嗨，我是隔壁公司的某学姐🫶🏻。同是天涯打工人，让我们互相抱团取暖，聊聊工作、学习和生活！欢迎大家文末留言或私信！
“ 现如今ChatGPT的热度逐渐褪去，而字节的扣子逐渐被越来越多的国人知晓，钉钉、百度、Dify等也纷纷涉足工作流功能，打开国内AI工作流to B市场。今天学姐将用通俗易懂的方式讲解AI Agent是什么，以及国内大厂做Agent的进展。大家不要走开哦～🫶”
01
—
AI Agent小科普
-
第一步：先使用搜索引擎搜索一些相关书籍和信息进行阅读，为我们打开思路 -
第二步：形成本书的大纲，并且考虑清楚每一章节要编写的内容 -
第三步：针对每一个章节进行内容的编写，在编写过程中可能会调整文章的大纲 -
第四步：在编写后面章节的时候可能会忘记前面写的内容，需要去翻阅前面已经写的内容 -
第五步：文章初步完成之后，我们可能会找相关专业人士帮忙修改 -
最后：经过几番调整之后，书籍最终成型
-
没有办法使用Google获取最新的外部信息（大模型的训练数据是有日期限制的） -
没有对整个事情进行规划（比如先写大纲，再编写每个章节，然后和别人讨论，最后成文） -
大模型没有记忆的能力，由于上下文（脑容量）的限制，无法一次性完成20万字的文章，会造成前言不搭后语的现象
OpenAl的 Lilian Weng 将以LLM为驱动的 AI Agent，形式化为如下的公式：AI Agent＝LLM（大模型）＋Planning（规划）＋Memory（记忆）＋Tools（工具）
也就是说，AI Agent由如下几部分组成，我用一个管理花园的园丁的例子来说明每个模块的作用，希望大伙儿不会觉得枯燥晦涩～
1．LLM（大模型）：就像园丁的智慧和知识库，它阅读了海量的园艺书籍和资料，不仅知道各种植物的名字，还懂得如何照顾它们。在AI Agent中，LLM提供了庞大的信息存储和处理能力，以理解和响应我们提出的各种问题。
2．Planning（规划）：园丁需要规划整个花园的布局。AI Agent的规划功能，就像园丁制定种植计划，决定先种哪些花草、后种哪些蔬菜，或者如何分步骤修剪树冠。
3．Memory（记忆）：这类似于园丁的笔记本，记录了每个植物的种植时间、生长情况和前一次施肥的时间。记忆模块让AI Agent能记住以往的经验和已经完成的任务，确保不会重复错误。
4．Tools（工具）：就是园丁的用具，比如铲子、水壶和剪刀。AI Agent的工具模块，指的是它可以运用的各种软件和程序，帮助它执行复杂的任务，就像园丁用工具进行园艺活动一样。
我们也可以认为LLM＋Planning＋Memory是人类的大脑，而Tools则是人类的四肢。在大模型出现之前，Planning和Memory已经有比较成熟的技术。大模型的出现则补足了AI Agent发展的最后一环。
目前大模型的产品类型，主要有两种：
Copilot：翻译成副驾驶，助手。在帮助用户解决问题时起辅助作用，例如github copilot是帮助程序员编程的助手。
Agent：更像一个主驾驶，智能体，可以根据任务目标进行自主思考和行动，具有更强的独立性和执行复杂任务的能力。
1．核心功能
-
Copilot：更像是一个辅助驾驶员，更多地依赖于人类的指导和提示来完成任务。Copilot在处理任务时，通常是在人为设定的范围内操作，比如基于特定的提示生成答案。它的功能很大程度上局限于在给定框架内工作。 -
Agent：像一个初级的主驾驶，具有更高的自主性和决策能力。能够根据目标自主规划整个处理流程，并根据外部反馈进行自我迭代和调整。
-
Copilot：在处理流程方面，Copilot往往依赖于Human确定的流程，这个流程是静态的。它的参与更多是在局部环节，而不是整个流程的设计和执行。 -
Agent：Agent解决问题的流程是由AI自主确定的，这个流程是动态的。它不仅可以自行规划任务的各个步骤，还能够根据执行过程中的反馈动态调整流程。
-
Copilot：主要用于处理一些简单的、特定的任务，更多是作为一个工具或者助手存在，需要人类的引导和监督。 -
Agent：能够处理复杂的、大型的任务，并在LLM薄弱的阶段使用工具或者API等进行增强。
-
Copilot：主要依赖于LLM的性能，Copilot的开发重点在于Prompt Engineering。 -
Agent：同样依赖于LLM的性能，但Agent的开发重点在于Flow Engineering，也就是在假定LLM足够强 大的基础上，把外围的流程和框架系统化，坐等一个强劲的LLM核心。
02
—
学姐前不久参加了百度的AI开发者大会，虽然整体体验一般，但不难看出百度在AI领域的积累和沉淀。不过，我也发现百度各产品之间的相似性较高，玩法也颇为相似。当然，这只是我的个人观感，百度在AI领域的实力还是不容小觑的。
