深度解讀大模型最火的智能體(Agent)
上周寫了一篇文章，講大模型兩種模式，一種是 copilot，一種是 agent。
文章出來之后引起了討論，有同學留言覺得 copilot 和 Agent 沒啥區別，核心原因是認為，Copilot是傳統軟件使用AI 增強，這時被包裹成為copilot，另種形式 Agent 是AI系統（目前常見各種對話）包裹傳統系統API，這時稱為Agent。這兩者沒有明顯區別，同樣的實現邏輯。
其實這個是有誤區的。
核心概念區別
Agent 和 Copilot 最核心區別在于是否能自主完成任務，并不是是否調用其他能力。類似自動駕駛里面的 L2，L3的區別。agent 也可以包在傳統軟件里面，是否包，還是獨立的，不是這個核心區別。
AI Agent 是一種智能實體，它能夠感知環境、進行決策和執行動作。AI Agent 通常具有自主性，能夠根據給定的目標或任務，獨立地進行規劃、執行和反思。它們可以分解復雜任務，自我批評和自我反思，從錯誤中學習，并改善結果。AI Agent 可以被視為具有一定程度自主性和復雜推理能力的系統，它們可以在沒有人類直接干預的情況下完成任務。
AI Copilot，另一方面，通常是指一個通過AI技術賦能的智能助手，它協助人類完成各種任務。AI Copilot 可能在特定領域（如編程、寫作、駕駛等）提供幫助，通過與人類的交互來提高效率和創造力。AI Copilot 可能更多地依賴于人類的輸入和指導，而不是完全自主地完成任務。
簡而言之，AI Agent 更強調自主性和獨立完成任務的能力，而 AI Copilot 更側重于作為人類的助手，協助完成特定任務。AI Agent 可能在復雜性和自主性方面更為先進，而 AI Copilot 則更注重與人類的協作和輔助。
講完概念，今天繼續深度下 Agent 的架構，當前問題，業界典型范例給大家參考。
典型Agent 架構
下圖是一個典型的 Agent 架構。
一個 Agent 里面核心幾大塊：
1、大模型：負責思考，給出執行，調用的參數。
2、能力庫：外掛的各種能力，比如約會議，查文檔都是調用另外的系統完成。
3、歷史：主要是記錄上下文
4、用戶澄清：當前 Agent 比較難脫離人的檢查確認，所以一般有這一步用戶的確認和修改過程。
5、最終展示：有多種展示形式，卡片式，或者給自然語言展示結果。
接下來看下 Agent 實際的范例和當前存在的問題。
業界 Agent 范例
Copilot 有很多成功的范例，最出名的有 GitHub copilot，Microsoft office 365 copilot。大模型已經成功在編程，文案，創意等方向有不錯的實踐。
當前智能體 Agent 還處在比較早期的階段，已經有一些比較明顯的成果，當前有些典型的嘗試：
- 角色扮演類：比如英語口語老師，情感分析大師。
- 創作類：各種營銷文案如新媒體文章，小紅書文案編寫等。
- 辦公類：ppt 自動生成，研究報告生成等。
不過總的來說特別實用的 agent 其實還沒有孵化出來。
從另外一個角度思考，大模型是一個全新的領域，，從成熟度角度，可以認為：
GPU > LLM > Agent builder > Agent&Application
越是底層越成熟，也只有底層成熟了才能孵化上層的業務。因此如果要有一個比較不錯的 Agent，可能需要成熟的 Agent builder。可能有又有小伙伴想知道都有哪些 Agent builder，后面找時間詳解一下業界都有哪些 Agent builder各自特點是什么。
下圖是 AI Stack 典型技術棧，給忘記的同學回顧：
當前Agent 存在的問題
人工智能大牛吳恩達是 Agent 的擁躉，先簡單回顧吳恩Agent 四范式：
- Reflection（反思）：類似于AI的自我糾錯和迭代。例如，AI系統會檢查自己編寫的代碼，并提出修改建議。
- Tool Use（工具使用）：大語言模型調用插件，擴展了其能力。例如，使用Copilot進行聯網搜索或調用代碼插件解決數理邏輯問題。
- Planning（規劃）：AI根據用戶輸入的任務，拆解流程、選擇工具、調用、執行并輸出結果。例如，根據一張圖片中的姿態生成一張新圖片，并進行描述。
- Multi-agent（多智能體協作）：多個Agent協作完成任務，每個Agent可能扮演不同的角色，如CEO、產品經理或程序員。這種模式模擬了現實生活中的工作場景，能夠處理復雜系統
Agent大家未來肯定看好，但是 agent 當前還是存在比較多的問題，仍能需要工業界持續去改進。
- 性能問題
傳統互聯網產品性能都是毫秒級，調用大模型需要等待的時間較長，一些場景下用戶不愿意等待的。
- 效果問題
純大模型很難上線，還要套用規則或者其他一些手段補充和彌補
- 成本問題
業務真實場景下，調用大模型成本還是很高。
- multi-agent 還沒有起來
沒有把多個 bot組織起來，快速構建大量的智能體。吳恩達認為多agent 效果會很好，但是怎么組合調用，還沒有看到很好的成果經驗。
總的來說，前途是光明的，道路還是曲折的。
