Agent 随便记

1.Agent 基本概念

在人工智能领域，我们经常会提到一个概念：Agent。那么什么是 Agent 呢？简单来说，Agent 可以被定义为一个 拥有一定的意图、目标，并且可以自主进行决策和行动以完成这些目标的计算实体。

Agent 的主要特性包括：

自主性（Autonomy）：没有人类直接干预的情况下，可开展一定程度的自主探索和决策，并对其行动和内部状态拥有一定程度的控制；

反应性（Reactivity）：可以感知周围环境的变化，并迅速采取适当的行动；

主动性（Pro-activeness）：或者翻为“自驱性”，指可以积极主动地采取以目标为导向的行动，在行动中进行推理、制定计划和采取主动措施，以实现特定目标或适应环境变化；

社会能力（Social Ability）：具备通过自然语言与其他 Agent（包括人类）进行交互的能力。 —— The Rise and Potential of Large Language Model Based Agents: A Survey

Why Agent?

LLM 能够作为 Agent 的全新大脑或基座，是由于：

LLM 体现出强大的推理能力（演绎能力），可以自主地根据目标，拆解出具体、可行的实施方案，体现出了“自主性”和“主动性”；

LLM 具备较强的摘要和抽象能力（归纳能力），可以根据外界反馈，调整下一步方案，判断与目标的偏差，体现出了“反应性”和“主动性”；

LLM 本身通过自然语言输入和输出，体现出良好的“社会能力”。

Agent = LLM + Planning + Feedback + Tool use

—— LLM-based Agent 基础概念

2. agent 基本构成

来自于引用 2

一般来说，agent 分为四个模块：profile、memory、planning、action.

具体一个场景：小明想要吃树上的苹果，首先通过感官系统感知到苹果树上的苹果，然后在大脑中思考如何采摘苹果，最后借助采摘工具，拿到苹果后成功地放到嘴巴里津津有味地吃了起来。我们将场景抽象成模型，其实就形成了 AI Agent 的大致框架：

分以下几个模块：

感知模块：小明看到苹果树上的苹果
规划模块：想尝一尝苹果，并思考和规划如何才能吃到苹果
行动模块：借助采摘工具，拿到苹果后放入嘴中
反馈模块：苹果是甜的，津津有味地吃了起来～

其中最关键的是大脑部分（规划 & 决策），由 ChatGPT、Llama2、Gemini 这样的大语言模型作为 Agent 的大脑，增强了 Agent 的规划与决策的能力。

3. agent 实际各个模块的作用

LLM Powered Autonomous Agents 中，认为 agent 主要有Planning、Memory、Tools use 3 个组件。

Memory 记忆模块：分为长期记忆和短期记忆。
短期记忆：prompt 中的上下文，类似于人类的感知功能，是外部信息的输入，如文本、图片、视频和音频。
长期记忆：如向量库检索，数据库等等
Planning= 规划模块
思维链 COT
子目标分解 Subgoal Decomposition, 将复杂目标、任务分解，直到找到最优执行路径。Tree of Thoughts: Deliberate Problem Solving with Large Language Models中对两者的图示。