AI Agent Introduction

一个AI agent包含两个层面的内容：

Agentic Frameworks 编排层，这是智能体的大脑，负责定义智能体的目标、角色、记忆和规划能力。其核心原理是通过ReAct、Chain of Thought等提示工程的技术，将复杂任务分解为一系列可执行的步骤。现在最主流的就是LangChain。
Action Layer 行动层，即agent编排规划后，调用行动层的工具来与外部世界（如浏览器或API）进行实际交互。

一般可以这么认为：

AI Agents（最大集合）
│
├── Disembodied Agents（不具身）
│     ├── ChatGPT
│     ├── Web agents
│     └── Planning agents without action
│
└── Embodied AI Agents（具身智能，子集）
        ├── Robotic Agents
        ├── Virtual embodied agents（游戏、模拟）
        └── Wearable embodied agents（眼镜、AR）

本笔记主要讨论的是不具身的AI Agents，而具身智能则单独作为一个章节讨论。换句话说，不具身的智能体主要核心是利用AI技术来编排工作、完成任务。为什么要研究不具身智能呢？因为AGI还遥遥无期，现有技术尚不能撑起具身智能的半边天，那我们基于现有技术去解决实际问题，即开发针对特定领域的Agents，便是本主题的主要学习、研究以及讨论的内容。

在我的网站中，如果没有特别提及，一般AI Agents都是指非具身的智能体，准确点来说，可以叫做任务导向型AI智能体（Autonomous Task-Solving AI Agents）。如今业界常说的就是这种智能体。

OpenAI前科学家Lilian Weng曾给出一个被全行业广泛引用的公式，可以被视为当下AI Agent最公认的定义：

AI Agent = LLM + Planning + Memory + Tools

AI Agent Introduction

评论 #