你是不是也期盼着拥有一个超级智能的人工助手，就像钢铁侠里的 Jarvis，芬奇里的 Jeff 或者星际穿越里的 TARS？

尽管目前 AI 技术发展日新月异，但是当前的技术还远远达不到那种科幻水平。

现在的 AI Agents 只能依靠 GPT 那样的 LLM 来理解并完成任务。你可以让它们来帮你自动化完成一些繁琐的工作，或者用它们来学习领域特定的新知识，或者创建一个你的专属助手来提升效率。

但是，这个领域发展得很快，尤其是在软件方面，新兴的 AI 模型和 Agent 框架越来越可靠。所以，当下是一个非常值得学习以及试验 AI Agents 的时机。

目录

• • 什么是 AI Agents

• • AI Agent 系统的组成部分

• • AI Agents 的类型

• • AI Agents 的工作机制

• • AI Agents 案例

• • 现在可以使用的 AI Agents

• • 总结

什么是 AI Agents

AI Agents 是一种自主智能实体，能够感知环境、分析数据、做出决策并采取行动，然后实现目标。

它们可以存在于物理世界（比如机器人）、数字世界（比如聊天机器人），或两者结合的混合环境中。更先进的 AI Agents 还会随着时间学习和进化，不断探索新方案，直到达成目标。

其实，现实世界中，我们或多或少都已经听说过或者见过一些 AI Agents 了，比如机器人（比如非常出名的波士顿机器人）、无人机、无人驾驶汽车等。

还有一些 AI Agents 则基于软件，在计算机内部运行，完成特定任务。它们的的具体形式、组成和界面可能会因为任务需求的不同而有巨大的差异。

与 ChatGPT 这样的聊天机器人不同，AI Agents 不需要持续地给出指令。

设定目标或触发条件后，它们便能自主运行。根据 Agent 系统的复杂性，其处理器会分析问题，制定并采取最佳的方案来达成目标。

AI Agents 与普通代理软件的区别

需要注意的是，普通代理软件（比如 RPA）并非 AI Agents。

RPA 属于机器人流程自动化，也就是我们常说的爬虫。它们可以模拟我们来直接操作电脑，自动化工作流程，比如查看屏幕、点击元素、截屏以及 OCR 等。

但是，RPA 是基于预定规则来处理结构化数据，缺乏灵活性和适应性，并没有应用AI技术。

当然这两者并不是对立的存在，它们完全可以相辅相成。比如，将 AI 技术集成到 RPA 中，可以显著提升 RPA 的能力。

AI Agent 系统的组成部分

一个 AI Agent 有着不同的组成部分，每个部分都有其自身必要的功能。

传感器（Sensors）

传感器让 AI Agent 可以感知其周围环境，收集信息（比如图像、声音、无线电频率等）。

这些传感器可以是摄像头、麦克风或者天线等。对于基于软件的 AI Agent 来说，它可能是一个网页搜索功能或一个读取 PDF 文件的工具。

执行器（Actuators）

执行器帮助 AI Agents 将指令转换为实际的行动。

对于物理世界的 AI Agents，执行器可以是轮子、机器人手臂、打印机等；而在数字世界中，执行器可以是电脑中创建文件的工具。

处理器、控制系统和决策机制（Processors, control systems, and decision-making mechanisms）

这是 AI Agents 的核心部分，也是 AI Agents 的大脑。

它们处理来自传感器的信息，思考并选择最优的执行方案，向执行器发出指令执行。

学习和知识库（Learning and knowledge base systems）

AI Agents 的学习和知识库系统用来存储有助于它们完成任务的数据。

换句话说就是，这是 AI Agents 用来学习并增长经验的一套组成系统。它能够让 AI Agents 从过往经验中学习，不断提高自身能力，并将这些知识和经验、遇到的问题和解决方案都存储到自己的知识库中。

正如上文所说，AI agents 的形式在很大程度上取决于它们执行的任务需求，所以，你可能会发现有些 AI agents 具有所有这些组成部分，而有些则没有。

比如，一个智能恒温器可能没有学习组件，只拥有基本的传感器、执行器和一个简单的控制系统。

一辆自动驾驶汽车则需要具备以上所有组成部分：它需要传感器来观察道路，执行器来移动，决策机制来变换车道，以及学习系统来记住如何在城市的复杂路段中导航。

AI Agents 的类型

根据 AI Agents 的组件、复杂性和实际应用，可以分为以下几种常见的 AI Agents 类型。

简单反射 Agents（Simple-reflex agents）

这类 Agents 拥有最基本的感知和行动能力。它们通过少量的传感器接收外接信息，然后作出相应的决策和动作。

比如我们常见的扫地机器人，在检测到障碍物的时候，就会改变移动方向。

基于模型的反射 Agents（Model-based reflex agents）

这类 Agents 在简单反射 Agents 的基础上，加入了对环境和自身行为的建模能力。它们可以根据过去积累的经验，预测未来的状态，并做出更优的决策。

比如，可以预测仓库的库存需求的系统或者无人驾驶汽车。

基于目标的 Agents（Goal-based agents）

这类 Agents 拥有明确的目标，并能够自行制定实现目标的策略。

它们会分解任务、生成任务列表，并根据任务完成情况进行调整来确保是否能够让它们更接近目标。

比如，在国际象棋比赛中击败国际象棋大师的 Agent。

基于效用的 Agents（Utility-based agents）

这类 Agents 能够评估不同行动方案的效用，并选择最优方案。它们会考虑多种因素，例如成本、时间和效率等，从而做出最理性的决策。

比如，优化城市交通系统的 Agent。

学习 Agents

顾名思义，这类 Agents 通过与周围环境中的互动来学习并不断提升自身性能。

它们会主动的去探索环境，并根据经验调整行为策略。

比如，邮箱里的垃圾邮件过滤器会通过学习来识别和阻止新的垃圾邮件。

当然，以上都是单独的 Agent 系统。对于非常复杂的任务，可以将多个 AI Agents 组成更复杂的系统，每个 Agent 负责不同的子任务，互相协作来完成整体任务。

比如，在多个 Agents 的协作任务中，一个 Agent 可以负责任务分配，其他 Agent 负责执行具体任务，同时，整个系统还会不断地迭代更新，变得越来越稳定和可靠。

AI Agents 的工作机制

简而言之，一个 AI Agent 使用传感器收集数据，使用控制系统思考假设和解决方案，使用执行器执行行动，同时，使用学习系统跟进进展并从错误中学习。

那么，这一步步的过程是什么样的呢？我们来详细了解一个基于目标的 AI Agent 的工作原理。

1、目标初始化

当输入目标时，AI Agent 会进行目标初始化。它将提示（Prompt）传递给 LLM，并返回第一个输出，表示它已经理解了需要做什么。

注意，这里的输出并不是 LLM 的输出，而是 AI Agent 自身根据 LLM 的输出二次处理后的输出。

2、创建任务列表

基于目标，AI Agent 将生成一个任务列表，确定应该按什么顺序完成这些任务。

3、信息检索

Agent 可以模拟我们直接操作电脑，从互联网检索信息。一些高级的 Agent 能够连接到其他 AI 模型或 Agent 来将任务和决策给「外包」出去。

这样，它们就可以访问诸如图像生成、地理数据处理或计算机视觉这样的功能。

4、信息存储和管理

所有收集到的信息都存储在 Agent 的学习和知识库系统中，为后续决策提供依据。同时，Agent 也会将信息反馈给你，并根据你的反馈调整策略。

5、评估与迭代

随着任务逐一完成，Agent 会通过收集来自外部来源和其内部的反馈来评估目标的达成情况。直到目标达成之前，Agent 都会不断迭代，创建更多任务，收集更多信息和反馈，并不停地向前推进。

AI Agents 案例

Devin，第一位 AI 软件工程师

https://www.cognition.ai/blog/introducing-devin

这是才发布不久的 AI Agent，你或许已经听说过了。按照其官网的描述：Devin 能够规划和执行需要成千上万个决策的复杂工程任务。它可以在每一步回溯相关背景信息，随着时间的推移不断学习，并修正错误。

Devin can plan and execute complex engineering tasks requiring thousands of decisions. Devin can recall relevant context at every step, learn over time, and fix mistakes.

尽管 Devin 只有大约 13.86% 的有效性，但是有了这样的助手，经验丰富的程序员依然可以节省数小时，而且，非技术人员或许也可以从 0 开始用代码构建一些东西。

拥有 25 个 AI Agents 的虚拟小镇

https://arstechnica.com/information-technology/2023/04/surprising-things-happen-when-you-put-25-ai-agents-together-in-an-rpg-town/

斯坦福大学和 Google 的一组研究人员创建了一个类似于《模拟人生 The Sims》游戏的的小型 RPG 虚拟世界。

在这个世界中，25 个由 ChatGPT 和自定义代码控制的角色独立生活，表现出高度真实的行为。

"这些 AI Agents 醒来，做早餐，然后去工作；艺术家画画，作家写作；他们有不同的观点，相互注意并开始对话；他们记住并反思过去的日子，同时计划第二天的生活。"

"Generative agents wake up, cook breakfast, and head to work; artists paint, while authors write; they form opinions, notice each other, and initiate conversations; they remember and reflect on days past as they plan the next day"

Waymo，无人驾驶汽车

https://waymo.com/intl/zh-tw/

这些无人驾驶汽车正在凤凰城、旧金山和洛杉矶的街道上行驶和学习。

它们可以自主导航，从地点 A 到地点 B。通过一系列传感器和学习系统，它们检测道路、其他汽车和行人，以尽可能安全地到达目的地。

现在可以使用的 AI Agents

在这里，我简要地介绍几款当下可以使用 AI Agents，感兴趣的读者可以自行前往体验。

如果有比较好用的 AI Agents，我也将会在以后的文章中来详细介绍。

AI Agent

https://aiagent.app/

是的，它就叫 AI Agent。这是一个灵活的应用程序，允许创建自己的 Agents，选择名称、目标和它应该使用的 AI 模型（目前只能使用 GPT-3.5 和 GPT-4）。

AgentGPT

https://agentgpt.reworkd.ai/

AgentGPT 具有 ChatGPT 的熟悉布局，可以创建和管理多个 AI agents。

Aomni

https://www.aomni.com/

Aomni 是一个能够在网络上搜索有关于你提供的主题信息的 AI Agent。它接收目标，创建任务列表，然后一项一项地完成，并通过电子邮件发送结果。

Spellpage

https://www.spellpage.com/

把 TODO List 输入 Spellpage，AI agent 就可以帮助你找出完成所有任务所需的步骤。而且，它还能激励你保持进度。

总结

虽然目前 AI Agents 的功能和性能还在不断发展中，但其对未来的影响已经显而易见。通过不同的工具和平台，AI Agents 展示了从简单任务到复杂决策的多种能力。

如果这个领域像目前的生成式 AI 增长得那么快的话，那么实用的商业 AI agent 平台可能很快就会面世，让我们好好期待吧！

本文全面探讨了有关于 AI Agents 的一切，包括其相关概念、优势、工作机制、类型以及现实案例等，希望能够帮助你对 AI Agents 形成清晰的认知。

❤️