RASA：LLM系統中實現智能體記憶的認知框架(含代碼)
大語言模型（LLMs）和智能體不斷進化，已不再局限于簡單的響應和輸出，而是在推理與行動能力上持續成熟。隨著智能體架構的進步，記憶、回憶和知識應用的方式，在系統設計和可信度方面變得愈發關鍵且復雜。RASA（Role-Aligned Software Architecture，角色對齊軟件架構）作為一個創新性的認知框架，為構建具備強大記憶能力、能夠靈活適應各種場景的智能體提供了全新的思路和方法。
一、LLMs現有記憶機制的局限與RASA的誕生背景
LLMs憑借其強大的語言處理能力，在自然語言處理領域取得了顯著成果。其潛在記憶功能允許它們從訓練數據中存儲和檢索模式，卻無需顯式的存儲機制。然而，這種記憶存在諸多局限性：它是靜態的，一旦訓練完成，記憶內容就基本固定，難以實時更新；缺乏個性化，無法針對不同用戶的獨特需求和背景進行定制；并且很大程度上是不可見的，開發人員和用戶難以了解記憶的具體存儲和使用方式，這使得它在適應實時變化和貼合用戶特定上下文時困難重重。
為了讓智能體真正具備自適應、可靠和交互性，就需要一個外部系統來顯式地管理記憶，跨越時間、角色和推理層次。RASA應運而生，它并非普通的工具或產品，而是一種思考如何構建人工智能系統的全新理念，旨在打造模塊化、具備記憶感知能力且與周圍世界中的角色相匹配的AI系統。
二、RASA的核心架構剖析
（一）Frames：智能體記憶的基石
Frames代表了智能體的記憶架構和“心智狀態”，它涵蓋了智能體當前所知道和能夠回憶起的信息，是其行動的基礎。RASA定義了四種類型的Frames：
- 無狀態幀（Stateless frames）：這類幀沒有記憶功能，僅對當前輸入做出響應，適用于簡單的事務性任務，比如一些固定格式的信息查詢，僅依據當前輸入的關鍵詞返回預設答案，不考慮之前的交互歷史。
- 會話幀（Session frames）：它能夠捕捉對話中的近期交互信息，使智能體保持對話的流暢性，并能參考剛剛說過的內容。在客服場景中，當用戶詢問關于產品某一特性的更多細節時，智能體可以依據會話幀中記錄的前文，理解用戶所指的產品，從而更準確地回答問題。
- 短期幀（Short-Term frames）：短期幀用于總結整個會話中的模式和決策，有助于保存用戶偏好或近期選擇。例如，在音樂推薦場景中，智能體可以通過短期幀記住用戶在一次會話中多次選擇的音樂風格，為后續推薦提供更符合用戶當下興趣的音樂。
- 長期幀（Long-Term frames）：長期幀用于存儲跨會話的持久信息，如用戶偏好、歷史交互記錄或學習到的知識。以個人健康管理智能體為例，長期幀可以記錄用戶長期的健康數據和偏好的健康管理方式，為用戶提供持續且個性化的健康建議。
Frames具有高度的靈活性，可根據智能體的角色和上下文進行組合。不同類型的智能體，會依據自身功能需求，選擇合適的Frames組合，以此來動態塑造智能體的“心智狀態”，決定其能夠訪問和響應的信息。而Persona則在其中發揮著關鍵的控制作用，它能夠根據具體的使用場景、隱私級別、可信操作以及所需的認知深度，有選擇地激活或調整Frames。
（二）Operators：智能體的行動執行層
如果說Frames定義了智能體所“知道”的內容，那么Operators則明確了智能體如何運用這些知識。Operators就像是智能體的認知工具，它基于當前的Frame對信息進行解釋、轉換或路由。常見的Operators類型包括：
- 偏好（Preferences）：根據用戶定義或系統定義的偏好來塑造輸出內容。在電商推薦系統中，用戶可以設置自己喜歡的商品品牌、價格范圍等偏好，智能體通過Preferences Operator將這些偏好應用到商品推薦中，為用戶提供更符合心意的商品建議。
- 規則（Rules）：用于應用業務規則、進行策略檢查或執行工作流邏輯。在金融領域，智能體在處理貸款申請時，會依據Rules Operator檢查用戶的信用記錄、收入水平等是否符合貸款規則，還能在面對模糊輸入時，發起LLM查詢進行推理，或者進行條件評估。
- 啟發式方法（Heuristics）：利用輕量級推理策略或領域捷徑來高效地做出決策。當需要更深入的思考時，Heuristics可以啟動思維鏈提示；當內部邏輯處理能力不足時，還能將控制權委托給外部工具。在圖像識別輔助系統中，Heuristics可以快速根據一些常見的圖像特征做出初步判斷，若遇到復雜圖像，則借助外部專業圖像分析工具進行處理。
- 工具（Tools）：實現與外部系統、API或函數的交互，例如獲取實時數據、進行搜索和總結等。在新聞資訊智能體中，Tools Operator可以連接到新聞API，獲取最新的新聞內容，并對其進行篩選和總結，為用戶提供有價值的新聞信息。同時，Tools還能支持檢索增強生成（RAG）工作流程，幫助智能體獲取特定領域的知識，使其回答更具時效性和針對性。
Operators與Frames緊密協作，從Frames中提取信息并進行相應操作。它們具有模塊化和可組合性的特點，能夠根據任務需求或智能體的Persona進行排序、組合或選擇性激活。部分Operators是無狀態的，而另一些則依賴更深入的上下文信息。此外，Operator層是人機協作（Human-in-the-Loop，HITL）系統最自然的集成點。當規則或啟發式方法遇到模糊條件或低置信度輸出時，人類可以介入進行驗證、批準或推翻決策，這在關鍵工作流程、高風險操作或需要可追溯性和監督的企業系統中尤為重要。
（三）Persona：智能體的身份與協調層
Persona賦予智能體身份、角色和行為意圖。它不僅決定了智能體的行動方式，還控制著哪些Frames和Operators處于激活狀態，以及如何針對特定用戶、任務或上下文對它們進行配置。 一個Persona可以定義以下關鍵內容：
- 智能體的角色：例如“熱情的音樂推薦者”或“成本節約分析師”，明確了智能體在特定場景中的功能定位。
- 語氣或風格：決定智能體是以正式、敘事還是詼諧的方式與用戶交流，這有助于塑造智能體獨特的個性，增強用戶體驗。
- 記憶范圍：確定智能體是無狀態運行，還是需要納入長期上下文信息，以此來靈活調整智能體對信息的處理方式。
- 偏好工具和推理模式：選擇是優先使用規則、啟發式方法還是人類審核，從而使智能體的決策過程更符合其角色和任務需求。
通過封裝身份和協調功能，Persona使得設計出一致且上下文感知的智能體成為可能，并且能夠將它們與現實世界中的角色相匹配，避免了為每種場景都進行硬編碼的繁瑣工作。
三、RASA在不同角色中的應用價值
（一）為架構師提供模塊化設計藍圖
對于架構師而言，RASA提供了一個模塊化的設計藍圖，用于構建具備記憶感知能力且與角色對齊的智能體系統。它將狀態、行為和身份解耦，使得AI組件更易于測試、管理和適應企業的多樣化需求。架構師可以基于RASA的框架，靈活地組合Frames、Operators和Persona，設計出滿足不同業務場景的智能體架構，提高系統的可維護性和擴展性。
（二）助力開發者高效實現功能集成
開發者在使用RASA時，能夠獲得一種結構化的方式來插入記憶層、工具和推理步驟，無需每次都重新構建協調邏輯。Frames和Operators為開發者提供了清晰的功能入口點，他們可以專注于實現具體的功能模塊，提高開發效率。在開發智能客服系統時，開發者可以利用RASA已有的框架，快速集成會話幀和規則Operators，實現智能客服對常見問題的快速響應和處理。
（三）幫助產品所有者轉化業務需求
產品所有者可以借助RASA將業務需求轉化為模塊化的智能體行為。通過調整智能體的語氣、規則和偏好，使其與產品的角色設定、品牌形象和客戶工作流程相契合。在設計一款面向年輕用戶群體的社交APP智能助手時，產品所有者可以利用RASA設定智能體活潑、幽默的語氣風格，并制定符合社交場景的規則和偏好，提升產品的用戶體驗和市場競爭力。
（四）為企業領導者提供治理思路
RASA為企業領導者提供了一個可擴展的思維模型，幫助他們理解和管理AI與客戶、員工或其他系統的交互方式。通過RASA，企業領導者可以清晰地把握AI系統的控制要點、個性化設置和人為監督的切入點，更好地引導AI系統為企業創造價值，同時確保其符合企業的戰略方向和風險管控要求。
（五）推動企業實現AI的規模化應用
對于企業和組織來說，RASA提供了一種將智能體系統與組織結構相匹配的有效途徑。智能體的角色、功能、決策策略甚至企業文化都可以在其行為、記憶和決策過程中得到體現，從而實現AI的規模化應用，使其能夠與現有的工作流程無縫集成，而不是對其造成干擾。在大型企業的供應鏈管理中，利用RASA構建的智能體可以根據不同部門的角色和職責，如采購、物流、庫存管理等，進行有針對性的記憶和決策，優化整個供應鏈流程，提高企業運營效率。
四、RASA蘊含的設計理念與發展展望
RASA不僅僅是一個技術架構，更是一種融合了目的、責任和透明度的設計理念。在智能體時代，我們不僅要關注AI能做什么，更要思考它應該做什么。RASA鼓勵設計者和組織在每個架構層中融入目的、倫理和可觀測性。
智能體的目的確保其行動具有明確的意圖，與角色、責任和組織目標保持一致。倫理和安全并非事后考慮的因素，而是由Persona塑造，并通過Operators和人機協作檢查點進行管理。可觀測性和透明度則源于架構的模塊化，能夠追蹤決策的制定過程、所使用的記憶以及采取的行動。
目前，RASA仍處于早期探索階段，它源于人們希望利用LLMs和工具增強現實世界流程的愿望，試圖模擬人類的思維、決策和協作方式。盡管它并非革命性的突破，但它以新穎的方式組合了已有的概念，尤其是在構建記憶和決策機制方面，為創建智能、自適應的智能體奠定了堅實的基礎。在未來，隨著AI技術的不斷發展，RASA有望在更多領域得到應用和完善，進一步推動智能體與現實世界的深度融合，助力企業和社會實現智能化轉型。
