智能體(Agent)定義

AI智能體，又稱AI代理或 Al Agent，是能夠感知環(huán)境，基于目標(biāo)進(jìn)行決策并執(zhí)行動(dòng)作的智能化應(yīng)用。它具備自主性、交互性、反應(yīng)性和適應(yīng)性等基本特征，能夠在復(fù)雜多變的環(huán)境中獨(dú)立完成任務(wù)。智能體的出現(xiàn)，標(biāo)志著人工智能從簡單的規(guī)則匹配和計(jì)算模擬向更高級(jí)別的自主智能邁進(jìn)。

Al Agent 具備三個(gè)核心能力:獨(dú)立思考、自主執(zhí)行、持續(xù)迭代。

• 獨(dú)立思考: 能夠根據(jù)給定任務(wù)目標(biāo)和約束條件，進(jìn)行任務(wù)規(guī)劃和問題拆解，形成執(zhí)行步驟(即工作流);
• 自主執(zhí)行: 能夠調(diào)取各類組件和工具，按照?qǐng)?zhí)行步驟依次執(zhí)行，實(shí)現(xiàn)任務(wù)目標(biāo);
• 持續(xù)迭代: 能夠自動(dòng)記錄任務(wù)目標(biāo)、工作流和執(zhí)行結(jié)果，基于結(jié)果反饋，沉淀專家知識(shí)和案例。

Agent 銜接模型層與應(yīng)?層，是現(xiàn)階段?模型應(yīng)?落地的重要補(bǔ)充

智能體，在眾多中間層中，處于中心位置，可以封裝模型微調(diào)、提示工程、檢索增強(qiáng)生成。隨著底層模型技術(shù)的持續(xù)進(jìn)步與演化，未來可能會(huì)出現(xiàn)模型層逐漸內(nèi)化并泛化出原本由中間層提供的部分能力。

智能體落地框架

由大模型驅(qū)動(dòng)的 Al Agent 架構(gòu)是當(dāng)前比較常見的 Al Agent 落地架構(gòu)，包含規(guī)劃(Planning)、記憶(Memory)、工具(Tools)、執(zhí)行(Action)四大要素。

大模型AI Agent= LLM *（規(guī)劃+記憶+工具+執(zhí)行）

• 工具:分成執(zhí)行類工具、算法類工具和信息類工具，執(zhí)行類主要是成熟應(yīng)用程序，如計(jì)算器等;算法類包含規(guī)則引擎、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法;信息類主要是具備實(shí)效性工具；
• 記憶：包含短期記憶和長期記憶，短期記憶反應(yīng)的是 Agent 的當(dāng)前情況，即在執(zhí)行任務(wù)和與環(huán)境交互時(shí)產(chǎn)生的信息和數(shù)據(jù)，它存儲(chǔ)了 Agent 最近的感知輸入、目標(biāo)以及中間內(nèi)部推理的結(jié)果;長期記憶包括語義記憶、程序記憶和情景記憶。其中，語義記憶是可用自然語言描述的記憶;程序記憶是企業(yè)內(nèi)部的業(yè)務(wù)流程與 SOP;情景記憶是過去業(yè)務(wù)情景的復(fù)現(xiàn)。
• 規(guī)劃：包含任務(wù)拆解、工作流、思維鏈、提示詞工程等，主要是通過這些方式，充分激發(fā)大模型的能力，實(shí)現(xiàn)針對(duì)任務(wù)目標(biāo)的問題拆解和任務(wù)規(guī)劃。

智能體工作流程

AIAgent 在企業(yè)用戶的運(yùn)行流程分成問題澄清、分析拆解、智能決策、任務(wù)執(zhí)行、觀察結(jié)果、記憶存儲(chǔ)等步驟。當(dāng)前實(shí)際應(yīng)用落地場(chǎng)景主要是問題澄清、分析拆解、智能決策、任務(wù)執(zhí)行，少部分場(chǎng)景會(huì)涉及到觀察結(jié)果和記憶存儲(chǔ)。

• 問題澄清：主要是意圖理解，借助大模型能力，通過反問機(jī)制等方式，對(duì)齊問題理解，準(zhǔn)確理解用戶的意圖。
• 分析拆解：主要是任務(wù)分解，將問題拆解成若干個(gè)子問題。
• 智能決策：是確定問題的解決方案和解決問題的順序，一方面是利用大模型本身的任務(wù)規(guī)劃能力，另一方面是通過調(diào)取知識(shí)庫等方式獲取過往經(jīng)驗(yàn)。
• 任務(wù)執(zhí)行：是調(diào)取各類工具組件進(jìn)行執(zhí)行。

觀察結(jié)果和記憶存儲(chǔ)是 AlAgent 未來能夠發(fā)揮重要價(jià)值的關(guān)鍵。大模型泛化能力讓 AIAgent 能夠以極低成本持續(xù)迭代，通過持續(xù)積累案例，提升 AlAgent 的能力

智能體現(xiàn)狀

現(xiàn)階段的智能體應(yīng)用，仍未長出足夠的自主思考能力以應(yīng)對(duì)復(fù)雜場(chǎng)景。目前仍舊處于AI Agent的初期階段，各種智能體產(chǎn)品距離真正的自主智能還有很遠(yuǎn)的路要走。

產(chǎn)品發(fā)展早期階段，四大類廠商各顯神通

InfoQ研究中心在對(duì)市面上對(duì)外服務(wù)的 Al Agent 產(chǎn)品進(jìn)行研究后，發(fā)現(xiàn)其背景主要分為大模型創(chuàng)業(yè)廠商、互聯(lián)網(wǎng)科技廠商、RPA/流程自動(dòng)化廠商和數(shù)字化企業(yè)服務(wù)商。

多種Agent構(gòu)建方式滿足不同技術(shù)水平、不同場(chǎng)景的用戶需求

在構(gòu)建和使用方式上，AI Agent 產(chǎn)品均支持根據(jù)內(nèi)置模版構(gòu)建、復(fù)雜智能體構(gòu)建和代碼構(gòu)建三種基礎(chǔ)構(gòu)建方式以滿足不同技術(shù)水平的用戶需求。此外，雖然大多數(shù)產(chǎn)品支持自然語言一鍵構(gòu)建方式，但受限于現(xiàn)有大腦的任務(wù)拆解和規(guī)劃能力，仍可以視為一種“面向未來”的構(gòu)建方式。

平臺(tái)類Agent:工具數(shù)量和類型不足，工具生態(tài)正在構(gòu)建初期

技術(shù)框架中的工具在平臺(tái)類Agent產(chǎn)品存在多種叫法:插件、組件等，但其本質(zhì)都是將大模型「大腦」的思考轉(zhuǎn)化為具體行動(dòng)和執(zhí)行的重要橋梁。目前支持的工具類型包含信息檢索、文件讀取等，數(shù)量和類型覆蓋范圍不夠廣，仍處在工具生態(tài)建設(shè)初期。

場(chǎng)景示例：智譜GLM智能體應(yīng)用布局

智譜智能體開發(fā)平臺(tái)，借助領(lǐng)先的智譜大模型技術(shù)，用靈活編排 AI 工作流、自主調(diào)用企業(yè)定義的數(shù)據(jù)知識(shí)和工具，快速構(gòu)建專業(yè)級(jí)智能體。同時(shí)，智譜AutoGLM正式發(fā)布Agent家族，包括AutoGLM、AutoGLM-Web、GLM-PC三個(gè)版本 ，對(duì)應(yīng)手機(jī)、瀏覽器、電腦三種終端應(yīng)用場(chǎng)景。

智能體開發(fā)平臺(tái)示例如下：

AutoGLM示例如下：

AutoGLM-Web示例如下：

GLM- PC示例如下：

實(shí)在智能體示例如下：

泛微智能大腦智能體示例如下：