本文將深入探討智能體的概念、為何“具有智能體特性”變得如此重要，以及這一趨勢如何影響我們對未來技術(shù)的構(gòu)想。

什么是智能體？

傳統(tǒng)應(yīng)用程序通常遵循預(yù)先定義好的規(guī)則和邏輯，而智能體則不同，它可以根據(jù)LLM的理解和判斷，動態(tài)地選擇下一步操作，這使得智能體能夠處理更加復(fù)雜和不確定的任務(wù)。

簡單來說，智能體就是一個利用LLM來決定應(yīng)用程序控制流程的系統(tǒng)，可以被視為一種能夠自主決策和執(zhí)行任務(wù)的系統(tǒng)。它通過與外部數(shù)據(jù)和計算資源的交互，來實現(xiàn)復(fù)雜的任務(wù)。

智能體與傳統(tǒng)應(yīng)用程序的區(qū)別

以LangChain生態(tài)為例，通過LangChain創(chuàng)建的很多LLM應(yīng)用的工具，特別是那些作為推理引擎并與外部數(shù)據(jù)源和計算資源交互的系統(tǒng)，這些系統(tǒng)通常被稱為智能體。

智能體的定義可能因人而異。技術(shù)上講，智能體是一個利用LLM來決定應(yīng)用程序控制流程的系統(tǒng)。

然而，這樣的定義并不完美。人們往往認(rèn)為智能體是高級的、自主的、類似人類的系統(tǒng)，但一個簡單的系統(tǒng)也可以通過LLM在兩條不同路徑之間進行路由，這也符合技術(shù)定義。這表明，智能體的定義并不單一，而是具有多樣性。

舉個例子，想象一下一個智能客服機器人。傳統(tǒng)的客服機器人只能根據(jù)預(yù)設(shè)的關(guān)鍵詞進行簡單的問答。但智能客服機器人則可以利用LLM理解用戶的真實意圖，并根據(jù)情況選擇不同的對話策略，例如：

• 如果用戶只是詢問簡單的信息，智能客服機器人可以直接給出答案。
• 如果用戶的問題比較復(fù)雜，智能客服機器人可以引導(dǎo)用戶提供更多信息，或者將用戶轉(zhuǎn)接到人工客服。

Agentic意味著什么？

Agentic可以理解為“具有智能體特性”。一個系統(tǒng)越“具有智能體特性”，就意味著LLM在決定系統(tǒng)行為方面的作用越大。

Agentic譜系

我們可以把Agentic看作一個連續(xù)譜系：

• 一端是完全沒有Agentic的系統(tǒng)。這些系統(tǒng)完全按照預(yù)設(shè)的規(guī)則運行，LLM的作用僅僅是提供信息或執(zhí)行簡單的指令。
• 另一端是完全Agentic的系統(tǒng)。這些系統(tǒng)的行為完全由LLM決定，甚至可以自己設(shè)定目標(biāo)和計劃。

當(dāng)然，大多數(shù)實際系統(tǒng)都處于這個譜系的中間地帶。例如，一個智能客服機器人可能在回答簡單問題時沒有Agentic，但在處理復(fù)雜問題時就需要一定的**Agentic。

吳恩達提出了一個觀點，即智能體的能力可以被視為一個譜系，就像自動駕駛車輛有不同的自動化等級一樣，智能體的能力也可以有不同的等級,因而在現(xiàn)階段使用Agentic定義比Agent更加合適。這個觀點得到了廣泛的認(rèn)同，并且有助于更好地理解智能體的不同層次。

LLM的作用程度

根據(jù)系統(tǒng)中LLM的作用程度，可以將智能體劃分為不同的等級：

1. 路由器（Router）：使用LLM將輸入路由到特定的下游工作流，這種行為具有一定的“智能體特性”。
2. 狀態(tài)機（State Machine）：如果系統(tǒng)使用多個LLM進行多次路由步驟，并且其中一個步驟決定是否繼續(xù)或結(jié)束，這種系統(tǒng)就類似于狀態(tài)機。
3. 自主智能體（Autonomous Agent）：如果系統(tǒng)能夠構(gòu)建工具、記住這些工具并在未來的步驟中使用它們，這種系統(tǒng)就具有高度的智能體特性。

盡管這些定義看起來比較技術(shù)性，但在設(shè)計和描述LLM系統(tǒng)時，這些技術(shù)定義是非常有用的。

Agentic為何有價值？

理解Agentic的概念對于構(gòu)建和使用基于LLM的系統(tǒng)至關(guān)重要。它可以幫助我們：

• 選擇合適的系統(tǒng)架構(gòu)。對于一些簡單的任務(wù)，可能并不需要Agentic，傳統(tǒng)的應(yīng)用程序就足夠了。但對于一些復(fù)雜的任務(wù)，就需要考慮構(gòu)建具有Agentic的系統(tǒng)。
• 設(shè)計更有效的交互方式。對于具有Agentic的系統(tǒng)，我們需要設(shè)計更靈活的交互方式，以便LLM能夠充分發(fā)揮其作用。
• 評估系統(tǒng)的性能。對于具有Agentic的系統(tǒng)，傳統(tǒng)的評估指標(biāo)可能不再適用，我們需要探索新的評估方法。

總而言之，Agentic是一個需要根據(jù)具體問題和應(yīng)用場景進行權(quán)衡的因素。

更進一步說，理解你的系統(tǒng)可以有多“具有智能體特性”，可以在開發(fā)過程中指導(dǎo)你的決策——包括構(gòu)建、運行、交互、評估，甚至監(jiān)控。

Agentic在開發(fā)過程中的作用

• 構(gòu)建：在構(gòu)建復(fù)雜的智能體系統(tǒng)時，擁有一個框架可以加速開發(fā)過程。這個框架應(yīng)該支持分支邏輯和循環(huán)。
• 運行：智能體系統(tǒng)越復(fù)雜，運行起來就越困難。需要能夠處理長時間運行的任務(wù)，并且在執(zhí)行過程中處理任何可能發(fā)生的錯誤。
• 交互：在系統(tǒng)運行時，你需要觀察系統(tǒng)內(nèi)部的運行情況，并在必要時修改智能體的狀態(tài)或指令。
• 評估：需要一個評估框架來測試智能體的表現(xiàn)，包括中間步驟的效率。
• 監(jiān)控：需要一個新的監(jiān)控框架來深入了解智能體的每一步操作，并根據(jù)智能體的步驟查詢運行情況。

理解和利用系統(tǒng)中智能體特性的譜系，可以提高開發(fā)過程的效率和系統(tǒng)的魯棒性。

Agentic是新趨勢

隨著LLM技術(shù)的不斷發(fā)展，我們正在構(gòu)建越來越多的具有Agentic的系統(tǒng)。例如：

Agentic

• 自主機器人：可以根據(jù)環(huán)境和任務(wù)自主規(guī)劃行動路線，例如自動駕駛汽車、物流機器人等。
• 智能個人助理：可以根據(jù)用戶的習(xí)慣和需求提供個性化的服務(wù)，例如安排日程、推薦內(nèi)容等。
• 智能創(chuàng)作工具：可以輔助用戶進行創(chuàng)作，例如生成文本、圖像、音樂等。

隨著我們在智能體譜系上走得更遠(yuǎn)，支持工具的整個生態(tài)系統(tǒng)都需要重新構(gòu)想。我們需要開發(fā)新的編程模型、調(diào)試工具和評估指標(biāo)，以支持這些更復(fù)雜、更智能的系統(tǒng)。

傳統(tǒng)的工具和基礎(chǔ)設(shè)施可能無法滿足需求,例如，LangGraph和LangSmith就是為了幫助構(gòu)建、運行和交互智能體而設(shè)計的新工具。

LangGraph和LangSmith

隨著智能體特性的不斷發(fā)展，我們需要重新構(gòu)想整個支持工具的生態(tài)系統(tǒng)，以適應(yīng)智能體應(yīng)用的需求。

總結(jié)

Agent和Agentic是理解和構(gòu)建基于LLM的系統(tǒng)的關(guān)鍵概念。隨著LLM技術(shù)的不斷發(fā)展，我們可以預(yù)見，未來將會出現(xiàn)更多更強大的智能體，為我們的生活帶來更多便利和可能性。

智能體技術(shù)的探索之路還很長，但通過不斷地學(xué)習(xí)和創(chuàng)新，我們有望構(gòu)建一個更加智能、更加互聯(lián)的未來。

本文轉(zhuǎn)載自 ??AI小智??，作者： AI小智