我要投稿

LangChain 作者谈 Agent 智能体未来

发布日期：2024-04-17 08:15:51 浏览次数： 1877

在刚刚结束的红杉资本 AI 峰会上，六分钟时间，LangChain 作者 Harrison Chase 分享了 Agent 智能体的未来发展方向，并指出 Agent 智能体的三大关键方向：规划（Planning）、用户体验（UX）、记忆（Memory）。

—1—

规划（Planning）

规划（Planning）是指 Agent 智能体能够预先考虑多个执行步骤，并确定最佳行动方案的能力。这对于完成复杂的任务至关重要，比如：预订旅行、撰写报告、安排行程等。

但是大语言模型（LLM）的规划能力还比较有限，可能会存在一定的幻觉问题，主要依靠以下两种方法来增强：

第一、外部提示词（Prompt）策略

开发者通过设计特定的提示词，引导大语言模型进行规划。例如，可以要求大模型在执行每个步骤之前，先列出所有可能的步骤并进行评估。

第二、流程工程（Flow Engineering）

通过设计预定义的流程图或状态机，将任务分解成多个z执行步骤，并明确每个步骤的执行条件和顺序。这可以帮助大语言模型更好地理解任务，并做出更合理的规划。

当然，以上两步都是暂态的解决方式，未来随着大语言模型能力的提升，它们或许能够自主进行更加有效的规划，而不再需要外部提示词策略或流程工程的辅助。

—2—

用户体验（UX）

接下来我想聊聊的是 Agent 智能体的用户体验。用户体验是指用户在使用 Agent 智能体时的感受和体验。良好的用户体验应该让用户感到舒适、便捷和高效。

我很喜欢 Davin（爆火的 AI 程序员）的用户体验，尤其是 Rewind（倒带，回到之前任意时刻并编辑代码或其所属状态）的功能，以便让它做一个更加明智的决定。

我认为这是一个非常强大的用户体验设计，LangChain 也尝试在做这方面事情。

Agent 智能体的用户体验尚待优化，主要问题有三：

第一、受大语言模型局限，存在误判和理解难题，易致用户困惑与不满；

第二、是可控性不强，用户往往不能精细地控制 Agent 智能体的行为，可能导致意外行为；

第三、个性化不足，难以满足用户个性化需求和偏好。

因此，未来优化 Agent 智能体体验需聚焦三点：

第一、升级大语言模型与数据，增强准确理解和执行能力，降低出错率；

第二、增加用户控制选项，比如：回溯编辑、设定安全界限，提升可控性；

第三、运用用户数据实现深度个性化，比如：依据用户偏好推荐内容及调整行为模式。

—3—

记忆（Memory）

记忆是 Agent 智能体储存和运用信息的关键能力，在执行各类任务中扮演核心角色，有两种记忆形式：

第一、程序性记忆（Procedural Memory）

记忆如何正确地执行任务，比如：如何预订机票、如何撰写电子邮件。

第二、个性性记忆（Personalized Memory）

记忆所有关于（使用该 Agent 的）用户的所有事件，可能不一定会带来更正确的结果，但可以让用户的整体体验更佳。

目前 Agent 智能体的记忆功能还比较简单，主要依靠以下两种方式实现：

第一、存储在数据库中：将知识存储在外部数据库中，比如：Milvus 向量数据库，并在需要时进行检索。

第二、嵌入大语言模型中：将知识嵌入大语言模型的参数中，使大语言模型能够在生成文本时使用这些信息。

未来，开发者须研发更强记忆系统，使 Agent 智能体能存储和处理多样信息，如同人类般灵活运用记忆，比如：按情境任务选择提取、融合新旧记忆，生成新知识与理解。

为了帮助同学们彻底掌握大模型的 Agent 智能体、向量数据库、RAG 的应用开发、部署、生产化，今晚20点我会开一场直播和同学们深度剖析，请同学们点击以下预约按钮免费预约。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

2024-07-18

万字长文解析：大模型需要怎样的硬件算力

2024-03-30

全面对比dify、coze、streamlit、chainlit

2024-04-26

“大数据+”医疗

2024-04-11

太强了！10大开源大模型！

2024-05-06

Qwen2 阿里最强开源大模型（Qwen2-7B）本地部署、API调用和WebUI对话机器人

2024-06-12

大模型训练及推理【硬件选型指南】及 GPU 通识

2024-05-09

HealthGPT：华工数字孪生人实验室发布主动健康大模型基座

2023-07-01

可灵AI的网页版上线了

2024-07-07

Ollama 本地运行大模型(LLM)完全指南

2024-07-25

大家都在问

o1 能带我们走进 AGI 吗？

2024-09-19

360视角：大模型幻觉问题及其解决方案的深度探索与实践

2024-09-18

太爽了！o1 现在可以天天享用了

2024-09-18

Claude Artifacts 数据分析的N种打开方式（附Prompt)

2024-09-18

如何微调（Fine-tuning）大语言模型？

2024-09-18

快速理解 GraphRAG：构建更可靠、更智能的 Chatbot

2024-09-18

AI软件必须用GPU么？

2024-09-18

大模型+RAG如何提高问答准确率？5家互联网大厂RAG落地实践

2024-09-18

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

万字长文解析：大模型需要怎样的硬件算力

全面对比dify、coze、streamlit、chainlit

“大数据+”医疗

太强了！10大开源大模型！

Qwen2 阿里最强开源大模型（Qwen2-7B）本地部署、API调用和WebUI对话机器人

大模型训练及推理【硬件选型指南】及 GPU 通识

HealthGPT：华工数字孪生人实验室发布主动健康大模型基座

可灵AI的网页版上线了

Ollama 本地运行大模型(LLM)完全指南

大家都在问

o1 能带我们走进 AGI 吗？

360视角：大模型幻觉问题及其解决方案的深度探索与实践

太爽了！o1 现在可以天天享用了

Claude Artifacts 数据分析的N种打开方式（附Prompt)

如何微调（Fine-tuning）大语言模型？

快速理解 GraphRAG：构建更可靠、更智能的 Chatbot

AI软件必须用GPU么？

大模型+RAG如何提高问答准确率？5家互联网大厂RAG落地实践

热门标签

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

万字长文解析：大模型需要怎样的硬件算力

全面对比dify、coze、streamlit、chainlit

“大数据+”医疗

太强了！10​大开源大模型！

Qwen2 阿里最强开源大模型（Qwen2-7B）本地部署、API调用和WebUI对话机器人

大模型训练及推理【硬件选型指南】及 GPU 通识

HealthGPT：华工数字孪生人实验室发布主动健康大模型基座

可灵AI的网页版上线了

Ollama 本地运行大模型(LLM)完全指南

大家都在问

o1 能带我们走进 AGI 吗？

360视角：大模型幻觉问题及其解决方案的深度探索与实践

太爽了！o1 现在可以天天享用了

Claude Artifacts 数据分析的N种打开方式（附Prompt)

如何微调（Fine-tuning）大语言模型？

快速理解 GraphRAG：构建更可靠、更智能的 Chatbot

AI软件必须用GPU么？

大模型+RAG如何提高问答准确率？5家互联网大厂RAG落地实践

热门标签

太强了！10大开源大模型！