由于chatpgt的發(fā)展，除了基礎(chǔ)的問答需求，利用chatgpt完成一系列復(fù)雜任務(wù)的需求也應(yīng)用而生，產(chǎn)生了很多關(guān)于ai agent的應(yīng)用框架，具體應(yīng)用如下圖，包括開源和商業(yè)的。

圖來自https://github.com/e2b-dev/awesome-ai-agents

得益于llm模型的強(qiáng)大能力，將llm作為大腦，ai agent可以做到根據(jù)任務(wù)目標(biāo)，進(jìn)行思考，分解任務(wù)，然后調(diào)用相應(yīng)工具完成任務(wù)。

一般ai agent的結(jié)構(gòu)如下：

一個(gè)agent（智能體）主要包含以下3個(gè)部分：

?(1) Perception：感知，主要就是信息的輸入，比如文本，語言等信息。?(2) Brain：這個(gè)是核心，基于llm，根據(jù)輸入信息，制定任務(wù)計(jì)劃等。?(3) Action：執(zhí)行，根據(jù)計(jì)劃執(zhí)行對應(yīng)的任務(wù)，比如調(diào)用第三方api，從工具集(tools)選中合適的tool執(zhí)行任務(wù)。

agents支持多種形式，如下圖所示，single anget就是將anget作為一個(gè)ai助手，類似目前gpt的問答操作；agent-agent就是多個(gè)agent可以相互交互，比如chatdev，定義了多個(gè)角色，實(shí)現(xiàn)了一個(gè)虛擬的開發(fā)公司；human-agent就是加入人工提示或者反饋，根據(jù)人工信息，agent可以調(diào)整任務(wù)，實(shí)現(xiàn)更好的完成任務(wù)。

2.agentgpt技術(shù)介紹

目前開源的ai agent有很多，如AutoGPT,BabyAGI，openagents等，本文以agentgpt為例，介紹一下其大概流程和結(jié)構(gòu)。

agentgpt主要包含3個(gè)部分，其他如AutoGPT,BabyAGI等llm-based agent基本結(jié)構(gòu)都是類似的。

?Reasoning and Planning：推理和計(jì)劃，如果定義一個(gè)目標(biāo)，只是簡單的輸入給llm模型，只能得到一個(gè)粗略的答案；如果使用"prompt engineering"（提示工程），則可以將目標(biāo)分解成多個(gè)更容易理解的步驟，并用思維鏈提示的方法進(jìn)行反思。?** Memory**：記憶，分為短期記憶和長期記憶。短期記憶是根據(jù)上下文學(xué)習(xí)，受限于llm的token長度；長期記憶是當(dāng)執(zhí)行一個(gè)復(fù)雜任務(wù)時(shí)，需要考慮到歷史任務(wù)的情況，當(dāng)代理的任務(wù)長時(shí)間運(yùn)行時(shí)，超過token長度時(shí)，就會會過期的記憶，agentgpt此處采用了向量數(shù)據(jù)庫存儲歷史信息的特征向量。?Tools：工具集，llm只支持文本的輸出，對于復(fù)雜任務(wù)，比如定個(gè)機(jī)票，llm就無法完成。解決方法就結(jié)合"prompt engineering"，定義一系列工具集，通過prompt和工具功能的描述，agent就可以根據(jù)任務(wù)調(diào)用相應(yīng)的工具，比如定義一個(gè)“search”工具，功能描述是用“Google Search”的api搜索內(nèi)容，描述中還可以可以包含api調(diào)用的輸入輸出以及內(nèi)容格式等。

參考：https://blog.csdn.net/qq_27590277/article/details/134893431