這兩年，隨著人工智慧（AI）和計算能力的發展，AI應用的落地速度大大加快。以ChatGPT為代表的AI應用迅速火遍全球，成為打工人的常用工具。緊接著，多模態、AI Agent等各種高大尚的名詞也逐漸進入大眾視野，吸引了大量關注。那麼，到底什麼是AI Agent？下文半支菸將帶你詳細瞭解這個概念。
1. 一句話總結：什麼是AI Agent
AI Agent，經常被翻譯為：智慧體或代理。
一句話總結，AI Agent就是一個有著聰明大腦而且能夠感知外部環境並採取行動的智慧系統。
我們可以把它想象成一個能思考和行動的人，而大型語言模型（LLM）就是這個人的“大腦”。透過這個大腦，再加上一些能夠感知外部世界和執行任務的部件，AI Agent就變成了一個有“智慧”的機器人。
要讓AI Agent充分利用它的“大腦”和各種元件，需要一種協調機制。ReAct機制就是常用的協調機制。透過ReAct機制，AI Agent能夠結合外部環境和行動元件，完成複雜的任務。
為什麼我們需要AI Agent呢？其實說到底是因為單一的模型對我們來說作用不大，我們需要的是一個具備智慧的複雜系統。只有複雜系統才能真正的應到到實際生產工作中。
2. 從單一模型到複合AI系統
要理解AI Agent，我們先看看AI領域的一些變化。
以前的AI系統通常是單一模型，受訓練資料的限制，只能解決有限的任務或者固定領域的任務，難以適應新的情況。
而現在，我們有了LLM通用大模型，訓練的資料更多，能完成更多領域的任務，比如內容生成、文生圖、文生影片等等。同時還可以把大模型和各種外部元件結合起來，構建複合AI系統，這樣就能解決更復雜的問題。
舉個例子，如果直接讓單一模型幫我制定一個去三亞的旅遊計劃，它無法做到。如果讓LLM大模型幫我制定一個去三亞的旅遊計劃，它可以制定一個雞肋的計劃，幾乎不可用，因為它不知道我的個人資訊、也不知道航班資訊，也不知道天氣情況。
但如果我們設計一個複雜AI系統，讓系統裡的LLM大模型能夠透過工具能訪問我的個人資訊，訪問網際網路上的天氣情況，訪問航班資訊，再結合航班系統的開放介面，就可以自動幫我預定機票，自動制定行程規劃了。
這就是複合AI系統的魅力，它能夠結合工具、記憶、其餘各種元件 來解決複雜問題。
3. 複合AI系統的模組化
複合AI系統是模組化的，就像拼積木一樣。你可以選擇不同的模型和元件，然後把它們組合在一起，解決不同的問題。
比如，你可以用一個模型來生成文字，用另一個模型來處理影像，還可以用一些編寫的程式程式碼，一起構建出複雜AI系統。
4. AI Agent的推理與行動能力
AI Agent的核心是讓LLM大模型 掌控 複雜AI系統的邏輯，說白了就是讓LLM主導AI Agent的思維過程。我們向LLM輸入複雜問題，它可以將複雜問題分解並一步步的制定解決方案。
這與設計一個程式系統不同，在AI系統裡，LLM大模型會一步一步的思考、制定一步一步的計劃，然後一個一個的去解決。並不是按照某個指定程式去執行的。
AI Agent的元件包括：大模型的推理能力、行動能力 和 記憶能力。
- 大模型的推理能力是 解決問題的核心。
- 行動能力透過工具（外部程式）實現，模型可以定義何時呼叫它們以及如何呼叫它們。工具可以是搜尋引擎、計算器、運算元據庫等。
- 記憶能力使大模型能夠儲存內部日誌和對話歷史，從而使體驗更加個性化。記憶可以幫助大模型在解決複雜問題時保持上下文連貫。
5. 總結
我們正處於AI Agent發展的早期階段。未來，我們將看到更多的系統利用AI Agent進行"AI+"的轉型。
總結來說，AI Agent透過整合LLM的推理能力和外部工具的行動能力，能夠在複雜環境中自主解決問題。ReAct機制很好的實現了AI Agent的理念。
希望這篇部落格對你有幫助！如果你有問題或想法，歡迎在評論區留言，一起探討！
如果想了解具體的程式碼實踐，可以翻閱我的這篇文章《基於ReAct機制的AI Agent》。
=====>>>>>> 關於我 <<<<<<=====
本篇完結！歡迎點贊 關注 收藏！！！
原文連結：https://mp.weixin.qq.com/s/E3odBUtAGY9bzGIxOFt1HA
