近年来,LLM(Large Language Model)取得了显著成功,并显示出了达到人类智能的巨大潜力。基于这种能力,使用LLM作为中央控制器来构建自助Agent,以获得类人决策能力。
Autonomous agents 又被称为智能体、Agent。指能够通过感知周围环境、进行规划以及执行动作来完成既定任务。
Agent 核心思想是为 LLM 配备记忆(Memory)和规划(Planning)等关键的人类能力,使其表现得像人类一样,并有效地完成各种任务。
LLM具有以问答 (QA) 形式完成各种任务的巨大潜力。然而,构建自主Agent与 QA 相去甚远,因为它们需要履行特定角色,并自主感知和学习环境,以像人类一样自我进化。为了弥合传统 LLM 和自主Agent之间的差距,一个关键是设计合理的Agent架构,以帮助 LLM 最大限度地发挥其能力。
大语言模型 Agent 主要分为4个模块:
Profile 模块的目的是标识Agent的角色。在Agent置于动态环境中,记忆(Memory)和规划(Planning)模块使其能够回忆过去的行为(Action)并规划未来的行动(Action)。动作模块负责将Agent的决策转化为具体的输出。在这些模块中,Profile模块影响记忆(Memory)和规划(Planning)模块,而这三个模块共同影响行动(Action)模块。下面,我们将详细介绍这些模块。
<