AI Agent，即人工智能智能体（AI Agent），是一种能够自主感知环境、进行决策和执行动作的智能体。它通常基于LLM技术，具备自主性和自适应性，在特定任务或领域中能够自主地进行学习和改进。

去年，OpenAI的Lilian Weng 在她的博客中写了一篇文章：LLM Powered Autonomous Agents。这篇文章介绍了如何利用LLM来构建具有自主决策和执行能力的智能体系统，即Agent系统：

https://lilianweng.github.io/posts/2023-06-23-agent/

以下是文章的目录：

关于AI Agent定义

在 LLM 语境下，Agent 是一种能够理解、规划决策和执行复杂任务的智能体。AI Agent可定义为集合了LLM、记忆、任务规划和工具使用的能力 。

AI Agent核心组成

规划（Planning）。涉及任务分解、反思和完善，使Agent能够高效处理复杂任务 。

记忆（Memory）。包括短期记忆和长期记忆，后者通过外部存储实现信息的长期保留和快速检索 。

工具使用（Tool use）。Agent学习调用外部 API 来补充模型权重中缺失的信息 。

（见下图）

规划模块

1）规划Planning

在处理复杂任务时，Agent需要了解所需步骤并提前规划，最关键的一环是任务分解：通过思维链/Chain-of-Thoughts, CoT技术，模型通过"think step by step"逐步思考，将难题拆解为更小、更简单的子任务。

CoT 通过逐步分解任务来增强模型在复杂任务上的表现。而思维树Tree of Thoughts则进一步扩展了 CoT，通过在每个步骤中探索多种推理可能性，生成树状结构。这种方法可以使用广搜BFS或深搜DFS进行，每个状态由分类器或多数投票评估。

任务分解方法：任务分解可以通过简单的提示（如“XYZ的步骤”）或特定任务的指令（如“写小说大纲”）来完成。此外，还可以通过人类输入来辅助分解。

另一种方法是 LLM+P （此处略去），本质上是将规划步骤外包给外部工具。

2）反思 Self-Reflection 

Agent通过反思和改进过去的行动决策来迭代提高性能。

ReAct 方法通过将动作空间扩展为特定于任务的离散动作和语言空间的组合，将推理和动作集成在 LLM 中。这种方法使 LLM 能够与环境交互，例如使用维基百科搜索 API，同时生成推理痕迹；Reflexion 框架为Agent配备了动态记忆和自我反思能力，提高了其推理技能。它通过展示失败的轨迹和理想反思的示例，帮助Agent在工作记忆中存储反思，以指导未来的计划。

记忆模块

（参见上图）

短期记忆：短期记忆主要涉及模型的上下文学习。它利用模型的即时计算能力来处理和存储任务执行过程中的临时信息。短时记忆对于理解当前任务的上下文和执行即时决策至关重要。

工具Tool Use模块

通过有效调用和利用外部工具和 API，Agent能够扩展其功能，提高其处理复杂任务的能力。文章也举了几个例子，比较有代表性的比如HuggingGPT，其他的还介绍了API-Bank等外部工具。