原理与实战：利用Agent技术提升AI应用效能

2024年8月28日修改

作者：CodeDan | 智见AGI

Agent如何实现多任务自动化与优化

©作者 | CodeDan

来源 | 神州问学

Agent是什么？

AI目前使用上是有缺陷的，比如信息的实时性等，导致无法主动更新自己的知识，导致出现事实幻觉。而且语言大模型目前最适合的依旧是自然语言交互的处理，在与外部其他工具的交互功能暂时还不是很强大。​

所以Langchain通过Agent（智能体）即可具备让LLM模型辅助进行思想推理的能力，并且可根据推理去调用外部工具获取结果。​

Agent代理是一种多功能的程序，它类似于一个可以与各种工具交互的工具。根据用户的需求，它能够提供多种工具供用户选择，并且能够同时提供多种工具的功能，还可以将一个工具作为另一个工具的输入，实现数据的流畅传递和处理。​

上述过程有很多地方需要大模型来思考如何进行下一步的推断，但是大模型是不会主动去推理下一步应该做什么的，这个时候需要我们进行思维上的引导，从而让大模型能够自主的进行步骤的推理。​

ReAct思维链：在语言模型中协同推理与行动

ReAct的核心在于推理（Reason）和行动(Action)，其可以让Agent利用模型进行动态推理，并采取行动与外界环境互动。​

模拟场景：你在售卖雨伞的过程中，经常会经历由于天气变化而导致的雨伞当天价格不同，那么，每天早上你会如何为你的雨伞定价？​

人类回答：我需要知道明天武汉天气如何（推理），我会去天气预报上面查一查今天的天气如何（行动），然后我会根据这个天气是晴天还是雨天，来确定我要定价多少（推理），最后计算出一个售价（行动）！​

原理与实战：利用Agent技术提升AI应用效能​