這兩年，隨著人工智能（AI）和計(jì)算能力的發(fā)展，AI應(yīng)用的落地速度大大加快。以ChatGPT為代表的AI應(yīng)用迅速火遍全球，成為打工人的常用工具。緊接著，多模態(tài)、AI Agent等各種高大尚的名詞也逐漸進(jìn)入大眾視野，吸引了大量關(guān)注。那么，到底什么是AI Agent？下文半支煙將帶你詳細(xì)了解這個(gè)概念。

1. 一句話總結(jié)：什么是AI Agent

AI Agent，經(jīng)常被翻譯為：智能體或代理。

一句話總結(jié)，AI Agent就是一個(gè)有著聰明大腦而且能夠感知外部環(huán)境并采取行動(dòng)的智能系統(tǒng)。

我們可以把它想象成一個(gè)能思考和行動(dòng)的人，而大型語(yǔ)言模型（LLM）就是這個(gè)人的“大腦”。通過(guò)這個(gè)大腦，再加上一些能夠感知外部世界和執(zhí)行任務(wù)的部件，AI Agent就變成了一個(gè)有“智慧”的機(jī)器人。

要讓AI Agent充分利用它的“大腦”和各種組件，需要一種協(xié)調(diào)機(jī)制。ReAct機(jī)制就是常用的協(xié)調(diào)機(jī)制。通過(guò)ReAct機(jī)制，AI Agent能夠結(jié)合外部環(huán)境和行動(dòng)組件，完成復(fù)雜的任務(wù)。

為什么我們需要AI Agent呢？其實(shí)說(shuō)到底是因?yàn)閱我坏哪Ｐ蛯?duì)我們來(lái)說(shuō)作用不大，我們需要的是一個(gè)具備智能的復(fù)雜系統(tǒng)。只有復(fù)雜系統(tǒng)才能真正的應(yīng)到到實(shí)際生產(chǎn)工作中。

2. 從單一模型到復(fù)合AI系統(tǒng)

要理解AI Agent，我們先看看AI領(lǐng)域的一些變化。

以前的AI系統(tǒng)通常是單一模型，受訓(xùn)練數(shù)據(jù)的限制，只能解決有限的任務(wù)或者固定領(lǐng)域的任務(wù)，難以適應(yīng)新的情況。

而現(xiàn)在，我們有了LLM通用大模型，訓(xùn)練的數(shù)據(jù)更多，能完成更多領(lǐng)域的任務(wù)，比如內(nèi)容生成、文生圖、文生視頻等等。同時(shí)還可以把大模型和各種外部組件結(jié)合起來(lái)，構(gòu)建復(fù)合AI系統(tǒng)，這樣就能解決更復(fù)雜的問(wèn)題。

舉個(gè)例子，如果直接讓單一模型幫我制定一個(gè)去三亞的旅游計(jì)劃，它無(wú)法做到。如果讓LLM大模型幫我制定一個(gè)去三亞的旅游計(jì)劃，它可以制定一個(gè)雞肋的計(jì)劃，幾乎不可用，因?yàn)樗恢牢业膫€(gè)人信息、也不知道航班信息，也不知道天氣情況。

但如果我們?cè)O(shè)計(jì)一個(gè)復(fù)雜AI系統(tǒng)，讓系統(tǒng)里的LLM大模型能夠通過(guò)工具能訪問(wèn)我的個(gè)人信息，訪問(wèn)互聯(lián)網(wǎng)上的天氣情況，訪問(wèn)航班信息，再結(jié)合航班系統(tǒng)的開(kāi)放接口，就可以自動(dòng)幫我預(yù)定機(jī)票，自動(dòng)制定行程規(guī)劃了。

這就是復(fù)合AI系統(tǒng)的魅力，它能夠結(jié)合工具、記憶、其余各種組件 來(lái)解決復(fù)雜問(wèn)題。

3. 復(fù)合AI系統(tǒng)的模塊化

復(fù)合AI系統(tǒng)是模塊化的，就像拼積木一樣。你可以選擇不同的模型和組件，然后把它們組合在一起，解決不同的問(wèn)題。

比如，你可以用一個(gè)模型來(lái)生成文本，用另一個(gè)模型來(lái)處理圖像，還可以用一些編寫(xiě)的程序代碼，一起構(gòu)建出復(fù)雜AI系統(tǒng)。

4. AI Agent的推理與行動(dòng)能力

AI Agent的核心是讓LLM大模型 掌控 復(fù)雜AI系統(tǒng)的邏輯，說(shuō)白了就是讓LLM主導(dǎo)AI Agent的思維過(guò)程。我們向LLM輸入復(fù)雜問(wèn)題，它可以將復(fù)雜問(wèn)題分解并一步步的制定解決方案。

這與設(shè)計(jì)一個(gè)程序系統(tǒng)不同，在AI系統(tǒng)里，LLM大模型會(huì)一步一步的思考、制定一步一步的計(jì)劃，然后一個(gè)一個(gè)的去解決。并不是按照某個(gè)指定程序去執(zhí)行的。

AI Agent的組件包括：大模型的推理能力、行動(dòng)能力 和 記憶能力。

• 大模型的推理能力是解決問(wèn)題的核心。
• 行動(dòng)能力通過(guò)工具（外部程序）實(shí)現(xiàn)，模型可以定義何時(shí)調(diào)用它們以及如何調(diào)用它們。工具可以是搜索引擎、計(jì)算器、操作數(shù)據(jù)庫(kù)等。
• 記憶能力使大模型能夠存儲(chǔ)內(nèi)部日志和對(duì)話歷史，從而使體驗(yàn)更加個(gè)性化。記憶可以幫助大模型在解決復(fù)雜問(wèn)題時(shí)保持上下文連貫。

5. 總結(jié)

我們正處于AI Agent發(fā)展的早期階段。未來(lái)，我們將看到更多的系統(tǒng)利用AI Agent進(jìn)行"AI+"的轉(zhuǎn)型。

總結(jié)來(lái)說(shuō)，AI Agent通過(guò)整合LLM的推理能力和外部工具的行動(dòng)能力，能夠在復(fù)雜環(huán)境中自主解決問(wèn)題。ReAct機(jī)制很好的實(shí)現(xiàn)了AI Agent的理念。