新兴人工智能 Agent 架构的综述：推理、规划和工具调用
自 ChatGPT 推出以来，许多第一代生成式 AI 应用主要采用检索增强生成（RAG）模式在文档语料库上进行问答。虽然大量工作致力于提升 RAG 系统的健壮性，但不同团队开始构建下一代 AI 应用，核心主题聚焦于智能体（Agent）。与大型语言模型（LLM）零次提示中用户在开放式文本字段输入即获结果的模式不同，智能体允许更复杂的交互和编排。
智能体系统具备规划、循环、反思及其他控制结构的概念，充分利用模型固有的推理能力端到端完成任务。结合使用工具、插件和函数调用的能力，智能体被赋予了执行更通用工作的能力。当问题定义明确且不需要来自其他智能体角色或用户的反馈时，单智能体架构表现出色；而当需要协作和多条不同的执行路径时，多智能体架构则更具优势。
智能体架构定义与组成
AI 智能体被定义为能够规划和采取行动以在多轮迭代中执行目标的语言模型驱动实体。其基本组成部分包括'大脑、感知和行动'，以满足理解、推理及对环境采取行动的最小需求。
- 智能体角色（Agent Persona）：每个智能体被赋予特定指令和个性，涉及可利用的工具描述。
- 工具（Tools）：指模型可以调用的任何功能，允许智能体与外部数据源交互。
- 单智能体架构：由一个 LLM 驱动，独立完成所有推理、规划和工具执行。无其他 AI 智能体反馈，但可包含人类反馈。
- 多智能体架构：涉及两个或多个智能体，利用相同或不同模型集合。通常有独特角色，支持动态团队构建。
单智能体（Single Agent）架构
单智能体架构在执行直接功能调用且不需要其他智能体反馈的任务时特别有用。成功的目标执行依赖于适当的规划和自我修正能力。
ReAct (Reasoning + Acting)
ReAct 方法要求智能体首先写下关于给定任务的思考（Reasoning），然后根据这些思考执行动作（Acting），并观察输出。这个循环重复直到任务完成。该方法将推理与行动紧密结合，提高了决策的可解释性。
RAISE (Memory Mechanism)
在 ReAct 基础上增加模仿人类短期和长期记忆的记忆机制。使用草稿本进行短期存储，使用类似先前案例的数据集进行长期存储，增强了上下文保持能力。
Reflexion
使用语言反馈进行自我反思的单智能体模式。通过成功状态、当前轨迹和持久记忆等指标，利用 LLM 评估器为智能体提供具体和相关的反馈，从而优化后续行为。
AutoGPT + P
针对自然语言指挥机器人的推理限制，结合了对象检测和对象功能映射（OAM）以及由 LLM 驱动的规划系统，实现了更复杂的任务分解。
LATS (Language Agent Tree Search)
使用树进行规划、行动和推理的方法。通过树搜索算法选择行动，并在执行后使用环境反馈和语言模型反馈进行自我反思，适合复杂规划场景。
尽管单智能体架构取得进展，但在理解复杂逻辑、避免幻觉（Hallucination）以及在需要多样性、探索和推理的任务上提高性能方面仍存在挑战。
多智能体（Multi-Agent）架构
多智能体架构通过智能体之间的沟通和协作计划执行来促进目标的实现。这些架构通常涉及动态团队构建，以及在规划、执行和评估阶段对团队成员的智能分工。
垂直与水平架构
- 垂直架构：有一个主导智能体（领导者），负责分配任务和协调。
- 水平架构：所有智能体地位平等，共同参与任务讨论，共享信息和任务。
典型示例
- Embodied LLM Agents Learn to Cooperate in Organized Teams：研究显示有组织的领导智能体团队完成任务的速度比无领导的团队快。