前几天看到一个图，感觉能帮助理解 AI Agent 的基本思想和原理，特摘过来备忘。顺道加上自己目前对相关部分的理解，不一定对，权当做个记录。

另外，专门查了下图的来源，应该是源自  Lilian Weng 的博客文章《LLM Powered Autonomous Agents》-June 23, 2023

原图： 

​

中文重置版：

​

Memory（记忆）：

• 短期记忆：特指利用上下文学习（In-Context Prompting，又称为提示工程 Prompt Engineering）让模型在短时间内“记住”并利用这些信息来提高其在特定任务上的表现。
  >>简单说就是——在提问时一并给出背景资料，引导其思想，让结果更符合我们的预期。好处是不需要去调整和专门训练大模型。
  >>现在对话模式的AI应该都是用的这个技术。包括给定资料，让大模型出题也是这个方式。
• 长期记忆：这种设计使得 AI Agents 能够在长时间内保留和回忆大量信息的能力，一般通过外部向量存储和快速检索来实现。
  >>对这块的理解不一定对，我认为是——将以往的交流记录存储下来，并建立索引。当提问时，优先从历史信息中找到最相似的记录，来辅助这次的任务。相当于额外记录了你的喜好，而这个是不需要“写入”大模型的。

• Planning（规划）：
  • 子目标和分解：将一个大的、复杂的任务分解成多个小的、可管理的子目标。这样做可以让任务变得更加容易处理，并且可以提高任务执行的效率。
    >>这个相对好理解。通过这种方法来增强处理复杂任务的能力。
    >>这块应该是调用大模型来做到的？
  • 反思和调整：在执行任务后，对自己的行为进行评估和分析，以识别错误并找出改进的方法。通过这种方式，代理可以从经验中学习，逐步提高自己的智能和适应性，从而提高最终结果的质量。
    >>通过这种策略，来提升任务处理质量、提升“智能”，从而能较好处理复杂任务。
• Tool use（工具使用）：
  • AI Agents 可以学习如何调用外部 API，以获取模型权重中缺少的额外信息，这些信息通常在预训练后很难更改，包括当前信息、代码执行能力、对专有信息源的访问等。
    >>大模型侧重在于其强大的语言处理能力和与外部工具结合的能力，

补充资料1：

• 大模型（LLM，Large Language Model）的概念：是指拥有大量参数的预训练语言模型，能够理解和生成自然语言文本。这些模型通过在大规模数据上进行训练，能够捕捉到语言的各种模式和规律，从而在各种语言任务中表现出色，如问答、翻译、摘要生成等。
• AI Agent的概念：是指一种自主系统，能够感知环境并采取行动以实现特定目标。AI Agents通常具有一定的智能，能够进行决策、学习和适应环境变化。它们可以在各种应用场景中发挥作用，如自动驾驶、智能家居控制、虚拟助手等。
• 大模型与AI Agent之间的关系： |-大模型可以作为AI Agent的核心组件，提供语言理解和生成的能力。

    |-AI Agent 利用“大模型+外部工具”在真实世界中执行各种任务，拥有交互能力，可表现出较高的自主性和智能性。

补充资料2：另一个图（应该是来源于孚知流），它加上了感知（似乎也叫“多模态”）：

​