一文了解AI Agent（智能体）

　　本文3181字，预计7分钟读完。一、引言

　　AI Agent（人工智能代理）是近年来备受关注的话题。笔者近期对AI Agent的相关概念进行了深入的学习与研究，并成功利用智能体开发平台创建了一些有趣的Agent。因此，本文将分享笔者对AI Agent的理解，希望与大家共同探讨这一领域。

　　二、AI Agent的定义

　　AI Agent，即人工智能体，是一种能够感知环境、进行自主理解、决策和执行动作的智能实体。简单来说，它是一种基于大语言模型，能够独立思考、调用工具，以逐步完成给定目标的计算机程序。那么，AI Agent与LLM、RAG有何区别？它们之间的关系又是怎样的呢？让我们先通过对比LLM和RAG的用途，来更好地理解AI Agent。

1. LLM（大语言模型）

　　LLM是基于海量文本数据训练的深度学习模型，能够生成自然语言文本、深入理解文本含义，并处理各种自然语言任务，如文本摘要、问答、翻译等。简单来说，LLM是语言的逻辑推理，如我们常见的ChatGPT、文心一言、通义千问等。

　　然而，由于LLM的知识是提前训练好的内容，时效性不强；加上用于训练的知识一般来源于公域的标准化知识，存在局限性。为了解决LLM知识有限的问题，需要把外部的知识提供给LLM进行学习，让它理解后表达出来，这时候就需要用到RAG技术。

2. RAG（检索增强生成）

　　RAG是一种结合了外部信息检索与大型语言模型生成能力的技术，用于处理复杂的信息查询和生成任务。在大模型时代，RAG通过加入外部数据（如本地知识库、实时数据等）来增强AI模型的检索和生成能力，提高信息查询和生成质量。例如：文心一言的插件服务支持将实时或私有化知识提供给LLM。

　　总结而言，RAG是一种作用于LLM的技术，旨在增加输出结果的准确性。

3. AI Agent与LLM、RAG的关系

　　如果把AI Agent理解为一个智能实体的话，LLM则充当着智能体的“大脑”角色。AI Agent会利用LLM的推理能力将问题进行拆解，形成一个个小问题，并定义好这些小问题之间的前后关系。然后按照顺序调用LLM、RAG或外部工具来解决每一个小问题，直至解决最初的问题。

　　三、AI Agent的基础架构

　　上文提到LLM充当着智能体的大脑，但仅有“大脑”并不能完成复杂任务的执行。作为智能体还需要“神经感官系统”以及“肢体”的参与。这时我们引入AI Agent的基础架构。

　　▲由LLM驱动的智能体系统

　　如上图所示Agent由4个关键部分组成：规划（Planning）、记忆（Memory）、工具（Tools）、行动（Action）。

1. 规划（Planning）

　　“规划”充当着智能体的“思维模式”。如果用人类来类比当接到一个任务时我们的思维模式可能会像下面这样：首先会思考如何完成这个任务；然后将任务拆解成多个子任务分步进行；接着评估现有工具能否帮助我们高效达成目的；在执行任务时会对执行过程进行反思和完善以持续调整策略；最后思考任务何时可以终止。因此我们可以通过LLM提示工程为智能体赋予这样的思维模式。例如：在编写Prompt时运用ReAct、CoT等推理模式引导LLM对复杂的任务进行拆解拆分为多个步骤一步步思考和解决从而使输出结果更加准确。

2. 记忆（Memory）

　　记忆是什么？当我们在思考这个问题其实人类的大脑已经在使用记忆。记忆是大脑存储、保留和回忆信息的能力。仿照人类的记忆机制智能体分为短期记忆和长期记忆两种机制：短期记忆如单次会话的上下文记忆会被短暂的储存以用于多轮会话在任务完结后被清空；长期记忆长时间被保留的信息如用户的特征信息、业务信息通常用向量数据库来存储和快速检索。

3. 工具（Tools）

　　智能体具备感知环境与决策执行的能力这离不开“神经感官系统”的帮助“工具”便充当着这个角色。智能体通过工具从周边环境获取到信息（感知）经过LLM处理后再使用工具完成任务（执行）。因此我们需要为智能体配备各种工具以及赋予它使用工具的能力。例如：通过调用软件系统不同应用模块的API获取到指定的业务信息以及执行业务的操作权限；通过调用外部的插件工具获取原本LLM并不具备的能力如文心的Chat files插件获取文档解析能力；扣子的ByteArtist插件获取文生图能力等。这里便运用到了上文提及的RAG相关技术。▲扣子平台的插件商城。

4. 行动（Action）

　　智能体基于规划和记忆来执行具体的行动这可能包括与外部世界互动或者通过工具的调用来完成一个动作具体来说就是一个输入（Input）任务的最终输出（Output）。例如：实体AI机器人完成一个“鼓掌”动作的任务；又或者软件系统中由AI助手创建一个待办任务。▲Cyberdog2完成“鼓掌”任务。

　　四、AI Agent示例

　　为了更好地理解AI Agent笔者这里举一个生活中简单的例子：假设您需要与朋友在附近吃饭需要AI Agent帮您预订餐厅。Agent会先对您提出的任务进行拆解：第1步（获取当前所在方位）推理1：当前知识不足以回答这个问题需要知道当前所在方位以及附近的餐厅行动1：使用地图工具（Tools）获取当前所在方位结果1：得出附近餐厅列表；第2步（确定匹配餐厅）推理2：确定预订的餐厅需要知道您的饮食偏好以及其余细节（如：吃饭时间、人数）行动2：从记忆（Memory）中获取您的饮食偏好、人数、时间等信息结果2：确定最匹配的餐厅；第3步（预订餐厅）推理3：基于结果2评估当前所拥有的工具能否完成餐厅预订行动3：使用相关插件工具进行餐厅预订（Aciton）结果3：任务完成。通过这个过程可以看到AI Agent如何对任务进行拆解并利用各种工具和记忆来完成任务。

　　五、Agent与To B产品应用场景

　　对AI Agent有了初步的了解后我们可以将这套框架思想代入到To B产品的功能AI化设计中。例如：通过AI Agent完成搭建报表、创建任务、生成工作报告等工作。这里以【生成工作报告】为例分享一下思路：在CRM系统中写工作报告（周报、月报）是一个周期性的高频工作。这个工作可分为几个阶段：1. 手动阶段刚开始员工填写工作报告需要以下几步：第一步：通过各种方式整理汇报周期内联系了哪些客户；商机都推进到什么阶段；哪些客户完成转化成交成交业绩多少等行为信息；第二步：把零散的行为信息重新梳理转化为汇报格式（如：内容+当前进度+预期等格式）；第三步：选择汇报人提交报告。在这个过程中员工把大部分的时间都耗在了收集与整理行为信息的工作上。▲手动阶段写工作周报；2. Copilot阶段由于引入了LLM员工在写工作报告的时候可以省去整理零散信息撰写报告的一步此时只需要把报告要求发给LLM让LLM基于零散的数据信息进行加工整理最后自动撰写工作报告当提问中不含有汇报人等信息LLM将通过多轮会话的方式进行获取；3. Agent阶段到了Agent的阶段我们不妨以智能体的基础框架出发构建【工作报告智能体】的框架：规划（Planning）编写Prompt的时候让LLM对“生成工作报告”任务进行拆解分为了获取基础数据—整理输出报告—选择汇报人—执行提交四步；工具（Tools）受限于LLM无法获取私有化知识的问题通过RAG技术接入数据中心API获取客户联系、流转、成交等明细数据以及接入工作报告应用API获取“填写”与“提交”的业务执行权限；记忆（Memory）把员工以往的汇报内容进行分析提炼出汇报文案风格、内容格式、汇报周期、汇报人等特征信息作为长记忆进行存储供撰写报告时使用；行动（Action）基于工作报告应用开放的执行权限待LLM成功生成工作报告后自动执行提交操作完成任务。▲工作报告智能体框架通过这个方式员工只需要给Agent下达写工作报告的任务（设置定时任务或手动触发）Agent将会自动完成数据采集、报告撰写、选择汇报人、报告提交操作。▲工作报告智能体demo六、总结如果把“To B软件的AI化”类比于汽车自动驾驶技术的发展23年LLM的推出相当于To B软件应用的自动化程度由L1阶段升级到L2阶段；AI Agent的到来让自动化程度得到了进一步的提升由L2阶段升级到L4阶段。▲人类与AI协同的三种模式随着AI Agent自主性的进一步加强将会逐渐替代越来越多的重复性工作但从To B软件的角度来看AI最终解决的核心问题仍然不变—「降本增效」。因此作为产品经理在提升自己AI能力的同时还要持续提高自己对于产品所在行业的业务理解能力毕竟在没有找到核心场景前就算配套再先进的工具也带来不了任何价值以上是笔者近阶段的学习与思考希望能帮到你。