AI Agent是基于大语言模型的智能实体具有感知环境、自主决策和执行动作的能力。文章解析了AI Agent的四大核心架构规划、记忆、工具和行动并通过案例展示其在To B产品中的应用价值。AI Agent整合LLM推理能力和外部工具能自动完成复杂任务实现软件AI化的L4级别自动化达到降本增效的核心目标。一、前言AI Agent人工智能代理是上半年一个火热的话题。笔者最近对相关概念进行了学习与研究期间也通过智能体开发平台成功搭建了一些有趣的Agent。所以计划通过本篇文章跟大家分享笔者对于AI Agent的些许理解。二、AI Agent是什么AI Agent即人工智能体是一种能够感知环境、进行自主理解、决策和执行动作的智能实体。简单理解是一种基于大语言模型能够通过独立思考、调用工具来逐步****完成给定目标的计算机程序。可能大家会疑问AI Agent又和LLM、RAG有什么区别他们之间的关系又是怎样的我们不妨先通过对比 LLM、RAG 的用途来更好地理解 AI Agent。1、LLMLLM大语言模型是基于海量文本数据训练的深度学习模型能够生成自然语言文本、深入理解文本含义并处理各种自然语言任务如文本摘要、问答、翻译等。简单理解是语言的逻辑推理如我们常见的Chat GPT、文心一言、通义千问等但由于LLM的知识是提早训练好的内容时效性不强加上用于训练的知识一般来源于公域的标准化知识存在局限性。为了解决LLM知识有限的问题需要把外部的知识提供给LLM进行学习让它理解之后表达出来这时候就需要用到RAG技术。2、RAGRAG检索增强生成是一种结合了外部信息检索与大型语言模型生成能力的技术用于处理复杂的信息查询和生成任务。在大模型时代RAG 通过加入外部数据如本地知识库、实时数据等来增强 AI 模型的检索和生成能力提高信息查询和生成质量。比如文心一言的插件服务支持把实时又或者私有化知识提供给LLM。总结而言RAG是一种技术作用于LLM目的是增加输出结果的准确性。3、AI Agent与LLM、RAG的关系如果把AI Agent理解为一个智能实体的话LLM充当着智能体的“大脑”角色。AI Agent 会利用 LLM 的推理能力把问题进行拆解形成一个一个的小问题并定义好这些小问题之间的前后关系先处理哪个再处理哪个。然后按照顺序调用 LLM 、 RAG 或者外部工具来解决每一个小问题直至解决最初的问题。三、AI Agent的基础架构上文提及到LLM充当着智能体的大脑但仅仅有“大脑”并不能完成复杂任务的执行。作为智能体还需要如“神经感官系统”以及“肢体”的参与这时候引入AI Agent的基础架构。▲由LLM驱动的智能体系统如上图所示Agent由4个关键部分组成分别是规划Planning、记忆Memory、工具Tools、行动Action1、规划Planning“规划”充当着智能体的“思维模式”。如果用人类来类比当接到一个任务时我们的思维模式可能会像下面这样首先会思考怎样完成这个任务。然后会把任务拆解成多个子任务分步进行。接着评估现有工具能够帮助我们高效达成目的。在执行任务的时候我们会对执行过程进行反思和完善以持续调整策略。执行过程中思考任务何时可以终止。因此我们可以通过 LLM 提示工程Prompt为智能体赋予这样的思维模式。比如在编写Prompt的时候运用ReAct、CoT等推理模式引导LLM对复杂的任务进行拆解拆分为多个步骤一步步思考和解决从而使输出的结果更加准确。2、记忆Memory记忆是什么当我们在思考这个问题其实人类的大脑已经在使用记忆。记忆是大脑存储、保留和回忆信息的能力。仿照人类的记忆机制智能体分为了两种记忆机制短期记忆如单次会话的上下文记忆会被短暂的储存以用于多轮会话在任务完结后被清空。长期记忆长时间被保留的信息如用户的特征信息、业务信息通常用向量数据库来存储和快速检索。3、工具Tools智能体具备感知环境与决策执行的能力这离不开“神经感官系统”的帮助“工具”便充当着这个角色。智能体通****过工具从周边环境获取到信息感知经过LLM处理后再使用工具完成任务执行。所以我们需要为智能体配备各种工具以及赋予它使用工具的能力。比如通过调用软件系统不同应用模块的API获取到指定的业务信息以及执行业务的操作权限。通过调用外部的插件工具来获取原本LLM并不具备的能力如文心的Chat files插件获取文档解析能力扣子的ByteArtist插件获取文生图能力等。这里便运用到了上文提及的RAG相关技术▲扣子平台的插件商城4、行动Action智能体基于规划和记忆来执行具体的行动这可能包括与外部世界互动或者通过工具的调用来完成一个动作具体来说就是一个输入Input任务的最终输出Output。如实体AI机器人完成一个“鼓掌”动作的任务又或者软件系统中由AI助手创建一个待办任务。▲Cyberdog2完成“鼓掌”任务四、AI Agent示例为了更好地理解AI Agent笔者这里举个生活中简单的例子假设您需要与朋友在附近吃饭需要AI Agent帮你预订餐厅。Agent会先对您提出的任务进行拆解如第1步获取当前所在方位推理1当前知识不足以回答这个问题需要知道当前所在方位以及附近的餐厅行动1使用地图工具Tools获取当前所在方位结果1得出附近餐厅列表第2步确定匹配餐厅推理2确定预订的餐厅需要知道您的饮食偏好以及其余细节如吃饭时间、人数行动2从记忆Memory中获取您的饮食偏好、人数、时间等信息结果2确定最匹配的餐厅第3步预订餐厅推理3基于结果2评估当前所拥有的工具能否完成餐厅预订行动3使用相关插件工具进行餐厅预订Aciton结果3任务完成五、Agent与To B产品应用场景对AI Agent有了初步的了解后我们可以把这套框架思想代入到To B产品的功能AI化设计中。比如通过AI Agent完成搭建报表、创建任务、生成工作报告等工作。这里拿**【生成工作报告】**为例子分享一下笔者的思路在CRM系统中写工作报告周报、月报是一个周期性的高频工作。这个工作可分为几个阶段1、手动阶段刚开始员工填写工作报告需要以下好几步第一步通过各种方式整理汇报周期内联系了哪些客户商机都推进到什么阶段哪些客户完成转化成交成交业绩多少等行为信息第二步把零散的行为信息重新梳理转化为汇报格式如内容当前进度预期等格式第三步选择汇报人提交报告这个过程中员工把大部分的时间都耗在了收集与整理行为信息的工作上。▲手动阶段写工作周报2、Copilot阶段由于引入了LLM员工在写工作报告的时候可以省去了整理零散信息撰写报告的一步。此时只需要把报告要求发给LLM让LLM基于零散的数据信息进行加工整理最后自动撰写工作报告。当提问中不含有汇报人等信息LLM将通过多轮会话的方式进行获取。3、Agent阶段到了Agent的阶段我们不妨以智能体的基础框架出发构建**【工作报告智能体】**的框架。规划Planning编写Prompt的时候让LLM对“生成工作报告”任务进行拆解分为了获取基础数据—整理输出报告—选择汇报人—执行提交四步。工具Tools受限于LLM无法获取私有化知识的问题通过RAG技术接入数据中心API来获取客户联系、流转、成交等明细数据以及接入工作报告应用API来获取“填写”与“提交”的业务执行权限。记忆Memory把员工以往的汇报内容进行分析提炼出汇报文案风格、内容格式、汇报周期、汇报人等特征信息作为长记忆进行存储供撰写报告时使用。行动Action基于工作报告应用开放的执行权限待LLM成功生成工作报告后自动执行提交操作完成任务。▲工作报告智能体框架通过这个方式员工只需要给Agent下达写工作报告的任务设置定时任务或手动触发Agent将会自动完成数据采集、报告撰写、选择汇报人、报告提交操作。▲工作报告智能体demo六、总结如果把“To B软件的AI化”类比于汽车自动驾驶技术的发展。23年LLM的推出相当于To B软件应用的自动化程度由L1阶段升级到L2阶段AI Agent的到来让自动化程度得到了进一步的提升由L2阶段升级到L4阶段。▲人类与AI协同的三种模式随着AI Agent自主性的进一步加强将会逐渐替代越来越多的重复性工作。但从To B软件的角度来看AI最终解决的核心问题仍然不变—「降本增效」。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。大模型入门到实战全套学习大礼包1、大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通2、大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。3、AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。4、大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。5、大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。适用人群第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】