AI创想

标题: 【AI超级智能体】什么是智能体？智能体实现的关键技术有哪些？ [打印本页]

作者: 米落枫 时间: 昨天 07:41
标题: 【AI超级智能体】什么是智能体？智能体实现的关键技术有哪些？
作者：CSDN博客
智能体基础概念

本篇文章为个人学习ai笔记，部分资源来源于网上，仅供学习记录分享，无其他用途。

什么是智能体？

智能体（Agent）是一个能够感知环境、进行推理、制定计划、做出决策并自主采取行动以实现特定目标的 AI 系统。它以大语言模型为核心，集成记忆、知识库和工具等能力为一体，构造了完整的决策能力、执行能力和记忆能力，就像一个有主观能动性的人类一样。与普通的 AI 大模型不同，智能体能够：

感知环境：通过各种输入渠道获取信息（多模态），理解用户需求和环境状态
自主规划任务步骤：将复杂任务分解为可执行的子任务，并设计执行顺序
主动调用工具完成任务：根据需要选择并使用各种外部工具和 API，扩展自身能力边界
进行多步推理：通过思维链（Chain of Thought）逐步分析问题并推导解决方案
持续学习和记忆过去的交互：保持上下文连贯性，利用历史交互改进决策
根据环境反馈调整行为：根据执行结果动态调整策略，实现闭环优化

智能体的分类

1）反应式智能⁠体：仅根据当前输入和固定规则‌做出反应，类似简单的聊天机器人，没有真正的规划能力。23‎ 年时的大多数 AI 聊天机‌器人应用，几乎都是反应式智能体。
2）有限规划智能体：能进⁠行简单地多步骤执行，但执行路径通常是预设的或有‌严格限制的。鉴定为 “能干事、但干不了复杂的大事”。24 年流行的很多可联网搜索内容、调用知‎识库和工具的 AI 应用，都属于这类智能体。比‌如 ChatGPT + Plugins
3）自主规⁠划智能体：也叫目标导‌向智能体，能够根据任务目标自主分解任务、‎制定计划、选择工具并‌一步步执行，直到完成任务。比如 25 年初很火的 M⁠anus 项目，它的核心亮点在于其 “自主执行” 能‌力。据官方介绍，Manus 能够在虚拟机中调用各种工具（如编写代码、爬取数据）完成任务。其应用场景‎覆盖旅行规划、股票分析、教育内容生成等 40 余个‌领域，所以在当时给了很多人震撼感。

智能体实现的关键技术

一、CoT 思维链

CoT（Chain of⁠ Thought）思维链是一种让 AI 像人类一‌样 “思考” 的技术，帮助 AI 在处理复杂问题时能够按步骤思考。对于复杂的推理类问题，先思考后‎执行，效果往往更好。而且还可以让模型在生成答案时‌展示推理过程，便于我们理解和优化 AI。
CoT 的实现方式其实很简单⁠，可以在输入 Prompt 时，给模型提供额外的提示或‌引导，比如 “让我们一步一步思考这个问题”，让模型以逐步推理的方式生成回答。还可以运用 Prompt 的优化‎技巧 few shot，给模型提供包含思维链的示例问题‌和答案，让模型学习如何构建自己的思维链。

二、Agent Loop 执行循环

Agent⁠ Loop 是智能体‌最核心的工作机制，指智能体在没有用户输入‎的情况下，自主重复执‌行推理和工具调用的过程。
在传统的聊天模型中，⁠每次用户提问后，AI 回复一次就结束‌了。但在智能体中，AI 回复后可能会继续自主执行后续动作（如调用工具、处理结果、继续‎推理），形成一个自主执行的循环，直到任务‌完成（或者超出预设的最大步骤数）。
// Agent Loop 的实现原理其实很简单，参考如下代码public String execute() { List<String> results = new ArrayList<>(); while (currentStep < MAX_STEPS && !isFinished) { currentStep++; // 执行每一步（具体执行细节由子类实现） String stepResult = executeStep(); results.add("步骤 " + currentStep + ": " + stepResult); } if (currentStep >= MAX_STEPS) { results.add("达到最大步骤数: " + MAX_STEPS); } return String.join("\n", results); }

三、ReAct 模式

ReAct（Reas⁠oning + Acting）是一种结合‌推理和行动的智能体架构，它模仿人类解决问题时 ” 思考 - 行动 - 观察” 的循‎环，目的是通过交互式决策解决复杂任务，是‌目前最常用的智能体工作模式之一。
核心思想：

推理（Reason）：将原始问题拆分为多步骤任务，明确当前要执行的步骤，比如 “第一步需要打开xxx网站”。
行动（Act）：调用外部工具执行动作，比如调用搜索引擎、打开浏览器访问网页等。
观察（Observe）：获取工具返回的结果，反馈给智能体进行下一步决策。比如将打开的网页代码输入给 AI。
循环迭代：不断重复上述 3 个过程，直到任务完成或达到终止条件。

// 具体实现代码逻辑（示例代码）如下：void executeReAct(String task) { String state = "开始"; // 根据任务状态判断 while (!state.equals("完成")) { // 第一步：先思考 String thought = "思考下一步行动"; System.out.println("推理: " + thought); // 第二步：思考后采取行动 String action = "执行具体操作"; System.out.println("行动: " + action); // 第三步：观察行动后的结果进行反馈 String observation = "观察执行结果"; System.out.println("观察: " + observation); // 如果任务完成或者达到终止条件（最大次数）就要改变任务状态跳出循环 state = "完成"; } }

(, 下载次数: 0)

四、额外所需支持系统

除了上诉几种基本的工作机制外，智能体的实现还依赖于很多支持系统。
1）首先是 ⁠AI 大模型，这个就不‌多说了，大模型提供了思考、推理和决策的核心能‎力（也就是智能体的大脑），越强的 AI 大模‌型通常执行任务的效果越好。
2）记忆系统：智能体需要记忆系统⁠来存储对话历史、中间结果和执行状态，‌这样它才能够进行连续对话并根据历史对话分析接下来的工作步骤。可以使用 Spring AI 的 ‌ChatMemory 来实现对话记忆。
3）知识库：尽管大语言模型拥有⁠丰富的参数知识，但针对特定领域的专‌业知识往往需要额外的知识库支持。通过 RAG 检索增‎强生成 + 向量数据库等技术，智能‌体可以检索并利用专业知识回答问题。
4）工具调用：工具是扩展智能体⁠能力边界的关键，智能体通过工具调‌用可以访问搜索引擎、数据库、API 接口等外部服务，极大地增强了‎其解决实际问题的能力。当然，MC‌P 也可以算是工具调用的一种。

综合上面 4 类⁠技术，并且结合 CoT、Agen‌t Loop、ReAct 等机制（可以总称为 “规划执行机制”）‎，我们就可以构建一个完整的、有自‌主规划能力的智能体系统啦。

原文地址：https://blog.csdn.net/2301_80308496/article/details/160368829

欢迎光临 AI创想 (https://llms-ai.com/)