AI Agent 概述
定义
AI Agent（人工智能代理）：一种能够感知环境、进行决策和执行动作的智能实体。不同于传统 AI，AI Agent 具备通过独立思考、调用工具去逐步完成给定目标的能力。可以是物理实体（机器人）或虚拟实体（软件程序）。
当前讨论的 AI Agent 本质是一个控制 LLM 来解决问题的代理系统。
核心组成
AI Agent = LLM + 记忆 + 任务规划 + 工具使用
| 组件 | 说明 |
|---|---|
| LLM | 任务规划和知识推理的核心引擎 |
| 记忆（Memory） | 当前输入、上下文、外部知识库、网页信息等 |
| 规划（Planning） | 任务分解、目标设定、路径规划 |
| 工具（Tools） | 计算器、代码解释器、搜索、API 等外部能力 |
| 行动（Action） | 执行具体操作并返回结果 |
工作流程
- Prompt 提示词：Agent 接收任务描述（含角色、背景）
- LLM 大模型：深入分析提示词，生成解决方案
- Memory 记忆：查询匹配知识库中的相关信息
- Planning 规划：拆解任务、制定执行计划
- Action 行动：调用工具执行，返回结果
主要类别
| 类别 | 说明 | 举例 |
|---|---|---|
| 反应型 Agent | 根据当前环境状态直接反应 | 温度调节器，根据温度调整加热/制冷 |
| 目标导向型 Agent | 按预设目标规划并执行序列动作 | 自动驾驶汽车（特斯拉） |
| 学习型 Agent | 基于历史经验不断优化表现 | 基于用户反馈优化的聊天机器人 |
五种呈现形式对比
| Agent 形式 | Prompt | LLM | Memory | Planning | Action |
|---|---|---|---|---|---|
| Copilot 场景助理 | 内容 | 大厂自研 | 文本+代码 | 无 | 无 |
| ChatGPT 对话式 | 内容 | 引入/自研 | 文本+代码+网页 | 无 | 自带+插件 |
| Flow 工作流 | 内容 | 引入/自研 | 文本+代码+网页 | 无 | 自带+插件 |
| Agent 自主智能体 | 内容 | 引入/自研 | 文本+代码+网页 | 有 | 自带+插件+API+RPA |
AI Agent 与传统软件的区别
AI Agent 将使软件架构的范式从面向过程迁移到面向目标。
| 对比项 | 传统软件 | AI Agent |
|---|---|---|
| 核心要素 | 软件工程师 | Agent |
| 机制 | 预定义指令、逻辑、规则和启发式算法，用户按步骤操作 | LLM 为基础设施，Agent 为核心，目标导向的智能体自主生成 |
| 生产方式 | 人类为中心，AI 辅助 | AI 为中心，人类辅助 |
| 架构 | 解决有限范围任务 | 解决无限域任务 |
应用场景
| 领域 | 应用方式 |
|---|---|
| 购物 | 语音助手集成到智能音箱和手机应用，通过语音命令购物 |
| 教育 | 远程教育平台，提供在线学习资源和辅导 |
| 旅游 | AR/VR 技术提供沉浸式旅游体验 |
| 制造 | 工业机器人控制，提高生产自动化水平 |
| 金融 | 精准风险评估和欺诈检测，增强风控能力 |
| 医疗 | 辅助医生分析医疗影像，提高诊断准确性和效率 |
实现工具
| 工具 | 简介 |
|---|---|
| 百度 AgentBuilder | 智能体开发工具，提供构建、训练和部署 AI Agent 的全流程支持 |
| 字节扣子平台 | 快速搭建基于大模型的问答 Bot，可发布到社交平台 |
| 昆仑万维天工 SkyAgents | 企业级 AI Agent 开发平台，集成大模型、知识库等模块 |
| AgentGPT | 基于 GPT-4 的开源自动化机器人，浏览器中配置和部署 |
| LangChain | 开源框架，Agents 模块支持 Agent 管理、记忆、工具集成 |
| AutoGen | 多 Agent 系统框架，多个代理对话协作解决任务 |
| ChatDev | 基于 LLM 的软件开发框架，多智能体协作实现开发全流程自动化 |
| CrewAI | 基于 LangChain 的多 Agent 协作框架，支持角色设定和任务编排 |
| （内容由AI生成，仅供参考） |