等。
• 智能創作工具：可以輔助用戶進行創作，例如生成文本、圖像、音樂等。

隨著我們在智能體譜系上走得更遠，支持工具的整個生態系統都需要重新構想。我們需要開發新的編程模型、調試工具和評估指標，以支持這些更復雜、更智能的系統。

傳統的工具和基礎設施可能無法滿足需求,例如，LangGraph和LangSmith就是為了幫助構建、運行和交互智能體而設計的新工具。

LangGraph和LangSmith

隨著智能體特性的不斷發展，我們需要重新構想整個支持工具的生態系統，以適應智能體應用的需求。

總結

Agent和Agentic是理解和構建基于LLM的系統的關鍵概念。隨著LLM技術的不斷發展，我們可以預見，未來將會出現更多更強大的智能體，為我們的生活帶來更多便利和可能性。

智能體技術的探索之路還很長，但通過不斷地學習和創新，我們有望構建一個更加智能、更加互聯的未來。

本文轉載自 ??AI小智??，作者： AI小智