（二）Agent-基本介绍
输入“/”快速插入内容
（二）Agent-基本介绍
（二）Agent-基本介绍
用户5069用户5069
用户5083用户50832025年10月12日修改
定义
1. 智能体 🗨️ 智能体（Agent）是一个更广泛的概念，指的是可以在环境中自主感知、决策并采取行动去实现特定目标的实体。智能体可是一种软件程序，可以在没有人工干预的情况下自主地执行任务，包括感知环境、理解语言、与其他智能体交流等。智能体也可以是一个独立的实体，也可能是一个机器人，或者是一个其他类型的自动化系统。 智能体的核心能力是自主性、适应性和学习能力，需要能够获取环境信息，基于这些信息做出决策，并通过交互不断学习和优化其行为。比如，工业自动化、智能家居、机器人和自动驾驶等。 | 分类 |
2. AI Agent 🗨️ 是智能体的一种实现，特指那些应用了人工智能技术，尤其是机器学习和深度学习技术的智能体。这些智能体拥有处理复杂任务的能力，能够进行自然语言理解和生成、推理、规划等高级认知功能。在实现上，AI agent 通常依赖于大型的语言模型或其他类型的深度学习模型作为其核心决策和处理单元。比如，聊天机器人、语音助手、推荐系统等。或者说，所有 AI agent 都是智能体，但并非所有智能体都是 AI agent。智能体强调的是自主行动和环境交互的能力，而 AI agent 强调的是实现这一能力的先进人工智能技术。 随着技术的发展，AI agent 在智能体中的角色越来越像人类的代理，能够在没有人类直接指导的情况下，实现更为复杂的任务和目标。智能体是一个更广泛的概念，可以包括各种类型的软件程序，而 AI agent 则是指利用人工智能技术的特殊类型的智能体，具有更强的感知、学习和推理能力。 | |
智能体构成
智能体的大脑就是 LLM，而它由几个关键模块构成：
01 规划（Planning ）
智能体能够将复杂任务分解为更小、更易于管理的子任务，从而更高效地处理这些任务。这一过程涉及到对任务的深入理解和巧妙拆解，为后续执行铺平道路。其中思维链是一种非常重要的技术，主要作用于提升模型在处理复杂任务时的性能。核心在于引导模型进行“逐步思考”，将难题拆解为一系列较小、更易于处理的步骤。这一过程首先涉及将问题划分为多个思维步骤，然后在每个步骤中生成多个可能的思考路径，从而构建出一个多层次的思维树状结构。通过这种方法，模型能够更有效地探索问题的解决方案，从而在复杂任务中实现更高的准确性和效率。
示例：用户想要在某宝上找一把适合初学者的吉他，智能体规划搜索策略，决定使用哪些关键词和过滤器来缩小搜索范围，如“初学者吉他”、“价格区间”、“用户评价”。
02 记忆（Memory）
智能体不仅具有短期记忆，能记住当前的上下文信息，还拥有长期记忆，可以在长时间跨度上保留和调用大量信息。这为智能体提供了在长时间内不断学习和进化的能力，通常是通过与外部向量数据库和检索增强生成器的交互来实现的，主要目的是减少 LLM 的幻觉问题。
示例：用户想要在某宝上找一把适合初学者的吉他 智能体回顾用户的购物历史和偏好，例如，之前在与智能体聊天中产生对于音乐相关的产品描述，或者用户在某宝上对音乐类商品的浏览记录。
03 工具（Tools）
智能体学习调用外部 API 以获取模型权重中缺少的额外信息（通常在预训练后难以更改），包括搜寻检索信息、代码执行能力、对专有信息源的访问等。
示例：用户想要在某宝上找一把适合初学者的吉他
•
智能体调用某宝的搜索引擎 API，使用上述关键词和过滤器来检索产品信息。- 智能体可能利用某宝的图像识别工具来识别商家上传的吉他图片，以便找到相似的产品。
•
智能体可能使用数据分析工具来分析某宝上关于吉他的销售数据，找出最畅销的初学者吉他款式。
04 行动（Action）
智能体基于其感知（Perception）和规划（Planning）所做出的响应。这是决策循环中的一个关键步骤，它涉及智能体对其环境进行操作以实现特定目标或响应特定情况。在智能体的设计中，行动通常是由一个称为策略（Policy）的函数决定的，这个策略函数会根据智能体的当前状态和目标来选择最佳的行动。行动的结果会通过反馈（Feedback）机制返回给智能体，根据这些反馈来调整其策略，从而实现更好的性能。