当前位置：首页 > news >正文

AI Agent系列(一) - Agent概述

news 来源：原创 2025/8/25 5:50:16

AI Agent系列【一】

前言
一、AI代理的特点
二、 AI Agent的技术框架
三、开源自主代理

前言

AI Agent，即人工智能代理，一般直接叫做智能体
百度百科给AI Agent定义为： “以大语言模型为大脑驱动的系统，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行完成复杂任务的系统，一个完整的AI Agent需要能够实现感知，决策和行动的能力。
例如，自动驾驶就是一个AI Agent
这个AI Agent可以感知周围的交通情况、道路状况等信息，这就是感知环境
通过，其根据感知的信息可以实现制订下一步的行动计划。例如，决定是否加速、减速、转弯等，这就是做出决策
最后，根据决策控制汽车的加速器、刹车、方向盘等，这就是采取行动

一、AI代理的特点

1. 具有推理能力
通过将大模型作为主要组件来扩展感知和行动空间，并通过策略如多模态感知和工具使用来制订具体的行动计划。
通过反馈学习和执行新的动作，借助庞大的参数以及大规模的语料库进行预训练，从而得到世界知识(World Knowledge)。
通过思维链(Chain of Thought,CoT)、ReAct(Reasoning and Acting)和问题分解(Problem Decomposition)等逻辑框架，使得Agent展现出非常强大的推理和规划能力。
通过与环境的互动，从反馈中学习并执行新的动作，获得交互能力。
通过结合记忆的知识和上下文来执行任务。此外，还可以通过检索增强生成(RAG)和外部记忆系统(Memory Bank)整合来形成外部记忆

2. 具有感知能力
AI Agent能够理解指令、提出问题、表达观点和情感、进行复杂的对话。
能够处理和解释来自不同感官的信息，如视觉、听觉、触觉等(当然同时也能够种格式输出信息，如文本、图片、音频，甚至视频)。

3. 具有行动能力
Agent能够通过语言输出参与更复杂的社会交流，例如谈判、冲突解决或者教学活动等。
Agent可以通过软件接口与各种系统交互。Agent可以调用外部 API(应用程序接口)来执行各种任务，如获取数据、发送指令或处理信息。例如，天气预报,Agent可能会调用天气服务的API来获取最新的天气信息。
而物理层面的交互通常涉及机器人或其他硬件设备。这些设备被编程来响应Agent的指令，执行具体的物理操作。机器人或自动化设备可以执行物理任务，如移动物体、组装零件等，可以使用传感器获取环境数据(如温度、位置、图像等)，并根据这些数据做出相应的物理响应。Agent也可以远程控制无人机、探测车等设备，执行探索、监控或其他任务。
在物理层面，Agent的能力扩展到与现实世界的直接交互，这要求其具备更高级的硬件控制能力和对物理环境的理解。

二、 AI Agent的技术框架

AI Agent的技术框架涉及多个层面，包括规划、记忆、工具和行动。

规划：Agent需要具备规划（同时也包含决策）能力，以有效地执行更复杂的任务，这涉及到子目标的分解、连续的思考、自我反思和批评，以及对表征行动的反思。

记忆: 则包括短期记忆和长期记忆，短期记忆与上下文学习有关，而长期记忆则涉及信息的长时间保留和检索。

工具: 包括Agent可能调用的各种工具，如日历、计算器、代码解释器和搜索功能等，这些工具扩展了Agent的行动能力，使其能够执行更复杂的任务。

行动： Agent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，或者通过调用工具来完成一个动作(任务)。

三、开源自主代理

1. AutoGPT
AutoGPT 是早期代理之一，于 2023 年 3 月发布，是根据中岛的论文开发的。它也是今天在 GitHub 上最受欢迎的代理存储库。该工具使用 OpenAI 的 GPT-4 和 GPT-3.5 大型语言模型（LLM），并允许您为各种个人和商业项目构建代理。
开源代码地址：
github：https://github.com/Significant-Gravitas/AutoGPT

2. SuperAGI
SuperAGI 是 AutoGPT 的更灵活、用户友好的替代品，包含了构建、维护和运行自己代理所需的一切。
该框架具有多个人工智能模型，图形用户界面，与向量数据库的集成（用于存储/检索数据）。此外，还提供工具包，可以让您将其连接到流行的应用程序和服务。
开源代码地址：
github：https://github.com/TransformerOptimus/SuperAGI

3. ShortGPT
ShortGPT 是使用大型语言模型来简化诸如视频创作、语音合成和编辑等复杂任务的框架。
ShortGPT 可以处理大多数典型的与视频相关的任务，如撰写视频脚本，生成配音，选择背景音乐，撰写标题和描述，甚至编辑视频。
开源代码地址：
github：https://github.com/RayVentura/ShortGPT

4. ChatDev
ChatDev 被打造成“一个虚拟软件公司”，它通过多个代理人来扮演传统开发组织中的不同角色，代理人通过合作处理各种任务，从设计软件到编写代码和文档。
开源代码地址：
github：https://github.com/OpenBMB/ChatDev

5. AutoGen
AutoGen 是一个用于开发和部署多个代理的开源框架，这些代理可以共同工作以自主实现目标。
AutoGen 试图促进和简化代理之间的通信，减少错误，并最大化 LLMs 的性能。它还具有广泛的定制功能，允许您选择首选模型，通过人类反馈改进输出，并利用额外的工具。
开源代码地址：
github: https://github.com/microsoft/autogen

6. MetaGPT
MetaGPT 与 ChatDev 类似，试图模仿传统软件公司的结构。代理被分配为产品经理、项目经理和工程师的角色，并协作完成用户定义的编码任务。
到目前为止，MetaGPT 只能处理中等难度的任务。
开源代码地址：
github：https://github.com/geekan/MetaGPT

7. OpenAGI

OpenAGI 是一个开源的 AGI（人工通用智能）研究平台，结合了小型专家模型 - 专门针对情感分析或图像去模糊等任务的模型。与其他自主开源 AI 框架并没有太大的不同。它汇集了像 ChatGPT、LLMs（如 LLaMa2）和其他专业模型等流行平台，并根据任务的上下文动态选择合适的工具。
开源代码地址：
github:https://github.com/agiresearch/OpenAGI

8. camel

camel是早期的多智能体框架之一，它采用独特的角色扮演设计，使多个智能体能够相互通信和合作。
该框架利用 LLM 的力量动态分配角色给代理人，指定和开发复杂任务，并安排角色扮演场景，以促进代理人之间的协作。这就像是为人工智能设计的戏剧。
开源代码地址：
github：https://github.com/camel-ai/camel

参考链接：https://blog.csdn.net/kaka0722ww/article/details/145873906

AI Agent系列【一】

前言

一、AI代理的特点

二、 AI Agent的技术框架

三、 开源自主代理

相关文章：

三、开源自主代理