今天来和大家聊一个当下科技领域特别火爆的概念——AI Agent！前世界首富在其个人博客上写道：
AI Agent（AI智能体/助理/助手）“将彻底改变计算机使用方式，并颠覆软件行业”。
他还预言“Android、iOS和Windows都是平台，AI Agent将成为下一个平台”。
某互联网领军人物在2024年世界人工智能大会上强调：“AI Agent在高考志愿填报中发挥了重要作用，高峰日吸引了200万用户。”
那到底什么是AI Agent？这东西和我有啥关系啊？且听我们带大家补全信息差，搞明白AI Agent到底是何方神圣？
文章的最后还提供了一个关于AI Agent的问题，你能不能答上来？
学术界和工业界对术语“AI Agent”提出了各种定义。其中，OpenAI将AI Agent定义为“以大语言模型为大脑驱动的系统，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行完成复杂任务的系统。”
说得通俗一些就是：大多数时候你给它一个最终你想要达成的目标，它能直接交付结果，过程你啥都不用管。
那AI Agent和LLM（Large Language Model，大型语言模型）是什么关系呢？可以这么简单理解，大模型是AI Agent实现的前提和基础。
我们可以把AI Agent与LLM形象地比作生物体与其大脑，AI Agent有手有脚，可以自己干活自己执行，而LLM呢，就是它的大脑。
举个栗子，你的厨房有个AI大厨 —— AI Agent。
当下的LLM可能存在一些问题，比如产生幻觉、结果不总是真实可靠，或者对最新时事的了解有限，这使得它们在处理复杂任务时可能显得力不从心。
然而，AI Agent通过集成自主验证和决策过程，能够弥补这些不足，确保行动的准确性和效率。
这使得整个系统在面对复杂任务时更为可靠和高效，就像一个有经验的大厨，不仅知道如何制作美食，还能根据实际情况灵活调整，确保最终的成果令人满意。
AI Agent的架构是其智能行为的基础，它通常包括感知、规划、记忆、工具使用和行动等关键组件，这些组件协同工作以实现高效的智能行为。
架构
组件 | 功能描述 |
|---|
感知
系统 | 感知系统是AI Agent与外部世界交互的第一步。它通过多元化的输入方式，如文本分析、图像识别、声音处理等，来捕捉环境信息。 |
规划
系统 | 规划系统是AI Agent的决策中心。它根据感知到的信息确定如何达到既定目标。这一过程需要AI Agent进行决策制定，将复杂任务分解为可执行的子任务，并制定相应实现复杂任务的策略。 |
记忆
系统 | 记忆系统是AI Agent的核心组成部分，它允许AI存储和检索信息，支持学习和长期知识积累。这种系统使得AI能够记住过去的经验，并将其应用于未来的决策和行动中。 感觉记忆是记忆系统的最初阶段，负责临时存储通过感官接收到的信息，通常只持续极短的时间。 例如，当用户与AI Agent进行语音交互时，感觉记忆会暂时保存听到的声音信号。 短期记忆，也称为工作记忆，用于存储当前任务中需要的信息，但这些信息在任务完成后通常不会被保留。 例如，在处理用户请求时，短期记忆会保存用户输入的指令和相关信息，直到任务完成。 长期记忆负责存储需要长期保留的信息，如用户偏好、历史交互等。 在AI系统中，长期记忆通常存储在外部数据库中，并通过快速检索机制供Agent使用。 例如，如果一个用户经常在晚上询问天气预报，AI Agent会学习这一偏好，并在相应的时间自动提供天气信息。
|
工具
使用 | 工具使用是AI Agent利用外部资源或工具来增强其感知、决策和行动能力的过程。通过这种方式，AI Agent可以扩展其能力，以更有效地完成任务。 例如，在电子商务平台上，AI Agent利用机器学习算法分析用户的购买历史和浏览习惯，智能推荐商品，增强了用户的购物体验并提高了转化率。 |
行动
系统 | 行动系统是AI Agent执行任务和与环境交互的具体实施者。根据规划的结果，Agent执行具体的行动。 |
让我们举一个贴近生活的例子：
假设我们有一个名为“小兴”的智能家居管理AI Agent，它通过以下方式协同工作：
小兴执行上述行动后，它会感知用户的反馈。如果用户通过语音命令调整了灯光亮度，小兴会记录这一偏好，并在未来自动应用这一设置。结合以上内容，咱们来总结一下：
AI Agent的工作流程其实就是一个连续的循环过程。
它从感知环境开始，经过信息处理、规划和决策，然后执行行动。最后，根据执行结果和环境反馈进行调整，以优化未来的行动和决策。
通过这种结构化和层次化的方式，AI Agent能够有效地处理信息，做出决策，并在复杂环境中执行任务。这种架构不仅提高了AI Agent的智能水平，也增强了其适应性和灵活性。
接下来呢，分享ChatDev与斯坦福AI西部小镇的创新探索两个优秀案例。
图片来自论文《ChatDev: Communicative Agents for Software Development》
由清华大学携手北京邮电大学及布朗大学共同开发的创新项目——ChatDev。这是一家只有AI Agent员工的软件开发公司，实现了由大模型驱动的AI全流程自动化软件开发。
在这个平台上，AI员工们自主地从用户需求出发，通过智能对话窗口，由CEO Agent领衔，将任务细化并指派给CTO、CPO、Designer、Programer、Tester、Reviewer等各种AI Agent的角色。
它们将进行交互式的协同，以生产一个完整的软件解决方案，包括但不限于源代码、环境配置指南和用户手册。这一过程在短短几分钟内完成，成本不到1美元。尽管尚存内容随机性、逻辑关联性不足及潜在安全风险等挑战，但ChatDev无疑为AI在软件开发领域指明了方向。
未来做软件产品的链路将极大被缩短。人类需要做的就是监督+决策，想想都让人激动~
图片来自论文《ChatDev: Communicative Agents for Software Development》
虚拟西部小镇，也被称为Smallville，是由斯坦福大学的研究者们开发的一项研究项目。这个虚拟小镇是一个交互式的沙盒环境。在这个沙盒式的交互环境中，25位AI Agent居民以其人类化的行为模式，展现出了令人瞩目的社交能力。
它们的日常活动包括在公园中悠闲散步、在咖啡馆享受午后时光、与邻里分享新鲜事。更令人称奇的是，它们不仅记得每天的经历，还能发起社交活动，如情人节派对的策划与邀请，还会彼此协调时间等等~
AI Agent与大语言模型（LLM）的关系可以最恰当地比作以下哪种？
来源：中兴文档
编辑：阿泊
转载内容仅代表作者观点
不代表中科院物理所立场
如需转载请联系原公众号
