AI Agent的数字化革命：超越文本，走向自主决策与交互

01

—

AI Agent的定义

AI Agent一直是AI圈的热门话题，也是OpenAI 明确表示要发力的下一个方向。相比模型训练方法，OpenAI 内部目前更关注AI Agent 领域的进展。

以AI目前的发展阶段，尤其是LLM爆发后，AI Agent可以定义为：基于LLM驱动的Agent实现对通用问题的自动化处理。

AI Agent和ChatGPT、Claude等LLM（大语言模型）有什么区别呢？

LLM主要擅长处理和生成文本。它们可以回答问题、写文章、生成创意内容、帮助编程等等。但LLM主要是一个被动的工具，只在你给它输入时产生输出。

而AI Agent提供了更广泛的功能，特别是在与环境的交互、主动决策和执行各种任务方面。可以说，AI Agent是真正释放LLM潜能的关键。LLM作为核心，而AI Agent则为LLM提供了行动的能力。

02

—

AI Agent的架构

近期，一篇关于AI Agent的博客文章刷爆了AI圈，作者是Lilian Weng，现为OpenAI应用人工智能研究负责人。此文可视为AI Agent的全面科普。

此文探讨了以LLM为核心控制器构建AI Agent的概念。强调了如规划、记忆和工具使用等关键组件。LLM的潜力不仅仅是生成内容，它们可以被视为强大的通用问题解决者。

作者将AI Agent定义为LLM、任务规划、记忆和工具使用四个部分的组合。其中，任务规划涵盖了任务的细分和自我审视；记忆部分则包括感知型记忆、短时记忆和长时记忆；而工具使用则涉及任务的定义、选择模型、执行任务以及产生反馈。

通俗点说，AI Agent就是以LLM为大脑，再赋予任务规划能力、长短期记忆力、工具使用能力，即可实现自动化处理更复杂的任务。它具备独立的思考和认知功能、拥有记忆，能进行思考、逻辑推断和自我反思，可以阅读和在线学习，擅长利用适当的工具处理问题，还能策划并根据实际情况调整任务的优先级……

任务规划：

子目标与分解：AI Agent将大任务分解为较小的、可管理的子目标，从而有效地处理复杂任务。

处理复杂任务往往需要多个阶段，因此 AI Agents 必须先行了解并策划这些阶段。具备任务策划能力的 Agents 可以更深入地把握任务的结构和目的，并据此分配资源和做出最佳决策，从而确保任务的效率和完成质量。

反思与完善：AI Agent可以对过去的行为进行自我批评和反思，从错误中学习，并为未来的步骤进行完善，从而提高最终结果的质量。

在任务策划中，自省是关键的一步，它使 Agents 能够修正以往的决策、纠正之前的失误，从而不断优化其性能。在实际任务执行中，尝试和错误是常态，所以自省在这个过程中起到了核心作用。

记忆：

短期记忆：AI Agent利用模型的短期记忆进行上下文学习。

长期记忆：这为AI Agent提供了长时间保留和回忆信息的能力，通常通过利用外部向量存储和快速检索来实现。

工具使用：

AI Agent学会调用外部API以获取模型权重中缺失的额外信息，包括当前信息、代码执行能力、访问专有信息源等。

人类的一大特点是会使用工具。我们通过创造、改进和使用外部物体来完成那些超出我们身体和思维能力的工作。同理，为LLM提供外部工具可以大大增强其功能，让它应对更为复杂的任务。目前，主要是教LLM如何利用外部工具的API来达到这一目的。

03

—

AI Agent的未来

AI Agent未来的发展趋势，大致可以划分为两个方向：自主代理（Autonomous Agent）和生成代理（Generative Agent）。

自主代理，如Auto-GPT，它能够根据人们通过自然语言提出的需求，自动执行任务并实现预期结果。在这种合作模式下，自主代理主要是为人类服务，更像是一个高效的工具；

生成代理，如斯坦福和谷歌的研究者共同创建的西部世界小镇。这是一个交互式的沙盒环境，在小镇上，生活着25个可以模拟人类行为的生成式AI智能体。它们会在公园里散步，在咖啡馆喝咖啡，和同事分享当天的新闻。，这种代理具有类似人的特质、独立决策和长期记忆等功能，它们更接近于“原生AI-Agent”。在这种合作模式下，代理不仅仅是为人类服务的工具，它们在数字世界中与其他代理建立社交关系。

清华也出了个 ChatDev，让 Agent 组了个游戏公司，有 CEO、设计师、程序员……多重角色，串联在一起完成开发工作。

简单来说，自主代理（Autonomous Agent）可以比喻为《我，机器人》或者钢铁侠的助理贾维斯，它不仅可以执行任务，还可以根据给定的目标自行规划、创造任务和不断进化。

而生成代理（Generative Agent）则像是《西部世界》中的机器人，它们在同一环境中生活，拥有自己的记忆和目标，不仅与人类交往，还会与其他机器人互动。

AI Agent是真正释放LLM潜能的关键。LLM作为核心，而AI Agent则为LLM提供了行动的能力。

得益于LLM的推动，AI Agent展现出了丰富的功能性，预示着AI Agent将如同生物的大爆发，与人类形成一种数字化的伴随/共生关系。

随着AI Agent的广泛应用，人类的合作网络也将升级为一个人类与AI Agent的自动化合作体系。这将推动人类社会的生产结构进一步升级，从而影响社会的各个方面。

一个具备交流能力并能自主/自动执行任务的智能网络将是互联网的下一阶段，而AI Agent正是我们与之交互和执行任务的智能工具。

未来，假如人人都配备一个AI agent，它们比人类更擅长处理大量信息和做出推理，我们的生活将发生什么样的变化呢？

我们的组织结构会发生重大变革。传统的公司可能不再是由大量的人类员工组成，而是由AI agent主导。这些agents可以24小时不停歇地工作，不需要休息，不会生病，也不会有情绪波动。它们可以快速、准确地完成各种任务，从数据分析到决策制定，再到执行任务。

我们的营销策略也会发生变化。传统的营销目标是吸引人类消费者，但在这个新世界里，我们可能更多地是在向人类的助理agent推销产品或服务。这意味着营销策略需要更加精准、智能，因为你不再是在说服一个有情感的人，而是一个只看数据和逻辑的机器。

产品设计也会有所不同。未来的产品可能不再是为人类设计的，而是为其他产品的AI agent设计的。这意味着产品需要具有更高的互通性、智能性和自动化程度。

……

还有哪些可能的变化呢？尽情展开想象吧！