如何利用 Agent 构建AI服务？

近年来，人工智能（AI）技术的飞速发展引起了广泛的关注和讨论。而如今，我们正站在一个全新的时代门槛前，面对着 AI Agent 带来的的崭新未来。以LLM（大型语言模型）作为其核心控制器构建代理是一个很酷的概念。它模拟人类的工作流程，能够自主进行信息搜索、分析、利用，以完成目标。

OpenAI 联合创始人 Andrej Karpathy 在 Twitter 上用比喻描述了 AI Agent 的过程：每一次 GPT 的调用就像一次思考。通过将他们串联起来，就可以创建出可以感知、思考和行动的 Agent 系统。

目前已经存在不少 AI Agent 系统的案例，例如 AutoGPT、BabyAGI、Camel、Jarvis、AgentGPT 等。

AI Agent 系统是如何工作的？

AI Agent 系统如此强大，那么他到底是如何工作的呢？

在 AI Agent 系统中，LLM 引擎充当其大脑，为其提供了强大的处理能力和智能思维。除此之外，还辅以几个关键组件：

• 任务规划: 为 AI Agent 系统提供任务分解 (task decomposition) 和自我反思 (self reflection) 的能力。
• 记忆: 为 AI Agent 系统提供长时间保存和回忆额外信息的能力。
• 工具使用: 让 AI Agent 可以对外部做出动作，真实地影响现实世界。

1、 任务规划

任务分解 (task decomposition)

AI 机器人（AI-BOT）在任务分解阶段，通常是使用思维链 (CoT, Chain of Thoughts) 和思维树 (ToT, Tree of Thoughts) 等技术。

• CoT 通过 “think step by step” (分步思考)，将复杂任务逐步分解为更小、更简单的步骤。 它将大任务拆分为多个可以实现的小任务，并阐明了 LLM 思考推理的过程。
• ToT 则尝试同时考虑多个潜在的可行计划。 它在每一步尝试探索更多可能性，首先将问题分解为多个思考步骤，并在每个步骤中生成多个思考，从而创建一个思维树。

自我反思 (self reflextion)

在自我反思阶段，AI Agent 回顾过去的行动和决策，并纠正以前的错误来迭代改进自身。自我反思目前常用的技术有 ReAct、Reflextion、Chain of Hindsight 等。

• ReAct 通过追踪 LLM 的推理过程来让模型优化、跟踪和更新行动计划，并能处理异常情况。
• Reflextion 则比 ReAct 更进一步，在 ReAct 的流程中加入推理评估来尝试改进推理结果。
• Chain 则是通过大量的反馈结果中学习并优化推理结果。

2、 记忆

人脑的记忆分为三种：感官记忆、短期记忆和长期记忆。

感官记忆是人的视觉、听觉、触觉等反馈而来的记忆，通常只有数秒；短期记忆是人当前正在执行的认知任务的相关记忆，通常会持续数十秒； 长期记忆则是人过往的经历和回忆，通常会长达数十年，我们的大脑会在需要时自动从长期记忆中提取出对应的记忆来使用。

AI Agent 也模拟了人脑记忆的使用过程，对于较短的感官记忆和短期记忆，AI Agent 可以直接将其放入上下文中；而对于长期记忆，AI Agent 将其存储在外部，需要时再根据需要提取出相关的记忆来使用。

我们现在通常使用向量数据库来存储、搜索外部记忆，它使用最大内积搜索 (MIPS) 的技术来对记忆进行相关性搜索，目前常用的 MIPS 的算法有 LSH、ANNOY、HNSW、FAISS、ScaNN 等。

3、 工具使用

工具的使用也是很重要的环节，任务规划、反思和记忆只是让 AI Agent 有了思考的能力，但是他还需要能使用工具才能做出具体的行动。给 AI Agent 装配上工具，相当于给予了他手足，让他能够通过利用各种工具和资源来完成任务。

目前的 ChatGPT Plugins 和 OpenAI API function calling 都是 LLM 使用工具的非常好的实践案例。除此之外，还有 MRKL、TALM、Toolformer、HuggingGPT 和 API Bank 等使用工具的方法。

AI Agent 的经典案例: AutoGPT

AutoGPT 是一个实验性的开源 AI Agent 程序，它利用 GPT-4 来自主管理任务，例如创建网站、撰写文章、生成 Logo 或推广产品等。它可以访问互联网，并收集、分析各种信息，从网络中学习并完成任务。

AutoGPT 的惊人之处在于它的自治性。他是完全独立运作的，不需要使用者的额外干预。 它还拥有长期和短期记忆系统，这让它能记住过往做过的事情，从经验中学习，并根据过去的行动自行优化决策，这让它可以随着时间不断自我改进。

AI Agent 尚未解决的问题

AI Agent 的发展和应用在许多领域中都呈现出了巨大的潜力和前景。然而，就像任何其他技术一样，AI Agent 也有一些限制：

• 有限的上下文长度：受限的上下文容量限制了 AI Agent 系统的效果，尤其是任务规划和自我反思这样的机制。虽然向量存储和检索可以提供对外部信息的访问，但它们的表示能力不如完全关注那么强大。
• 长期规划和任务分解的挑战：虽然 AI Agent 在解决特定任务方面可能非常出色， 但与人类相比，在长期规划和任务分解方面仍存在显著的差距。
• 自然语言接口的可靠性：当前的 AI Agent 系统依赖自然语言作为 LLM 与外部组件的接口。 然而，大语言模型的输出并不是完全可靠的，因为他偶尔可能会出现格式错误，或表现出叛逆行为。

当然，随着 AI 技术的飞速演进，我们相信，这些限制都会在不久的将来得到解决。

如何实现AI Agent？

尽管当前技术发展阶段下AI Agent尚未足够成熟，不足以将任务完全托管，但我们依然能够通过一些有效的方式， 在 GPTBots 平台上，以更加务实和合理的中间方案，实现Agent能力。

Flow BOT —— 可视化地规划任务流程

任务规划是AI Agent的关键组件之一。GPTBots（https://gptbots.ai/developer/）平台则提供以可视化组件搭建任务流程创建AI-BOT的能力——Flow BOT。平台已将常见的、通用的AI-BOT开发模块抽象为了多个组件。 开发者可以在界面上，通过简单的托拉拽方式，根据自身业务需求，将不同组件进行“规划”，拼接为一个“任务”，并定义为一个AI-BOT，以解决特定的问题。

Flow BOT不仅拥有灵活的任务流配置能力，在不同的开发模块内也提供了众多的可配置项， 例如输入、输出、插件、知识库、条件判断等，可以帮助开发者灵活地应对各种业务场景。

插件 —— 让AI-BOT执行任意任务

AI Agent需要有工具才能执行各类任务，而 GPTBots 平台提供 的插件（Plugin）就是这么一款工具。

GPTBots平台官方提供了涵盖学术、商业、生活和工作等诸多领域的公共插件， 供开发者加入AI-BOT内进行调用，让AI-BOT拥有了与外界沟通的能力，并执行对应任务。

长短记忆 —— 用更充沛的信息来做决策

记忆设置是 GPTBots 平台提供的另一项有利于实现Agent能力的功能。 开发者可以通过对AI-BOT进行长记忆和短记忆的设置，来对AI-BOT的问题处理能力进行拓展。

在解决规模较大，信息量较多的问题时，长记忆的能力显得尤为关键。 而在处理一般问题时，短记忆便已足够。在解决单轮问答问题时，甚至可以用不着长短记忆能力。 这也使得该功能拥有了另外一层价值：开发者能够应根据自身的需求，理性地定义AI-BOT的记忆设置，因为因为更长的记忆，就意味着更多的成本消耗。 长短记忆功能，为开发者控制AI-BOT成本，提供了一种方向。

AI Agent 的未来

AI Agent 强大的能力，将让他成为我们未来的无处不在的助手，为我们的生活和工作提供协助和支持。 无论是在家庭生活中，帮助我们管理日常事务和家务，还是在工作场所中，协助我们处理数据和决策，AI Agent 都将发挥重要作用。

在家庭生活中，AI Agent 可以成为一个智能家居管家，通过学习我们的喜好和习惯，自动调节室温、照明和音乐，提供个性化的生活体验。 它们还可以帮助我们管理购物清单、日程安排和提醒事项，让我们的生活更加便捷高效。

在工作场所中，AI Agent成为我们的智能助手和数据分析师。 它们可以快速处理大量的数据，提供准确的分析和预测，帮助我们做出更明智的决策。 AI Agent 还可以自动化繁琐的任务，提高工作效率，并减轻人们的工作压力。 如我们介绍Flow Bot时展示的截图例子，只需设置目标语言、行业，即可轻松使用Agent解决SEO整篇文章翻译为特定语言，如日语、西班牙语、繁中，输出结果保留HTML标签。 整体Flow Bot由三个Bot组成：翻译Bot + Review审查Bot + 总结Bot，配置过程无需任何编码。 可想而知，这将极大地提升SEOer的工作效率，辅助网站的多语种内容建设。

当然，作为一种新兴技术，AI Agent 也面临着一些挑战和风险。我们需要确保 AI Agent 助手的安全性和可靠性，避免出现意外事故和不良后果。 同时，我们也需要制定相关的法规和行业规范，明确责任和监管机制，以保障 AI Agent 的合理使用和发展。

立即免费试用