智能体（Agent）目前愈发火爆，但仍然有很多人不理解到底什么是智能体？

其实早在 4 月份的时候，吴恩达教授在一次演讲中就提到：AI Agent 正在引领工作流程的革新，与传统的工作流程不同，AI Agent 通过迭代和对话式的模式工作，不再是简单的指令执行者，而是能够进行自我反思、规划和修正的参与者。

它具备以下几个关键特征：

• 自主性（Autonomy）:自主性是AI Agent的核心特征之一。它允许Agent在没有人类干预的情况下，独立地执行任务和做出决策。这种自主性基于预设的规则、目标和策略，以及实时的环境感知和数据收集。例如，一个智能家居系统能够根据室内外的温度变化自动调节空调，以保持舒适的居住环境。
• 学习能力（Learning Capability）:AI Agent通过机器学习算法不断从数据和经验中学习，优化其性能和决策能力。这种学习能力使得Agent能够适应新情况，提高解决问题的效率，并在复杂环境中做出更加精准的判断。例如，一个AI客服代理可以通过与用户的互动学习用户偏好，从而提供更加个性化的服务。
• 交互性（Interactivity）:AI Agent能够与人类或其他系统进行有效沟通和交互。它们理解自然语言、手势或其他形式的输入，并能够以适当的方式回应。这种交互性不仅提高了用户体验，还使得Agent能够更好地理解用户需求和意图。例如，个人助理AI可以根据用户的语音指令安排日程或搜索信息。
• 适应性（Adaptability）:适应性使AI Agent能够根据环境变化或用户行为的变化调整自己的行为和策略。这种能力让Agent在面对不确定性和动态变化时，仍能保持高效和有效。例如，一个智能交通系统能够根据实时交通数据调整信号灯的时序，以优化交通流量。

上面的概念是不是听上去还是有点模糊？接下来详细讲解下，相信接触智能体的小伙伴应该大部分都看过下面这张图。

主要包含了四个核心模块 Planning、Memory、Tools 和 Action，智能体实际就是一种通用问题的解决器，具备规划思考能力、记忆能力、使用工具函数的能力，能自主完成给定任务的计算机程序。

• 规划（Planning） : 智能体会把大型任务分解为子任务，并规划执行任务的流程；智能体会对任务执行的过程进行思考和反思，从而决定是继续执行任务，或判断任务完结并终止运行。
• 记忆（Memory）: 短期记忆，是指在执行任务的过程中的上下文，会在子任务的执行过程产生和暂存，在任务完结后被清空。长期记忆是长时间保留的信息，一般是指外部知识库，通常用向量数据库来存储和检索。
• 工具使用（Tool use） 为智能体配备工具 API，比如：计算器、搜索工具、代码执行器、数据库查询工具等。有了这些工具 API，智能体就可以是物理世界交互，解决实际的问题。

当我们给 LLM 大模型配备上了这三种能力，它就可以像人类一样，能够自主思考并规划完成任务的过程，能检索记忆，能使用各种工具提高效率，最终完成某个任务。

人类：LLM（接受输入、思考、输出）+ 记忆 + 工具 + 规划

通过 Coze 官方的一个具体案例进行讲解，方便大家进一步理解。

目前在没有使用 AI 智能体的前提下，一般生成一篇文章借助 AI 的全流程是：

1. 确定一个选题；
2. 让 AI 辅助生成一个大纲；
3. 通过 AI 搜索进行调研分析；
4. 借助 AI 输出第一版草稿；
5. 优化内容，循环往复迭代版本；

上面人工介入的操作还是比较多的，各个步骤对应到 AI 智能体上为：

1. LLM 大模型就如同人类的大脑，自主性、适应性和交互性。
2. 人类常用的各类辅助工具（上网搜索-数值计算-资料阅读），在智能体中就对应 Tools 和 Action。
3. 有 Planning 规划能力进行定义完成目标整个执行过程（写大纲--再搜索--再阅读草稿优化）。
4. 智能体还可以通过 Memory 读取记录（已经写过的草稿/做过的修改），具备记忆的能力；

是的，通过 AI 智能体可以轻松实现这样一个工作流，从而在无任何人工介入的情况下，完成一篇文章内容的写作。

简单一句话描述 AI Agent 就是：Al Agent 正是人们基于大模型试图对人类解决问题行为模仿的一种尝试。

具体到 AI 智能体的开发上：

1. 选择大模型和填写 Prompt 就是对应 Planning 规划能力；
2. 工作流、插件、触发器及知识库等外部工具就是 Tools 和 Action；
3. 记忆模块就是 Memory，从而让 AI 拥有“记忆”；

当然也并不是说，你一定要把这几块能力都用上才算是一个智能体。只要它能像人类一样解决某类通用问题，就可以认为是一个智能体。

如果把“To B 软件的 AI 化”类比于汽车自动驾驶技术的发展。23 年 LLM 的推出，相当于 To B 软件应用的自动化程度由 L1 阶段升级到 L2 阶段；AI Agent 的到来，让自动化程度得到了进一步的提升，由L2阶段升级到L4阶段。

在 LLM 大模型没有进一步重大突破之前，AI Agent 将是一个重要发展方向。通过组合工具及规划能力，自动执行任务、提高效率，从而减少人类的劳动负担，实现降本增效。

目前我们仍处于智能体系统的早期阶段，未来的 Agent 发展方向将更加侧重于提高智能体的自主性和决策能力，使它们能够在更复杂的环境中进行操作。