智能體

智能體AI Agents指能夠感知環(huán)境扒俯、做出決策并采取行動以實現(xiàn)特定目標(biāo)的智能系統(tǒng)防症。自動駕駛汽車就是一種典型的智能體。
大模型LLM是智能體的“大腦”捞蛋，能夠處理復(fù)雜的任務(wù)吠撮，生成文本/故事/程序等尊惰。智能體包括規(guī)劃（Planning）、工具（Tools）泥兰、記憶（Memory）等關(guān)鍵組件弄屡。

Overview of a LLM-powered autonomous agent system

任務(wù)規(guī)劃通過思維鏈能力實現(xiàn)任務(wù)分解，包括復(fù)雜任務(wù)的子問題拆解鞋诗，推理行動和自我反思能力膀捷。

1. 任務(wù)的子問題拆解：復(fù)雜任務(wù)不是一次性就能解決的，需要拆分成多個并行或串行的子任務(wù)來進(jìn)行求解削彬，任務(wù)規(guī)劃的目標(biāo)是找到一條最優(yōu)的全庸、能夠解決問題的路線。
   • 思維鏈（Chain of Thought, CoT）：通過逐步思考將復(fù)雜任務(wù)分解為更小吃警、更簡單的步驟糕篇。
   • 思維樹（Tree of Thoughts）：在每一步探索多種推理可能性啄育，生成多個思考路徑酌心。
2. 自我反思與批判：執(zhí)行某一個子任務(wù)的時候，不一定總是能夠返回想要的結(jié)果挑豌，因此模型需要有一定反思能力判斷是否通過當(dāng)前方式能夠得到正確結(jié)果安券，如果不能則要動態(tài)地調(diào)整任務(wù)的序列。
   • ReAct：推理+行動氓英，讓Agents執(zhí)行下一步action的時候侯勉，加上LLM自己的思考過程，并將思考過程铝阐、執(zhí)行的工具及參數(shù)址貌、執(zhí)行的結(jié)果放到prompt模版中，就能使得模型對當(dāng)前和先前的任務(wù)完成度有更好的反思能力，從而提升模型的問題解決能力练对。

Thought: ...
Action: ...
Observation: ...
... (Repeated many times)

• Reflexion：為智能體提供動態(tài)記憶和自我反思能力遍蟋，以改進(jìn)推理技能。
• Chain of Hindsight（CoH）：通過呈現(xiàn)過去輸出序列及其反饋螟凭，鼓勵模型自我改進(jìn)虚青。

記憶：，記憶可以被定義為用于獲取螺男、存儲棒厘、保留以及檢索信息的過程。類比人腦記憶有幾種類型：

• 感覺記憶：短暫保留感官信息下隧。
• 短期記憶/工作記憶：存儲當(dāng)前意識到的信息奢人，用于執(zhí)行復(fù)雜的認(rèn)知任務(wù)。
• 長期記憶：存儲長期信息汪拥，分為顯性記憶（事實和事件）和隱性記憶（技能和習(xí)慣）达传。

有一些熱門的項目，例如AutoGPT, GPT-Engineer, BabyAGI
和HuggingGPT在這個方向做了示范性的嘗試迫筑。

智能體框架

列幾個知名的智能體框架宪赶，包括LangChain，CrewAI脯燃，OpenAgents和Autogen：

LangChain

LangChain 是一個用于開發(fā)由語言模型驅(qū)動的應(yīng)用程序的框架搂妻。它的核心設(shè)計目標(biāo)是實現(xiàn)數(shù)據(jù)感知和主動性，即讓語言模型不僅通過 API 調(diào)用辕棚，還能與其他數(shù)據(jù)源連接欲主，并與其環(huán)境進(jìn)行交互。

主要概念包括：

1. 組件：LangChain 提供了模塊化的抽象逝嚎，用于處理語言模型所需的組件扁瓢，并為這些抽象提供了實現(xiàn)的集合。這些組件易于使用补君，無論是單獨使用還是與 LangChain 框架的其他部分一起使用引几。
2. 用例特定鏈：鏈可以被看作是以特定方式組裝這些組件，以便最好地完成特定用例挽铁。這些鏈旨在提供一個更高級別的接口伟桅，使人們可以輕松地開始特定的用例，并且可以定制化叽掘。

LangChain Express Language (LCEL)

LCEL 是 LangChain 提供的一種簡潔的楣铁、用于組裝鏈的聲明性方式。通過 LCEL更扁，可以將自然語言輸入盖腕、關(guān)聯(lián)知識檢索赫冬、Prompt 組裝、可用工具信息溃列、大模型調(diào)用面殖、輸出格式化等常見動作組裝成一個可以運行的“鏈”式過程。例如：

chain = setup_and_retrieval | prompt | model | output_parser

這清晰地展示了一個簡單的 RAG（檢索增強生成）應(yīng)用處理過程：檢索關(guān)聯(lián)文檔哭廉、組裝 Prompt脊僚、調(diào)用大模型、輸出處理遵绰。

AgentExecutor

AgentExecutor 是 LangChain 中用于調(diào)度 Agent 運行的工具辽幌。它通過大模型決定采取什么行動，使用什么工具椿访，或者向用戶輸出響應(yīng)乌企，然后執(zhí)行這些行動，并將結(jié)果繼續(xù)交給大模型來決定下一步成玫。然而加酵，AgentExecutor 的調(diào)度過程過于黑盒，缺乏精細(xì)的控制能力哭当，這在構(gòu)建復(fù)雜 Agent 時可能會受限猪腕。

LangGraph

為了解決 LangChain 簡單鏈不具備“循環(huán)”能力的問題，以及 AgentExecutor 調(diào)度過程過于黑盒的問題钦勘，LangGraph 被設(shè)計為基于 LangChain 之上構(gòu)建的一個擴(kuò)展庫陋葡。LangGraph 能夠協(xié)調(diào)多個 Chain、Agent彻采、Tool 等共同協(xié)作來完成輸入任務(wù)腐缤，支持 LLM 調(diào)用“循環(huán)”以及 Agent 過程的更精細(xì)化的控制。

LangGraph 的實現(xiàn)方式是把基于 AgentExecutor 的黑盒調(diào)用過程用一種新的形式來構(gòu)建：狀態(tài)圖（StateGraph）肛响。通過定義圖的節(jié)點與邊岭粤，將基于 LLM 的任務(wù)細(xì)節(jié)用 Graph 進(jìn)行精確的定義，并基于這個圖來編譯生成應(yīng)用特笋。

總的來說剃浇，LangChain 提供了一個強大的框架，通過模塊化組件和用例特定鏈雹有，使得開發(fā)由語言模型驅(qū)動的應(yīng)用程序變得更加容易和靈活偿渡。而 LangGraph 則進(jìn)一步擴(kuò)展了這一框架臼寄，支持更復(fù)雜的場景和更精細(xì)的控制霸奕。

LangChain 框架最近對agent 部分做了詳細(xì)的文檔整理，參考鏈接：Agents | ? LangChain

CrewAI

這是一個基于LangChain 的框架吉拳，CrewAI 是一個用于編排角色扮演的 AI 智能體框架质帅，通過促進(jìn)協(xié)作智能，使代理能夠無縫協(xié)作，處理復(fù)雜任務(wù)煤惩。

主要特性包括：

1. 基于角色的代理設(shè)計：為代理定制具有特定角色嫉嘀、目標(biāo)和工具的代理。
2. 自主代理間任務(wù)委托：代理能夠自主地委托任務(wù)并在彼此之間詢問魄揉，提高問題解決的效率剪侮。
3. 靈活的任務(wù)管理：使用可定制的工具定義任務(wù)，并動態(tài)分配給代理洛退。
4. 流程驅(qū)動：目前僅支持順序任務(wù)執(zhí)行（Process.sequential）瓣俯，但正在開發(fā)更復(fù)雜的流程，如共識和層級流程兵怯。
5. 與開源模型兼容：可以使用 Open AI 或開源模型或本地模型運行團(tuán)隊彩匕。

使用起來非常簡潔，下面是一段代碼示例：

import os
from crewai import Agent, Task, Crew, Process

os.environ["OPENAI_API_KEY"] = "您的密鑰"

# 定義具有角色和目標(biāo)的代理
researcher = Agent(
    role='高級研究分析師',
    goal='揭示AI和數(shù)據(jù)科學(xué)的最前沿發(fā)展',
    backstory="你在一個領(lǐng)先的科技智庫工作媒区。你擅長識別新興趨勢驼仪。",
    verbose=True,
    allow_delegation=False
)
writer = Agent(
    role='技術(shù)內(nèi)容策略師',
    goal='撰寫關(guān)于技術(shù)進(jìn)步的引人入勝的內(nèi)容',
    backstory="你是一名著名的內(nèi)容策略師，以你富有洞察力和引人入勝的文章而聞名袜漩。",
    verbose=True,
    allow_delegation=True
)

# 為您的代理創(chuàng)建任務(wù)
task1 = Task(description="進(jìn)行2024年AI最新進(jìn)展的全面分析绪爸。", agent=researcher)
task2 = Task(description="使用所提供的洞見，開發(fā)一篇引人入勝的博客文章宙攻。", agent=writer)

# 實例化您的團(tuán)隊并采用順序處理
crew = Crew(agents=[researcher, writer], tasks=[task1, task2], verbose=2)
result = crew.kickoff()
print("######################")
print(result)

CrewAI 可以應(yīng)用于生成環(huán)境中毡泻，犧牲了一點靈活性和隨機(jī)性，但在代理人的能力粘优、任務(wù)和發(fā)言轉(zhuǎn)向上獲得了更多的確定性仇味。 例如：

• 旅行規(guī)劃器：根據(jù)天氣條件和保險項目列表生成旅行計劃。
• 股票分析：分析市場趨勢并提供投資建議雹顺。
• 登錄頁面生成器：生成引人入勝的登錄頁面內(nèi)容丹墨。

CrewAI 支持與本地模型集成，通過工具如 Ollama 等嬉愧，增強靈活性和自定義能力贩挣。這允許使用自己的模型，這對于專門的任務(wù)或數(shù)據(jù)隱私問題特別有用没酣。

通過這些特性和應(yīng)用場景王财，CrewAI 提供了一個強大的框架，使得 AI 代理能夠以團(tuán)隊的形式協(xié)作裕便，處理復(fù)雜的任務(wù)和問題绒净。

OpenAgents

港大的研究團(tuán)隊最近發(fā)布了一個新的開源 Agent 框架，名為 OpenAgents. 它可以用于實際用戶場景偿衰，特別是在使用自然語言執(zhí)行復(fù)雜任務(wù)的情況下挂疆。先前的語言智能體框架主要關(guān)注概念驗證或者供開發(fā)人員使用改览，而 OpenAgents 則更注重非專家用戶的使用體驗和應(yīng)用設(shè)計。它提供了一個開放的平臺缤言，讓更多人可以在日常生活中使用和部署語言智能體宝当。

Autogen

Autogen是多Agent交互協(xié)助的LLM應(yīng)用。AutoGen agent是可定制的胆萧、可對話的庆揩，并能以各種模式運行，這些模式采用 LLM跌穗、人類輸入和工具的組合盾鳞。使用 AutoGen，開發(fā)人員還可以靈活定義agent交互行為瞻离。自然語言和計算機(jī)代碼都可用于為不同的應(yīng)用編程靈活的對話模式腾仅。

Autogen 是一個用于構(gòu)建和訓(xùn)練即智能體的框架。它允許開發(fā)者通過自然語言指令來訓(xùn)練和控制智能體套利，使其能夠執(zhí)行復(fù)雜的任務(wù)和與用戶進(jìn)行交互推励。以下是 Autogen 的一些關(guān)鍵特點和功能：

1. 自然語言交互：

   • Autogen 允許通過自然語言與智能體進(jìn)行交互，使得用戶可以以對話的形式與智能體溝通肉迫。

2. 任務(wù)驅(qū)動：

   • 智能體可以根據(jù)用戶指定的任務(wù)進(jìn)行操作验辞。這些任務(wù)可以是簡單的查詢，也可以是復(fù)雜的多步驟任務(wù)喊衫。

3. 自主學(xué)習(xí)：

   • Autogen 的智能體可以通過與環(huán)境的交互自主學(xué)習(xí)跌造，不斷改進(jìn)其行為和決策。

4. 多智能體協(xié)作：

   • Autogen 支持多智能體系統(tǒng)族购，允許多個智能體協(xié)同工作壳贪，共同完成復(fù)雜的任務(wù)。

5. 工具使用：

   • 智能體可以調(diào)用外部工具和 API寝杖，擴(kuò)展其功能违施。例如，智能體可以使用搜索引擎瑟幕、文件系統(tǒng)操作磕蒲、代碼執(zhí)行等工具。

6. 任務(wù)分解：

   • 智能體可以將復(fù)雜任務(wù)分解為更小的子任務(wù)只盹，并逐步執(zhí)行這些子任務(wù)以完成整個任務(wù)辣往。

7. 自我反思和改進(jìn)：

   • 智能體可以通過自我反思和自我批評來改進(jìn)其行為。例如殖卑，通過回顧過去的決策和行動站削，智能體可以學(xué)習(xí)如何在未來做出更好的選擇。

8. 可擴(kuò)展性：

   • Autogen 的架構(gòu)設(shè)計使其易于擴(kuò)展和定制懦鼠。開發(fā)者可以添加新的功能和工具钻哩，以適應(yīng)不同的應(yīng)用場景。

9. 安全性和倫理：

   • Autogen 考慮了智能體的安全性和倫理問題肛冶，確保智能體的行為符合道德和法律標(biāo)準(zhǔn)街氢。

10. 社區(qū)和開源：

    • Autogen 是一個開源項目，擁有活躍的社區(qū)睦袖。開發(fā)者和研究人員可以共同貢獻(xiàn)代碼珊肃，改進(jìn)框架，并分享他們的經(jīng)驗和成果馅笙。

Autogen 的目標(biāo)是創(chuàng)建能夠理解和響應(yīng)用戶需求的智能體伦乔，同時具備學(xué)習(xí)和適應(yīng)環(huán)境的能力。通過不斷的交互和學(xué)習(xí)董习，Autogen 的智能體可以變得更加智能和有用烈和。

參考資料：

LLM Powered Autonomous Agents | Lil'Log (lilianweng.github.io)
字節(jié)：AutoGPT與LLM Agent解析
解鎖大模型智能體核心技術(shù)，10行代碼輕松構(gòu)建專屬AI助手皿淋！
潘浩杰：AI智能體Roadmap