学习地址1:https://pan.baidu.com/s/1UWcuAy3W1mGgZCisAvzf3w 提取码:psyl
学习地址2:https://share.weiyun.com/olW8Mzf0 密码:6bag56
Agent的起源
Agent的概念来自于哲学领域,在哲学中,"Agent"(代理人)通常指的是能够主动行动、具有意识或意愿、有能力做出决策和选择的实体。这个概念涵盖了人类、动物和可能的人工实体(比如机器人或计算机程序)。Agent的定义和性质在不同的哲学学派和文化背景下可能有所不同,但通常都涉及到有目的地行动和意识的存在。
自1980年代中期以来,计算机和人工智能领域对Agent的研究显著增加,Wooldridge等人首次将Agent引入到人工智能,并以此为基础来定义人工智能:它是计算机科学的一个子领域,旨在设计和构建表现出智能行为方面的计算机化代理人。在这个人工智能的定义中,比较模糊的词就是“智能行为”,我个人理解智能行为基本上可以等同于哲学领域所提出的主动行动、具有意识或意愿、有能力做决策和选择,区别在于哲学领域的Agent可以是人类、动物,而计算领域则是计算实体。引述的理解:实质上,人工智能Agent并不等同于哲学上的 Agent;相反,它是在人工智能背景下哲学 Agent概念的具体化。在对AI Agent的研究中,将人工智能Agent视为能够使用传感器感知其环境、做出决策,然后使用执行器采取行动的人工实体。
伴随着人工智能的发展,Agent也经历了多个发展阶段,直至今日基于LLM的Agent
宏观上讲,AI Agent是一种智能生命,是可以脱离人为控制,自主决策和执行任务的存在。在LLM的背景中,AI-Agent可以理解为在某种在大语言模型基础上,能自主感知、规划决策、执行复杂任务的智能体,它可以通过独立思考和调用工具逐步完成给定的目标,无需人类去指定每一步的操作。总结为Agent=LLM+记忆+规划+工具使用,每一部分都是AI-Agent必不可少的组件。
标准的AI-Agent通常包含以下几个能力:
感知(Perception):可以通过传感器或数据输入来感知其环境,例如,自动驾驶汽车使用雷达和摄像头来感知周围环境;
推理(Reasoning):根据收集到的信息进行决策,这可能涉及简单的“if-else”逻辑规则,或可能涉及复杂的机器学习算法;
动作(Action):采取某种行动以达成其目标,例如,保姆机器人可能会把餐盘放回厨房,自动驾驶汽车可能会调整其速度或转向;
学习(Learning):根据经验改进自己的行为;
自适应(Adaptability):能够适应不断变化的环境或需求。
互动(Interaction):与人类或其他AI-Agent互动来完成其任务。
自主性(Autonomy):不需要人工干预的情况下具有一定程度的自主决策能力
让我们一起来看一个具体的例子。我们可以从一个任务开始,例如"编写一篇关于ChatGPT以及它能做什么的1500字博客"。
模型接收这个要求,并按照以下步骤执行操作:
sub_tasks = openai.ChatCompletion.create(
model="gpt-4",
messages=[
{"role": "system", "content": "You are an world class assistant designed to help people accomplish tasks"},
{"role": "user", "content": "Create a 1500 word blog post on ChatGPT and what it can do"},
{"role": "user", "content": "Take the users request above and break it down into simple sub-tasks which can be easily done."}
]
)
在这个例子中,我们使用OpenAI API来驱动 Agent。通过 system 字段,你可以在一定程度上定义你的Agent。然后,我们添加 user content Create a 1500 word blog post on ChatGPT and what it can do,以及下一步骤 Take the users request above and break it down into simple sub-tasks which can be easily done.,也就是在此基础上添加任务,将查询分解成子任务。
有疑问加站长微信联系(非本文作者)
![](https://static.golangjob.cn/static/img/footer.png?imageView2/2/w/280)