导读 随着大语言模型的日趋成熟，各类基于大语言模型的 AI Agent 逐渐走入人们的视野。本文将梳理大语言模型 Agent 的相关知识点，并对大模型时代 AI Agent 的重要落地方向进行探讨。
1. LLM-based Agent 整体架构
2. LLM-based Agent 重点&难点问题
3. 基于大语言模型的用户行为模拟智能体
4. 基于大语言模型的多智能体软件开发
5. LLM-based Agent 未来方向
分享嘉宾｜陈旭博士 中国人民大学 准聘副教授
编辑整理｜王吉东
内容校对｜李瑶
出品社区｜DataFun
01
大语言模型 Agent 的构成，主要分为以下 4 个模块：
1. 画像模块：主要描述 Agent 的背景信息
（1）画像内容，主要基于 3 种信息：人口统计信息、个性信息和社交信息。
（2）生成策略：主要采用 3 种策略来生成画像内容：- 手工设计方法：自行通过指定的方式，将用户画像的内容写入大模型的 prompt 中；适用于 Agent 数量比较少的情况；
- 大模型生成方法：首先指定少量画像，并将其作为示例，进而使用大语言模型生成更多的画像；适用于大量 Agent 的情况；
- 数据对齐方法：需要根据事先指定的数据集中人物的背景信息作为大语言模型的 prompt，进而做相应的预测。
2. 记忆模块：主要目的是记录 Agent 行为，并为未来 Agent 决策提供支撑
3. 规划模块
无需反馈的规划：大语言模型在做推理的过程中无需外界环境的反馈。这类规划进一步细分为三种类型：基于单路的推理，仅使用一次大语言模型就可以完整输出推理的步骤；基于多路的推理，借鉴众包的思想，让大语言模型生成多个推理路径，进而确定最佳路径；借用外部的规划器。
带有反馈的规划：这种规划方式需要外界环境提供反馈，而大语言模型需要基于环境的反馈进行下一步以及后续的规划。这类规划反馈的提供者来自三个方面：环境反馈、人类反馈和模型反馈。
4. 动作模块
动作目标：有些 Agent 的目标是完成某个任务，有些是交流，有些是探索。
动作生成：有些 Agent 是依靠记忆回想生成动作，有些是按照原有计划执行特定的动作。
动作空间：有些动作空间是工具的集合，有些是基于大语言模型自身知识，从自我认知的角度考虑整个动作空间。
动作影响：包括对环境的影响、对内在状态的影响，以及对未来新动作的影响。
以上是 Agent 的整体框架，更多内容可参考下述论文：
Lei Wang, Chen Ma, Xueyang Feng, Zeyu Zhang, Hao Yang, Jingsen Zhang,
Zhiyuan Chen, Jiakai Tang, Xu Chen, Yankai Lin, Wayne Xin Zhao, Zhewei Wei,
Ji-Rong Wen:A Survey on Large Language Model based Autonomous Agents. CoRR
abs/2308.11432 (2023)
LLM-based Agent 重点&难点问题
当前大语言模型 Agent 的重点和难点问题主要包括：
1. 如何提升 Agent 的角色扮演能力
Agent 最重要的功能是通过扮演某种角色，来完成特定的任务，或者完成各种各样的模拟，因此 Agent 的角色扮演能力至关重要。
定义了角色扮演能力之后，接下来要对 Agent 角色扮演能力，从以下两个方面进行评估：在评估的基础上，需要进一步对 Agent 的角色扮演能力进行提升，有如下两种方法：- 通过 Prompt 提升角色扮演能力：该方法本质是通过设计 prompt 来激发原有大语言模型的能力；
- 通过微调提升角色扮演能力：该方法通常是基于外部的数据，重新对大语言模型进行 finetune，来提升角色扮演能力。
2. 如何设计 Agent 记忆机制
Agent 和大语言模型最大的不同在于，Agent 能够在环境中不断进行自我演化和自我学习；而这其中，记忆机制扮演了非常重要的角色。从 3 个维度来分析 Agent 的记忆机制：
对 Agent 记忆能力的评估，主要需要确定以下两点：最后需要对 Agent 记忆机制演化进行分析，包括：3. 如何提升 Agent 推理/规划能力
- 设计推理过程中外界反馈的融入机制：让 Agent 和环境形成互相交互的整体；
- 提升 Agent 对外界反馈的响应能力：一方面需要 Agent 真实应对外界环境，另一方面需要 Agent 能够对外界环境提出问题并寻求解答方案。
4. 如何设计多 Agent 高效协同机制
基于大语言模型的用户行为模拟智能体
下面会举几个 Agent 的实际案例。首先是基于大语言模型的用户行为模拟智能体。该智能体也是大语言模型智能体与用户行为分析相结合的早期工作。该工作中，每个 Agent 分为三个模块：
1. 画像模块
对不同的 Agent 指定不同的属性，比如 ID、姓名、职业、年龄、兴趣以及特征等。
2. 记忆模块
- 将客观观测到的 raw
observation 进行处理后，生成信息量更高的观测，将其存放到短期记忆中；
- 短期记忆的内容经过反复的触发和激活后，会自动传入到长期记忆中
- 长期记忆的内容会根据现有的记忆进行自主的反思以及升华提炼。
- Agent 在推荐系统中的行为，包括看电影、查找下一页以及离开推荐系统等；
在整个模拟过程中，一个 Agent 在每一轮动作中均可自由地、不受外界干预地选择三种动作；我们可以看到不同 Agent 之间会相互对话，也会在社交媒体或者推荐系统中自主地产生各种各样的行为；通过多轮模拟之后，可以观察到一些有趣的社会现象，以及用户在网络上行为的规律。
Lei Wang, Jingsen Zhang, Hao Yang, Zhiyuan Chen, Jiakai Tang, Zeyu Zhang,
Xu Chen, Yankai Lin, Ruihua Song, Wayne Xin Zhao, Jun Xu, Zhicheng Dou, Jun
Wang, Ji-Rong Wen：When Large Language Model based Agent Meets User Behavior
Analysis: A Novel User Simulation Paradigm
基于大语言模型的多智能体软件开发
下一个 Agent 的例子是使用多 Agent 进行软件开发。这篇工作也是早期多Agent 合作的工作，其最主要的目的是利用不同 Agent 开发一款完整的软件。因此可将其看作一个软件公司，不同的 Agent 会扮演不同的角色：一部分 Agent 负责设计，包括 CEO、CTO、CPO 等角色；一部分Agent 负责编码，还有一部分 Agent 主要负责测试；此外，还会有一部分 Agent 负责撰写文档。这样，不同 Agent 负责不同的工作；最后再将 Agent 之间的合作机制，通过交流的方式进行协同和更新，最终完成一个软件完整的开发过程。
LLM-based Agent 未来方向
- 解决特定任务，如 MetaGPT、ChatDev、Ghost、DESP 等这类 Agent 最终应是一个和人类正确价值观对齐的“超人”，其中有两个“限定词”：
- 模拟现实世界，如 Generative
Agent、Social Simulation、RecAgent等这类 Agent 所需要的能力，和第一类是截然相反的。希望 Agent 尽量符合普通人，而不是超越常人。
此外，目前大语言模型 Agent 存在以下两个痛点：
- 由于 Agent 需要跟环境进行不断交互，因此每个步骤的幻觉都会被累加，即会产生累积效应，让问题变得更加严重；因此大模型的幻觉问题在这里需要得到进一步的重视。其解决办法包括：
- 在模拟过程中，效率是个非常重要的问题；下表总结了不同 Agent 在不同API 数量下的耗时。
粤ICP备17114055号
支持私有云部署
