智慧體課程文件
什麼是 Agent？
並獲得增強的文件體驗
開始使用
什麼是 Agent？
學完本節後，你將對 Agent 及其在人工智慧中的各種應用有充分的理解。
為了解釋什麼是 Agent，讓我們先從一個類比開始。
大局：Agent Alfred
認識一下 Alfred。Alfred 是一個 Agent。
想象一下 Alfred 收到一個指令，例如：“Alfred，請給我一杯咖啡。”
因為 Alfred 理解自然語言，他很快就明白了我們的請求。
在執行訂單之前，Alfred 會進行 推理和規劃，找出他需要執行的步驟和工具：
- 去廚房
- 使用咖啡機
- 沖泡咖啡
- 把咖啡帶回來
一旦他有了計劃，他 就必須行動。為了執行他的計劃，他可以使用他所知道的工具列表中的工具。
在這種情況下，為了製作咖啡，他使用咖啡機。他啟動咖啡機來沖泡咖啡。
最後，Alfred 把剛衝好的咖啡端給我們。
這就是 Agent：一個 能夠推理、規劃並與其環境互動的 AI 模型。
我們稱之為 Agent，因為它具有“能動性”（agency），即它具有與環境互動的能力。
我們來更正式地定義
現在你已經有了大局觀，下面是一個更精確的定義
Agent 是一個利用 AI 模型與環境互動以實現使用者定義目標的系統。它結合了推理、規劃和行動的執行（通常透過外部工具）來完成任務。
將 Agent 視為包含兩個主要部分：
- 大腦（AI 模型）
這裡是所有思考發生的地方。AI 模型 處理推理和規劃。它根據情況 決定採取哪些行動。
- 身體（能力和工具）
這部分代表 Agent 能夠執行的一切。
可能行動的範圍 取決於 Agent 配備了什麼。例如，因為人類沒有翅膀，他們不能執行“飛”這個 行動，但他們可以執行“走”、“跑”、“跳”、“抓”等 行動。
“能動性”的範圍
根據這個定義，Agent 存在於一個能動性不斷增加的連續光譜上
| 代理能力等級 | 描述 | 名稱 | 示例模式 |
|---|---|---|---|
| ☆☆☆ | Agent 輸出對程式流程沒有影響 | 簡單處理器 | process_llm_output(llm_response) |
| ★☆☆ | Agent 輸出決定基本控制流 | 路由器 | if llm_decision(): path_a() else: path_b() |
| ★★☆ | Agent 輸出決定函式執行 | 工具呼叫者 | run_function(llm_chosen_tool, llm_chosen_args) |
| ★★★ | Agent 輸出控制迭代和程式繼續 | 多步智慧體 | while llm_should_continue(): execute_next_step() |
| ★★★ | 一個代理工作流可以啟動另一個代理工作流 | 多智慧體 | if llm_trigger(): execute_agent() |
表格來自 smolagents 概念指南。
我們使用哪種型別的 AI 模型來構建 Agent？
Agent 中最常見的 AI 模型是 LLM（大型語言模型），它以 文字 作為輸入並輸出 文字。
著名的例子有 OpenAI 的 GPT4、Meta 的 Llama、Google 的 Gemini 等。這些模型在大量的文字上進行訓練，並且能夠很好地泛化。我們將在下一節中瞭解更多關於 LLM 的資訊。
AI 如何對其環境採取行動？
LLM 是很棒的模型，但 它們只能生成文字。
然而，如果你要求 HuggingChat 或 ChatGPT 等知名聊天應用程式生成影像，它們可以做到！這怎麼可能呢？
答案是，HuggingChat、ChatGPT 和類似應用程式的開發者實現了額外的功能（稱為 工具），LLM 可以使用這些工具來建立影像。
我們將在 工具 部分了解更多關於工具的資訊。
Agent 可以執行哪些型別的任務？
Agent 可以透過 工具 執行我們實現的任何任務來完成 行動。
例如，如果我編寫一個 Agent 作為我在電腦上的個人助理（像 Siri），我要求它“給我的經理傳送一封郵件，要求推遲今天的會議”，我可以給它一些傳送郵件的程式碼。這將是一個 Agent 可以在需要傳送郵件時使用的新工具。我們可以用 Python 編寫它
def send_message_to(recipient, message):
"""Useful to send an e-mail message to a recipient"""
...正如我們將看到的，LLM 將在需要時生成程式碼來執行該工具，從而完成所需的任務。
send_message_to("Manager", "Can we postpone today's meeting?")工具的設計非常重要，對 Agent 的質量有很大影響。有些任務需要非常特定的工具來製作，而另一些任務可能使用“網路搜尋”等通用工具來解決。
請注意，行動與工具不同。例如，一個行動可能涉及使用多個工具才能完成。
允許 Agent 與其環境互動 實現了公司和個人的實際應用。
示例 1：個人虛擬助理
Siri、Alexa 或 Google Assistant 等虛擬助理在代表使用者與數字環境互動時，就充當 Agent 的角色。
它們接收使用者查詢，分析上下文，從資料庫中檢索資訊，並提供響應或啟動操作（如設定提醒、傳送訊息或控制智慧裝置）。
示例 2：客戶服務聊天機器人
許多公司部署聊天機器人作為 Agent，以自然語言與客戶互動。
這些 Agent 可以回答問題，引導使用者完成故障排除步驟，在內部資料庫中開啟問題，甚至完成交易。
它們的預定義目標可能包括提高使用者滿意度、縮短等待時間或提高銷售轉化率。透過直接與客戶互動、從對話中學習並隨著時間的推移調整其響應，它們展示了 Agent 在行動中的核心原則。
示例 3：影片遊戲中的 AI 非玩家角色
由 LLM 提供支援的 AI Agent 可以使非玩家角色（NPC）更具動態性和不可預測性。
它們不再遵循僵化的行為樹，而是可以 根據上下文做出響應，適應玩家互動，並生成更細緻的對話。這種靈活性有助於建立更逼真、更引人入勝的角色，這些角色隨著玩家的行動而演變。
總而言之，Agent 是一個使用 AI 模型（通常是 LLM）作為其核心推理引擎的系統，用於：
理解自然語言： 以有意義的方式解釋和響應人類指令。
推理和規劃： 分析資訊，做出決策，並制定策略來解決問題。
與環境互動： 收集資訊，採取行動，並觀察這些行動的結果。
現在你對 Agent 有了紮實的理解，讓我們透過一個簡短的、不計分的測驗來鞏固你的理解。之後，我們將深入探討“Agent 的大腦”：LLM。
< > 在 GitHub 上更新