【大模型应用开发 动手做AI Agent】Agent的规划和决策能力系列_大模型应用开发动手做aiagent pdf

OpenAI应用研究主管Lilian Weng在一篇长文中提出了

Agent = LLM（大型语言模型）+记忆+规划技能+工具使用

这一概念。AI Agent需要具备感知环境、做出决策并执行适当行动的能力。在这些关键步骤中，最重要的是理解输入给Agent的内容、进行推理、规划、做出准确决策，并将其转化为可执行的原子动作序列，以实现最终目标。

一个精简的Agent决策流程：

感知（Perception）→ 规划（Planning）→ 行动（Action）

• 感知（Perception）是指Agent从环境中收集信息并从中提取相关知识的能力。
• 规划（Planning）是指Agent为了某一目标而作出的决策过程。
• 行动（Action）是指基于环境和规划做出的动作。

Agent通过感知从环境中收集信息并提取相关知识。然后通过规划为了达到某个目标做出决策。最后，通过行动基于环境和规划做出具体的动作。Planning是Agent做出行动的核心决策，而行动又为进一步感知提供了观察的前提和基础，形成了一个自主的闭环学习过程。

借用网上的一个案例来解释agent的执行：

• 当一个人问Agent是否会下雨时，感知模块将指令转换为LLM可以理解的表示。
• 然后，大脑模块开始根据当前天气和互联网上的天气预报进行推理。
• 最后，动作模块做出响应，将伞交给人类。
  通过重复上述过程，智能体可以不断地获得反馈并与环境进行交互。

在以LLM驱动的Agent系统中，LLM扮演着Agent的大脑角色，并辅以几个关键组件：

• 规划：LLM能够进行全面的规划，不仅仅是简单的任务拆分。它可以评估不同的路径和策略，制定最佳的行动计划，以实现用户给出的目标。

• 记忆：可以利用LLM具有的记忆功能，存储和检索过去的信息和经验。这使得它能够在处理用户查询时，利用之前学到的知识和经验，提供更准确和个性化的答案。

• 工具使用：LLM通过理解工具的描述，来学习使用各种工具和资源，并灵活运用它们来支持任务的完成，在构建Agent的时候可以让Agent感知自己可以使用什么工具。工具的实现可以是利用搜索引擎、数据库、调用API等，获取和整理相关信息，以满足用户的需求。