为什么要引入 Agent？
答：生成式AI模型（LLMs）近年来取得了惊人的进步，能够创作文本、图像、代码等，展现出巨大的潜力。然而，LLMs仍然存在局限性：
- 知识局限性：知识仅限于外部数据，无法获取实时信息和外部知识库。
- 行动局限性：LLMs无法与外界交互，无法执行实际操作。
为了克服这些局限性，谷歌的研究人员在《New whitepaper Agents》详细论述了“Agent”的概念，将LLMs与工具和编排层相结合，赋予其自主行动的能力。
Agent 的核心组件
- 模型：Agent 的大脑
- 工具：Agent 与外界交互的桥梁
- 编排层：Agent的指挥中心
Agents的运作机制：从输入到输出
Agent的运作过程可以概括为以下几个步骤：
- 接收输入：Agent接收用户的指令或问题。
- 理解输入：模型理解用户的意图，并提取关键信息。
- 推理规划：模型根据用户输入和当前状态，进行推理和规划，确定下一步行动。
- 选择工具：模型根据目标选择合适的工具。
- 执行行动：Agent使用工具执行行动，例如查询数据库、发送邮件等。
- 获取结果：Agent获取工具执行的结果。
- 输出结果：Agent将结果输出给用户，或进行下一步行动。
Agents的优势：超越LLMs
与传统的LLMs相比，Agents具有以下优势：
- 知识扩展：通过工具，Agent可以访问实时信息和外部知识库，突破训练数据的限制，提供更准确和可靠的信息。
- 自主行动：Agent可以根据目标进行自主决策和行动，无需人工干预，提高效率和灵活性。
- 多轮交互：Agent可以管理对话历史和上下文，进行多轮交互，提供更自然和流畅的用户体验。
- 可扩展性：Agent可以通过添加新的工具和模型，扩展其功能和应用范围。
Agents的应用：从智能客服到虚拟助手
Agents的应用范围非常广泛，例如：
- 智能客服：Agent可以自动回答用户问题，处理订单，解决客户问题，提高客户满意度。
- 个性化推荐：Agent可以根据用户的兴趣和行为，推荐商品、内容、服务等，提升用户体验。
- 虚拟助手：Agent可以帮助用户管理日程、预订行程、发送邮件等，提高工作效率。
- 代码生成：Agent可以根据用户的需求，自动生成代码，提高开发效率。
- 智能创作：Agent可以根据用户的需求，创作诗歌、小说、剧本等，激发创作灵感。
- 知识图谱构建：Agent可以从文本中提取知识，构建知识图谱，用于知识管理和推理。
