什么是AI Agent，以及怎么实现AI Agent? 原创

最近发现有些人还不了解什么是AI Agent，或者是看了Agent的概念，但还是不知道什么是AI Agent，今天我们就来详细介绍一下什么是AI Agent。

什么是AI Agent？

这篇关于Agent的文章，即是对AI Agent的介绍，也是为了记录自己对AI Agent的理解。

网上的介绍说，AI Agent中文翻译叫智能体，是一种能够感知环境，进行决策和执行动作的智能实体。

看了以上的定义，可能很多人还是觉得一头雾水，这都是什么玩意，能不能说点人能看懂的东西。

那下面我们就用大白话介绍AI Agent，大家都说大模型的功能很强大，能回答问题，绘画等等；但如果你想让大模型去工地搬砖怎么办？它又没手没脚，而且也不知道该往哪搬啊。

难道因为这个原因，就不让大模型去工地搬砖了吗？这显然是不可能的，发展科技的目的就是为了人类服务的；所以就需要一种让大模型能够搬砖的方法。当然，类似的还有让大模型去帮忙处理工作，去控制生产等等。

所以，简单来说所谓的AI Agent就是一种让大模型能够与现实世界接触的方法，让大模型能够去替代人类处理一些工作与问题，这就是AI Agent。

那么，说起来简单Agent就是让大模型去干活；但回到技术上来看，大模型没有手脚，你想让它干活它就能干活了？这显然是不可能的，因此就需要一种方式——函数调用。

因为目前是信息时代，各种企业生产都开始慢慢接入工业互联网中；在以前干活时需要员工在流水线上操作，而现在只需要让员工点点鼠标即可。

而这一切都是通过API的方式进行的，因此只需要给大模型设计一个能够使用API的功能，就可以让大模型去干这些事情，而这就是函数调用；函数调用是实现AI Agent的基础之一。

ok有了函数调用也就意味着大模型有了现实中的手和脚，但我们知道大模型目前的能力还有限；它还无法做到像真正的人类一样聪明，面对复杂的问题它还是无法处理。因此，虽然大模型有了“手脚”，但它依然什么都干不了，因为没有一个能够指挥它的大脑。

因此，就需要一种方式来提高大模型这个大脑的逻辑思维能力，在遇到问题时，大模型能够根据自己的逻辑思维能力进行判断和处理。

而由此也诞生了一些新的技术，比如说思维链(CoT)技术等；目的就是让大模型具备任务分解的能力，把一个复杂的工作任务拆解成多个简单的可行的小任务；而这就是大模型的推理能力。

还有，目前的大模型没有记忆功能，也就是说你每次和它说话都是全新的， 没有上下文，这也是目前大模型的一个短板；因此你想连续和它交流就需要有一种解决这个问题的办法，这个办法就是怎么让大模型具备上下文记忆的能力，比如连续对话的能力。

如果没有记忆能力，那么AI Agent会发生什么事情？

那就会出现，上一秒大模型让做的事情，下一秒它自己就忘了；而这就会导致重大的生产事故。而目前大模型的记忆能力主要是通过外部存储库实现的——比如说向量数据库。

而有了以上三个东西，函数调用——大模型现实中的手脚；逻辑推理能力——大模型任务分解和规划的能力；以及记忆能力——大模型上下文理解和连续对话的能力。大模型就可以像真正的人类一样，去完成各种复杂的任务。

最后，还需要一个东西，那就是行动力；在大模型具备这些能力之后，我们就可以通过对话或其它方式，让大模型按照具体的任务去行动；也就是先调用逻辑推理模型去分析和拆解任务；然后使用函数调用去实现外部功能的控制；最后使用向量数据库报错连续对话。

因此，这才有了AI Agent的一个经典架构图：

即：工具模块(函数调用)，规划模块和记忆模块；最后大模型通过这三个模块来处理现实中的任务。

而具体这几个模块之间，怎么实现，使用了哪些技术，这就是另一个话题了。

本文转载自公众号AI探索时代 作者：DFires

原文链接：​​https://mp.weixin.qq.com/s/0LNqw3V0_PnMNgk6w4R0tw​​