AI Agent技術(shù)的最新進(jìn)展與改變世界的典型項(xiàng)目巡禮

1. AI Agent 技術(shù)發(fā)展以及典型項(xiàng)目

1.0 前 AI Agent 時(shí)代

在學(xué)術(shù)探索的浩瀚星空中，機(jī)器人技術(shù)領(lǐng)域的璀璨明珠莫過于Agent技術(shù)的深入研究，這一領(lǐng)域歷來是創(chuàng)新與突破的溫床?；厮葜链竽Ｐ屠顺迸d起之前，Agent技術(shù)的輝煌篇章便已悄然鋪展，諸如Alphago這樣的里程碑式案例，以其卓越的環(huán)境感知、精準(zhǔn)決策與高效行動(dòng)能力，生動(dòng)詮釋了Agent技術(shù)的閉環(huán)魅力。同時(shí)，DeepMind的Agent57在強(qiáng)化學(xué)習(xí)領(lǐng)域的游戲挑戰(zhàn)中嶄露頭角，而隨后問世的Gato則展現(xiàn)了更為廣泛的適用性，乃至OpenAI在“躲貓貓”游戲中展現(xiàn)的多智能體協(xié)作，無不預(yù)示著Agent技術(shù)的無限潛力。

展望未來，我們堅(jiān)信Agent技術(shù)將成為驅(qū)動(dòng)社會(huì)全面自動(dòng)化的核心引擎。與以往側(cè)重于結(jié)構(gòu)化環(huán)境下通過既定算法實(shí)現(xiàn)的自動(dòng)化不同，大模型的興起為Agent技術(shù)賦予了前所未有的通用性與靈活性。這一轉(zhuǎn)變，意味著Agent將能夠跨越傳統(tǒng)界限，深入人類腦力勞動(dòng)的復(fù)雜長尾領(lǐng)域，從體力到腦力，全方位推進(jìn)自動(dòng)化的深度與廣度。

大模型與Agent技術(shù)的融合，正引領(lǐng)我們步入一個(gè)全面自動(dòng)化的新紀(jì)元。大模型作為知識海洋中的自主學(xué)習(xí)者，為Agent提供了前所未有的智慧源泉，激發(fā)了其快速發(fā)展的新動(dòng)能。當(dāng)前，盡管我們?nèi)蕴幱谶@一變革的初期，Agent技術(shù)更多以實(shí)驗(yàn)性、探索性的面貌呈現(xiàn)，但展望未來，其發(fā)展前景之廣闊，變化速度之迅猛，或?qū)⒊跛腥说念A(yù)料。隨著技術(shù)的日新月異，我們或許會(huì)發(fā)現(xiàn)，所謂的“天花板”不過是通往更高境界的階梯，而Agent技術(shù)的極限，正等待著我們共同去探索與定義。

1.1 AI等級劃分

基于Agent（智能體）能力的AI等級劃分，可以借鑒類似自動(dòng)駕駛級別的劃分方式，將AI智能體的能力從低到高進(jìn)行分級。以下是一個(gè)簡化的AI Agent能力劃分描述：

AI Agent能力劃分：

• L0 - 沒有人工智能 在這一級別，Agent并不具備人工智能特性，只能執(zhí)行預(yù)定或固定的任務(wù)，沒有感知、決策或?qū)W習(xí)的能力。
• L1 - 規(guī)則符號智能 Agent開始具備基于規(guī)則的決策能力，能夠根據(jù)預(yù)設(shè)的規(guī)則和符號進(jìn)行簡單的判斷和執(zhí)行。這種智能體通常只能處理特定情境下的任務(wù)，且缺乏靈活性和適應(yīng)性。
• L2 - 推理決策智能 Agent能夠利用邏輯推理能力來解決問題，不再僅僅依賴于預(yù)設(shè)的規(guī)則。它能夠根據(jù)當(dāng)前的環(huán)境信息和目標(biāo)，進(jìn)行一定程度的推理和決策，以選擇最合適的行動(dòng)方案。
• L3 - 記憶反思智能 在L3級別，Agent不僅具備推理決策能力，還開始擁有記憶和反思的能力。它能夠記住過去的經(jīng)驗(yàn)和教訓(xùn)，并在未來的決策中加以利用。這種智能體能夠自我優(yōu)化和改進(jìn)，以適應(yīng)不斷變化的環(huán)境和任務(wù)。
• L4 - 自主學(xué)習(xí)智能 自主學(xué)習(xí)是L4級別Agent的主要特征。它能夠自主地從數(shù)據(jù)中學(xué)習(xí)新知識和技能，無需人類的明確指導(dǎo)。這種智能體能夠處理更復(fù)雜的問題，并在面對新情境時(shí)展現(xiàn)出更強(qiáng)的適應(yīng)性和創(chuàng)造力。
• L5 - 個(gè)性群體智能 在最高級別，Agent不僅具備高度自主的學(xué)習(xí)和決策能力，還展現(xiàn)出個(gè)性化的特征。它能夠根據(jù)自身的特點(diǎn)和偏好來執(zhí)行任務(wù)，并與其他Agent進(jìn)行協(xié)作和溝通。此外，L5級別的Agent還能夠理解和適應(yīng)人類社會(huì)的復(fù)雜性和多樣性，與人類實(shí)現(xiàn)更加緊密和自然的交互。
• AI 等級劃分

• AI apps building blocks

1.2 Prompt 工程

• 通過描述角色技能、任務(wù)關(guān)鍵詞、任務(wù)目標(biāo)及任務(wù)背景，告知大模型需要輸出的格式，并調(diào)用大模型進(jìn)行輸出
• 為了將 LLM 的能力發(fā)揮到極致，發(fā)展出了多種 prompt 工程
• 角色扮演
• 零樣本分析
• 少樣本分析
• 
  
• 在大模型初露鋒芒之際，業(yè)界掀起了一股“Prompt工程”的熱潮，將這一先進(jìn)技術(shù)視為一種創(chuàng)新的編程范式加以探索。從業(yè)者們巧妙地將大模型轉(zhuǎn)化為高度可定制的“智能工具”，通過精心構(gòu)建的角色設(shè)定、技能描述、任務(wù)關(guān)鍵詞的精準(zhǔn)提煉、目標(biāo)導(dǎo)向的明確闡述，以及詳盡的任務(wù)背景鋪設(shè)，構(gòu)建起與模型溝通的橋梁。這一系列精心設(shè)計(jì)的指令，不僅界定了大模型需完成的任務(wù)范疇，還細(xì)化了輸出結(jié)果的格式要求，隨后通過直接調(diào)用大模型，實(shí)現(xiàn)知識的生成與輸出的無縫銜接。

這一過程，被業(yè)界形象地稱為“工具模式”，它深刻體現(xiàn)了大模型作為高級認(rèn)知工具的價(jià)值所在。在此模式下，大模型不再僅僅是靜態(tài)的數(shù)據(jù)處理器，而是轉(zhuǎn)變?yōu)槟軌蚋鶕?jù)用戶意圖靈活應(yīng)變、高效執(zhí)行復(fù)雜任務(wù)的智能助手。這種將大模型工具化的探索，不僅極大地拓寬了技術(shù)的應(yīng)用邊界，也為人工智能領(lǐng)域的研究與實(shí)踐開辟了新的思路與方向。

案例：15000 字符的 prompt 工程，扮演人類導(dǎo)師

https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor

剛興趣的同學(xué)可以用自己嘗試一下：
https://chat./share/53b38605-68e5-4922-81fe-e4588fb28d8a

prompt 強(qiáng)化了 LLM 的能力，但以下的問題依然無法解決：

• 不能及時(shí)更新知識
• 上下文有限等等為了解決以上的問題，人們又發(fā)展出了很多的方法
• 1.2.1 Prompt 外掛 - RAG（Retrieval Augmented Generation）

• 引入向量數(shù)據(jù)庫
• 數(shù)據(jù)索引進(jìn)入向量數(shù)據(jù)庫
• 召回?cái)?shù)據(jù)
• 在提交給 LLM 做提示詞工程

1.2.2 分而治之 - 古老的思想依然有效

• 解決 context 不夠的問題
• 拆分成小段，分別摘要

1.2.3 step-by-step

1. 思維鏈（Chain of Thought，CoT）：要求模型展示其思考過程，而非僅給出答案
2. 思維樹（Tree of Thought，ToT）：它會(huì)根據(jù)當(dāng)前的問題分解出多個(gè)可能，然后每一個(gè)樹節(jié)點(diǎn)就是父節(jié)點(diǎn)的一個(gè)子問題，逐層擴(kuò)散，遍布整個(gè)解空間，一些節(jié)點(diǎn)就直接會(huì)發(fā)現(xiàn)不合適而終止掉，達(dá)到了有效剪枝的作用
3. 思維圖（Graph of Tree，GoT）：基于思維樹，既可以分解，也可以合并 ……

• 思維鏈（Chain of Thought, CoT）的深化

思維鏈的引入，標(biāo)志著人工智能模型解答問題方式的重大轉(zhuǎn)變。它強(qiáng)調(diào)模型需展現(xiàn)其內(nèi)在的邏輯推理過程，而非僅僅呈現(xiàn)最終答案。這一過程可通過雙軌并行實(shí)現(xiàn)：一是詳盡闡述法，即模型被要求逐步、細(xì)致地展示其思考軌跡，確保每一步推理的透明度與邏輯性；二是范例引導(dǎo)法，通過提供包含完整思考路徑的示例問題與答案，引導(dǎo)模型在面臨新問題時(shí)模仿此過程，循序漸進(jìn)地推導(dǎo)答案。隨著實(shí)踐的深入，我們進(jìn)一步探索了CoT的潛力，發(fā)現(xiàn)當(dāng)單一思維鏈遭遇障礙時(shí)，通過發(fā)散性思考，即CoT-SC（Chain of Thought with Strategic Convergence），模型能嘗試多種解題路徑，并通過投票機(jī)制篩選出最優(yōu)解，從而增強(qiáng)了解的魯棒性與多樣性。

• 思維樹（Tree of Thought, ToT）的萌芽

面對CoT-SC在某些復(fù)雜問題（如24點(diǎn)游戲）上的局限性，我們轉(zhuǎn)而探索思維樹的構(gòu)建。ToT策略將問題視為一個(gè)根系龐大的樹木，其主干代表核心問題，而每一分支則是對該問題的不同分解路徑。每個(gè)節(jié)點(diǎn)代表一個(gè)子問題，隨著樹的層層展開，解空間被細(xì)致劃分，同時(shí)，不合適的分支被有效剪除，以優(yōu)化搜索效率。然而，ToT在處理需要高度整合子問題結(jié)果的任務(wù)（如排序算法中的合并步驟）時(shí)仍顯不足。

• 思維圖（Graph of Tree, GoT）的革新

為解決ToT的整合難題，思維圖應(yīng)運(yùn)而生。GoT不僅繼承了ToT的分解能力，更增添了靈活的合并機(jī)制，使得模型能夠在復(fù)雜問題中自由穿梭于分解與整合之間，構(gòu)建出既全面又精確的解決方案圖。這一創(chuàng)新，標(biāo)志著AI在復(fù)雜問題求解能力上的又一飛躍。

• 累計(jì)推理：邁向新高度的探索

清華姚期智團(tuán)隊(duì)在思維推理領(lǐng)域取得了突破性進(jìn)展，提出了累計(jì)推理方法。該方法在解決24點(diǎn)問題上已展現(xiàn)出高達(dá)98%的成功率，樹立了新的技術(shù)標(biāo)桿。其核心理念與主流Agent的實(shí)現(xiàn)方式相契合，強(qiáng)調(diào)通用性與實(shí)用性。累計(jì)推理首先孕育一個(gè)初步假設(shè)，隨后通過不斷驗(yàn)證與迭代，逐步構(gòu)建并完善推理圖。每個(gè)新節(jié)點(diǎn)都建立在穩(wěn)固的已有基礎(chǔ)上，通過發(fā)散、合并或修正，直至達(dá)成最終目標(biāo)狀態(tài)。這一過程不僅增強(qiáng)了推理的完備性，還賦予了模型前所未有的靈活性，為人工智能在更廣泛領(lǐng)域的應(yīng)用開辟了新的可能性。

1.2.4 基于反饋的 ReACT-Synergizing Reasoning and Acting

上述的討論主要是任務(wù)分解和組合，他們盡管強(qiáng)大，卻不能與外界進(jìn)行互動(dòng)，這就不得不講到反饋機(jī)制了。

ReACT機(jī)制的核心在于將推理和行動(dòng)緊密結(jié)合，使語言模型能夠交替地產(chǎn)生推理路徑（Thought）和文本動(dòng)作（Action），以解決不同的語言推理和決策任務(wù)。具體來說，ReACT通過以下幾個(gè)步驟實(shí)現(xiàn)這一目標(biāo)：

• 推理路徑生成：模型首先基于當(dāng)前的環(huán)境或上下文生成推理路徑（Thought），這些推理路徑包含了對問題或任務(wù)的逐步分析和理解。
• 文本動(dòng)作生成：在推理路徑的指導(dǎo)下，模型生成文本動(dòng)作（Action），這些動(dòng)作可以是查詢外部數(shù)據(jù)源、執(zhí)行特定操作或生成最終答案等。
• 環(huán)境交互與反饋：文本動(dòng)作被發(fā)送到外部環(huán)境或數(shù)據(jù)源，以獲取新的觀測值（Observation）。這些觀測值用于更新模型的內(nèi)部狀態(tài)，并作為后續(xù)推理和行動(dòng)的基礎(chǔ)。
• 循環(huán)迭代：上述過程不斷循環(huán)迭代，直到達(dá)到任務(wù)目標(biāo)或滿足某個(gè)終止條件

1.2.5 Reflexion

• 背景與動(dòng)機(jī)

傳統(tǒng)的強(qiáng)化學(xué)習(xí)方法在訓(xùn)練大型語言模型時(shí)面臨諸多挑戰(zhàn)，如需要大量的訓(xùn)練樣本和昂貴的模型微調(diào)成本。此外，傳統(tǒng)的標(biāo)量或向量獎(jiǎng)勵(lì)信號往往難以準(zhǔn)確反映智能體在執(zhí)行任務(wù)過程中的具體表現(xiàn)。Reflexion方法通過引入語言反饋機(jī)制，旨在解決這些問題，使語言智能體能夠快速有效地從錯(cuò)誤經(jīng)驗(yàn)中學(xué)習(xí)。

• 核心原理

Reflexion方法的核心在于將傳統(tǒng)強(qiáng)化學(xué)習(xí)中的獎(jiǎng)勵(lì)信號轉(zhuǎn)化為語言反饋信號（Verbal Reinforcement），并將其作為附加的上下文信息嵌入到大型語言模型中。具體來說，Reflexion框架包含以下幾個(gè)關(guān)鍵組件：

• Actor：由大型語言模型（LLM）擔(dān)任，主要負(fù)責(zé)基于當(dāng)前環(huán)境生成下一步的動(dòng)作。
• Evaluator：用于評估Actor生成結(jié)果的質(zhì)量，類似于強(qiáng)化學(xué)習(xí)中的獎(jiǎng)勵(lì)函數(shù)。Evaluator將生成的軌跡作為輸入，計(jì)算在給定任務(wù)上下文中的獎(jiǎng)勵(lì)分?jǐn)?shù)。
• Self-Reflexion：自我反思模塊，也由LLM擔(dān)任。該模塊負(fù)責(zé)分析Actor的執(zhí)行結(jié)果和Evaluator的獎(jiǎng)勵(lì)信號，生成具體且詳細(xì)的語言反饋信號。這些反饋信號會(huì)儲(chǔ)存在Memory中，以便在未來的決策中提供參考。
• Memory：提供短期記憶和長期記憶功能。短期記憶存儲(chǔ)當(dāng)前實(shí)驗(yàn)中的上下文信息，而長期記憶則存儲(chǔ)Self-Reflexion模塊生成的反思結(jié)果。
• 執(zhí)行過程

Reflexion的執(zhí)行過程是一個(gè)迭代過程，包括Actor生成動(dòng)作、Evaluator評估動(dòng)作、Self-Reflexion生成反思并存儲(chǔ)結(jié)果等步驟。通過不斷重復(fù)這個(gè)過程，智能體能夠逐漸從錯(cuò)誤經(jīng)驗(yàn)中學(xué)習(xí)，并在未來的任務(wù)中做出更好的決策。

2. AI Agent

• 定義

在 LLM 語境下，Agent 可以理解為某種能自主理解、規(guī)劃決策、執(zhí)行復(fù)雜任務(wù)的智能體。Agent 并非 ChatGPT 升級版，它不僅告訴你 “如何做”，更會(huì)幫你去做。如果 CoPilot 是副駕駛，那么 Agent 就是主駕駛。

2.1 AI Agent 系統(tǒng)組成

• Planning（規(guī)劃）：
• 子目標(biāo)和分解：AI Agents 能夠?qū)⒋笮腿蝿?wù)分解為較小的、可管理的子目標(biāo)，以便高效的處理復(fù)雜任務(wù)
• 反思和細(xì)化：Agents 可以對過去的行為進(jìn)行自我批評和反省，從錯(cuò)誤中吸取經(jīng)驗(yàn)教訓(xùn)，并為接下來的行動(dòng)進(jìn)行分析、總結(jié)和提煉，這種反思和細(xì)化可以幫助 Agents 提高自身的智能和適應(yīng)性，從而提高最終結(jié)果的質(zhì)量
• Memory（記憶）：
• 短期記憶：所有上下文學(xué)習(xí)都是依賴模型的短期記憶能力進(jìn)行的
• 長期記憶：這種設(shè)計(jì)使得 AI Agents 能夠長期保存和調(diào)用無限信息的能力，一般通過外部載體存儲(chǔ)和快速檢索來實(shí)現(xiàn)
• Tool use（工具使用）：
• AI Agents 可以學(xué)習(xí)如何調(diào)用外部 API，以獲取模型權(quán)重中缺少的額外信息，這些信息通常在預(yù)訓(xùn)練后很難更改，包括當(dāng)前信息、代碼執(zhí)行能力、對專有信息源的訪問等

2.2 Agent 項(xiàng)目（單/多智能體）

多智能體系統(tǒng)相較于單智能體系統(tǒng)（如AutoGPT）在多個(gè)方面展現(xiàn)出顯著的優(yōu)勢，這些優(yōu)勢使得多智能體在處理復(fù)雜任務(wù)時(shí)更為高效、靈活和穩(wěn)定。

1. 信息處理與記憶容量優(yōu)勢
2. 多智能體優(yōu)勢：每個(gè)Agent在多智能體系統(tǒng)中僅需關(guān)注與自身角色或任務(wù)直接相關(guān)的信息，這種模塊化的信息處理方式極大地減輕了單個(gè)智能體需要記憶和處理的數(shù)據(jù)量。因此，在面對長歷史或復(fù)雜任務(wù)時(shí)，多智能體系統(tǒng)無需像單智能體那樣維護(hù)龐大的記憶容量，降低了對模型序列長度的依賴，提高了系統(tǒng)的可擴(kuò)展性和實(shí)用性。
3. 單智能體局限：單智能體如AutoGPT需要記住并處理所有歷史信息以做出決策，這對模型的記憶容量和計(jì)算能力提出了極高的要求。在長歷史任務(wù)中，這種需求可能導(dǎo)致性能瓶頸，限制了單智能體系統(tǒng)的應(yīng)用范圍。
4. 穩(wěn)定性與觀點(diǎn)排除
5. 多智能體優(yōu)勢：通過角色扮演機(jī)制，多智能體系統(tǒng)能夠模擬不同角色的視角和立場，從而有效排除某些偏見或錯(cuò)誤觀點(diǎn)的影響。這種機(jī)制使得系統(tǒng)輸出更加客觀、穩(wěn)定，提高了決策質(zhì)量。此外，不同智能體之間的交互還可以促進(jìn)新想法的產(chǎn)生和驗(yàn)證，進(jìn)一步增強(qiáng)了系統(tǒng)的創(chuàng)新性和適應(yīng)性。
6. 單智能體局限：單智能體在執(zhí)行多任務(wù)時(shí)，由于所有任務(wù)信息都混合在一起處理，容易受到各種因素的干擾，導(dǎo)致輸出結(jié)果的不穩(wěn)定。同時(shí)，單智能體難以有效區(qū)分和排除不同任務(wù)之間的潛在沖突或錯(cuò)誤觀點(diǎn)。
7. 可拓展性與任務(wù)分解
8. 多智能體優(yōu)勢：多智能體系統(tǒng)通過分工協(xié)作的方式將復(fù)雜任務(wù)分解為多個(gè)相對簡單的子任務(wù)，每個(gè)智能體專注于完成一個(gè)或幾個(gè)子任務(wù)。這種任務(wù)分解策略不僅降低了單個(gè)智能體的處理難度，還提高了系統(tǒng)的整體效率和可拓展性。隨著任務(wù)復(fù)雜度的增加，只需增加相應(yīng)的智能體數(shù)量或調(diào)整智能體之間的協(xié)作策略即可應(yīng)對。
9. 單智能體局限：單智能體在處理復(fù)雜任務(wù)時(shí)，通常需要依賴記憶節(jié)省策略（如token壓縮、關(guān)鍵信息提取等）來減少輸入給模型的context長度。然而，這些策略在極端情況下可能無法完全避免性能下降的風(fēng)險(xiǎn)，因?yàn)殚L序列處理仍然是大型語言模型面臨的一個(gè)挑戰(zhàn)。
10. 并行探索與最優(yōu)解選擇
11. 多智能體優(yōu)勢：多智能體系統(tǒng)能夠并行地探索多種解決方案，并通過比較和評估來選擇最優(yōu)解。這種并行探索機(jī)制不僅提高了問題求解的效率，還有助于發(fā)現(xiàn)更多潛在的優(yōu)秀解。此外，不同智能體之間的探索結(jié)果可以相互借鑒和補(bǔ)充，形成更加全面的解決方案集合。
12. 單智能體局限：單智能體在探索解決方案時(shí)通常只能采用串行或有限的并行方式（如分支預(yù)測、多線程等），其效率受到模型處理能力和計(jì)算資源的限制。同時(shí)，由于單智能體缺乏多視角的評估機(jī)制，其選擇的解決方案可能不是全局最優(yōu)的。即使通過增加計(jì)算資源來提高并行度，也可能面臨資源分配不均、協(xié)調(diào)困難等問題。

Auto-GPT

• 簡介：雖然內(nèi)部設(shè)計(jì)為單個(gè)智能體，但其自我批判的邏輯被視為多智能體策略的簡化版本。AutoGPT能夠根據(jù)反饋調(diào)整其行為，體現(xiàn)了智能體自我改進(jìn)的能力。
• 應(yīng)用：自動(dòng)化任務(wù)執(zhí)行、問題解決、基于指令的編程任務(wù)。

例子：
https://twitter.com/SullyOmarr/status/1644750889432027136?

• created login/sign up page
• styled it with bootstrap created flask api for login / logout
• created a local json database Took ~10 minutes at a cost of $0.50

框架結(jié)構(gòu)簡單，但其設(shè)計(jì)理念具有重要意義，后續(xù)框架設(shè)計(jì)的思路都有這個(gè)的影子

• 創(chuàng)建一個(gè)初始的計(jì)劃，然后進(jìn)入主循環(huán)
• 系統(tǒng)會(huì)讓模型判斷在當(dāng)前計(jì)劃下該進(jìn)行何種行動(dòng)，接著會(huì)執(zhí)行行動(dòng)
• 執(zhí)行完畢后，結(jié)果會(huì)寫入下一次循環(huán)中
• 如此，每次決策都會(huì)基于之前的結(jié)果、記憶和計(jì)劃，從而制定出新的行動(dòng)方案
• 優(yōu)點(diǎn)：
• 內(nèi)存和上下文管理：與 AutoGen 一樣，AutoGPT 在內(nèi)存和上下文等領(lǐng)域也表現(xiàn)出色，為需要這些功能的 LLM 應(yīng)用程序提供了優(yōu)勢。
• 缺點(diǎn)：
• 可視化構(gòu)建器依賴性：應(yīng)用程序設(shè)計(jì)依賴于可視化構(gòu)建器，這可能會(huì)限制那些寧愿用代碼定義設(shè)計(jì)的團(tuán)隊(duì)的靈活性。

AutoGen

• 簡介：AutoGen是一個(gè)開源框架，它通過多智能體對話來構(gòu)建下一代大型語言模型應(yīng)用。這個(gè)框架允許智能體通過對話相互協(xié)作，完成復(fù)雜任務(wù)，體現(xiàn)了智能體間的高度互動(dòng)性和任務(wù)的靈活性。
• 應(yīng)用項(xiàng)目：AutoGen被設(shè)計(jì)為一個(gè)通用平臺，可以應(yīng)用于自動(dòng)代碼生成、復(fù)雜問題解決、自動(dòng)化工作流程設(shè)計(jì)等領(lǐng)域。

論文鏈接：
https:///abs/2308.08155

項(xiàng)目鏈接：
https://github.com/microsoft/autogen

• 優(yōu)點(diǎn)：完善：AutoGen 擁有一個(gè)非常活躍的社區(qū)，非常適合尋求支持和協(xié)作的開發(fā)人員。可定制的代理：它還提供可定制的代理，可以集成 LLM、工具和人工反饋，使任務(wù)執(zhí)行高度靈活。
• 缺點(diǎn)：復(fù)雜性：這是一個(gè)相當(dāng)復(fù)雜的框架，對于新用戶來說可能是一個(gè)挑戰(zhàn)，需要陡峭的學(xué)習(xí)曲線才能有效利用其功能。結(jié)構(gòu)性較差：一些開發(fā)人員可能會(huì)發(fā)現(xiàn) AutoGen 與其他框架相比結(jié)構(gòu)性較差，這可能會(huì)影響實(shí)施的難易程度。

XAgent

項(xiàng)目鏈接：
https://github.com/OpenBMB/XAgent

官方博文：
https://blog./blog/xagent/

• 雙循環(huán)機(jī)制
• 外循環(huán)負(fù)責(zé)宏觀規(guī)劃，而內(nèi)循環(huán)則負(fù)責(zé)細(xì)節(jié)的執(zhí)行
• 效果碾壓 AutoGPT

• 總結(jié)：

1. 能力強(qiáng)大，但極耗 token，上述例子消耗了 10 刀 token
2. 運(yùn)行極慢，單次執(zhí)行 30min
3. 可擴(kuò)展性比較強(qiáng)，可基于 ToolServer（基于智譜的另外一個(gè)項(xiàng)目 ToolBench）擴(kuò)展自定義接口

OPENAI Assistants

• 參考資料Software 2.0 https://karpathy./software-2-0-a64152b37c35LLM Powered Autonomous Agents https://lilianweng./posts/2023-06-23-agent/The Rise and Potential of Large Language Model Based Agents: A Survey https:///abs/2309.07864A Survey on Large Language Model based Autonomous Agents https:///abs/2308.11432awesome ai agents https://github.com/e2b-dev/awesome-ai-agents從第一性原理看大模型 Agent 技術(shù) https://mp.weixin.qq.com/s/PL-QjlvVugUfmRD4g0P-qQ

MetaGPT

MetaGPT是一種創(chuàng)新的多智能體協(xié)作框架，其名字來源于“GPT-based Meta-Programming framework”，旨在通過分配不同的角色給生成式預(yù)訓(xùn)練變換器（GPTs），形成一個(gè)協(xié)作的軟件實(shí)體以完成復(fù)雜任務(wù)。

• 多智能體協(xié)作：MetaGPT的核心在于其多智能體協(xié)作的框架設(shè)計(jì)，每個(gè)GPT模型都被賦予特定的角色和任務(wù)，通過協(xié)作解決復(fù)雜問題，從而提高整體效率和性能。
• 標(biāo)準(zhǔn)化操作程序（SOP）：MetaGPT利用SOP來協(xié)調(diào)基于大語言模型（LLM）的多智能體系統(tǒng)，實(shí)現(xiàn)元編程技術(shù)，增強(qiáng)問題解決能力。
• 高度可擴(kuò)展性：隨著任務(wù)復(fù)雜度的增加，可以通過添加更多的GPT模型來擴(kuò)展MetaGPT系統(tǒng)的能力，使其能夠適應(yīng)不斷變化的需求和環(huán)境。

論文鏈接：
https:///abs/2308.00352

GitHub地址：
https://github.com/geekan/MetaGPT

• 優(yōu)點(diǎn)：
• 復(fù)雜的代理交互：MetaGPT 在支持代理之間的復(fù)雜交互方面表現(xiàn)出色，使其適用于復(fù)雜的多代理任務(wù)。
• 豐富的庫：它還附帶一個(gè)豐富的預(yù)定義代理庫，無需進(jìn)行大量自定義開發(fā)即可實(shí)現(xiàn)一系列功能。
• 缺點(diǎn)：
• Asyncio 依賴性：嚴(yán)重依賴 asyncio，這對于網(wǎng)絡(luò)密集型 I/O 來說可能很好，但與其他 python 原生并行處理方法相比，它有一些相當(dāng)嚴(yán)重的限制。
• 有限的通用性：MetaGPT 中的代理角色可能缺乏通用性，可能會(huì)限制其在需要高度可定制代理的場景中的使用。

適合人群：需要復(fù)雜的多代理交互和預(yù)定義復(fù)雜行為的項(xiàng)目。非常適合網(wǎng)絡(luò)密集型異步操作和需要高級協(xié)作功能而無需大量定制的項(xiàng)目

AutoAgents

項(xiàng)目鏈接：
https://github.com/Link-AGI/AutoAgents

AutoAgents的過程是分為兩個(gè)關(guān)鍵階段：Drafting 階段和Execution階段。Drafting階段包括三個(gè)預(yù)定義agent（Planner、Agent Observer和Plan Observer）之間的協(xié)作討論來綜合定制的agent團(tuán)隊(duì)和適合輸入問題的執(zhí)行計(jì)劃或任務(wù)。Execution階段通過agent間協(xié)作和反饋完善計(jì)劃，以及產(chǎn)生最終結(jié)果。論文提出self-refinement ，通過個(gè)體agent和協(xié)作進(jìn)行自我完善通過多個(gè)agent進(jìn)行細(xì)化，以提高agent的熟練程度并促進(jìn)各agent之間的知識共享agents。為了促進(jìn)合成團(tuán)隊(duì)中agents之間的具體分工，作者引入預(yù)定義的agent（Action Observer）以協(xié)助agents團(tuán)隊(duì)共享信息，協(xié)調(diào)行動(dòng)，達(dá)成共識，適應(yīng)環(huán)境。

crewAI

項(xiàng)目代碼：
https://github.com/joaomdmoura/crewAI 官網(wǎng)博文：https://docs./

• 基于角色的Agent設(shè)計(jì)：使用特定的角色、目標(biāo)和工具來定制Agents。
• 自動(dòng)化的Agents間委托：agents可以自主地委托任務(wù)并在彼此之間進(jìn)行詢問，從而提高問題解決效率。
• 靈活的任務(wù)管理：使用可定制的工具定義任務(wù)，并將其動(dòng)態(tài)分配給agents。
• 流程驅(qū)動(dòng)：目前僅支持順序任務(wù)執(zhí)行，但正在研究更復(fù)雜的流程，如協(xié)商一致和分層。
• 
  
• 優(yōu)點(diǎn)：
• 生產(chǎn)重點(diǎn)：CrewAI 的設(shè)計(jì)考慮到了生產(chǎn)用途，具有干凈的代碼和注重實(shí)際應(yīng)用。
• 代理委派：強(qiáng)調(diào)代理委派，允許在代理之間采用結(jié)構(gòu)化的方法分配任務(wù)。
• 缺點(diǎn)：
• 重新委派限制：重新委派和使用外部代理的限制可能會(huì)限制分配和執(zhí)行任務(wù)的靈活性。
• 數(shù)據(jù)收集：收集匿名使用數(shù)據(jù)，這可能會(huì)引起某些團(tuán)隊(duì)的隱私問題。

更多項(xiàng)目

BabyAGI、CAMEL、DSPy、OpenAgents、Agents、AgentVerse、ChatDev、LangGraph