Agent planning终篇：打造更聪明的智能体！

今天我们从另外一个角度对规划能力进行总结，明天开始我们会分享关于Memory相关的内容。当我们谈论LLM支撑的Agent时，规划模块（Planning Module）是它们智能行为的核心。想象一下，如果你要完成一项复杂的任务，比如组织一场大型活动，你可能会把它分解成一系列小任务，然后逐一解决。智能体的规划模块也是这么干的！

规划模块的设计理念是模拟人类的规划能力，它能让智能体更合理、更强大、更可靠地行动。

首先，我们得决定智能体在规划过程中是否能接收外部反馈。没有外部反馈的情况下，智能体就像一个孤独的思考者，它依靠内部的逻辑和预设的规则来制定计划。比如，使用CoT（Chain of Thought）模型，智能体会将复杂问题分解成多个推理步骤，每一步都紧密相连，引导LLM按顺序解决问题。这就像按照食谱做菜，食谱上的每个步骤都直接对应下一步，确保了最终的菜肴能够成功完成。

还有一种是多路径推理，这就像我们在做决定时，脑海中可能会同时出现好几个选项。例如，ToT（Tree of Thoughts）模型，它将推理步骤组织成一个树状结构，每个中间步骤都可能有多个子步骤，模拟了人类在每个决策点上的多种可能性。

单路径和多路径推理策略的比较

但是，现实世界是复杂的，有时候我们的计划需要根据外界的反馈来调整。这就是有外部反馈的规划。想象一下，你在建造一个模型飞机，每次试飞后你都会根据飞行情况来调整设计。智能体也是这样，它会根据环境的反馈来调整自己的行动计划。例如，Voyager模型在Minecraft游戏中通过环境反馈来改进其建筑技能的执行代码，或者SayPlan模型使用场景图模拟器来验证和完善其战略规划。

环境反馈是智能体从客观世界或虚拟环境中获得的信号，比如游戏任务的完成信号或者智能体行动后的环境变化。人类反馈则更主观，它可以帮助智能体更好地符合人类的价值观和偏好。例如，Inner Monologue模型通过积极地从人类那里获取关于场景描述的反馈，并将这些反馈整合到自己的行动中。

还有模型反馈，这是基于预训练模型生成的内部反馈，可以帮助智能体自我检查和改进。例如，SelfCheck模型允许智能体检查和评估自己在各个阶段生成的推理步骤，并通过比较结果来纠正错误。

总的来说，规划模块是智能体成功完成任务的关键。它需要智能体能够理解任务、制定计划，并根据反馈进行调整。这不仅仅是一个技术问题，更是对智能体如何模拟人类思维和行动方式的深入探索。随着技术的发展，我们可以期待智能体在规划和行动上表现得越来越像人类。

本文转载自 ​​探索AGI​​，作者： 猕猴桃