引言
在数字化转型的浪潮中，人工智能（AI）正以其前所未有的速度和规模，重塑着我们的世界。大语言模型（LLM）的出现，仿佛为 AI 赋予了思考的大脑。但若要让这些数字巨人真正步入现实世界，与人类并肩作战，我们还需要给它们配备什么？答案可能是：智能体（Agent）。
一、大模型与人类的区别
大模型虽然强大，但它们缺乏人类的某些本能——记忆、工具使用和规划思考能力。人类能够记住知识、使用工具、规划行动，而大模型则需要额外的支持来实现这些功能。
- LLM：能够接受输入、进行思考、推理输出结果。
- 人类：具备 LLM 的能力，加上记忆、工具使用和规划思考。
二、智能体（Agent）的概念
智能体，或称为 Agent，是一种计算机程序，它基于大语言模型，并通过添加规划思考、记忆和工具使用的能力，能够自主完成复杂的任务。它不仅仅是被动地回答问题，而是主动地感知环境、制定计划并执行操作。
[图：智能体架构示意图]
三、智能体的关键构成
在基于 LLM 的智能体中，LLM 充当着智能体的'大脑'的角色。下面对智能体的三大核心能力—规划、记忆与工具使用进行详细讲解。
1. 规划（Planning）
规划是智能体将复杂任务分解为可执行子任务的能力。它是智能体有效完成任务的行动指南。以下是规划在智能体中的全面应用：
- 任务分解：智能体将大型任务拆解成小的、可管理的子任务，使得任务的执行变得更加清晰和简单。
- 执行流程规划：智能体需要制定一个明确的执行计划，决定各个子任务的执行顺序和时间。
- 思考和反思：在任务执行过程中，智能体需要持续进行思考和反思，以评估当前的执行状态，并作出必要的调整。
- 任务监控与调整：智能体需要监控任务的执行情况，并根据实际情况进行调整，以确保任务能够顺利进行。
- 任务完成判断：智能体需要有能力判断任务何时完成，并在完成任务后进行适当的总结。
关键概念如下：
思维链 (Chain of Thoughts, CoT)
思维链已经是一种比较标准的提示技术，能显著提升 LLM 完成复杂任务的效果。当我们对 LLM 这样要求，会发现 LLM 会把问题分解成多个步骤，一步一步思考和解决，能使得输出的结果更加准确。这是一种线性的思维方式。
思维链的 Prompt 示例：
template = "回答问题：Q：{问题}？让我们一步一步地思考："
思维树（Tree-of-thought, ToT）
对 CoT 的进一步扩展，在思维链的每一步，推理出多个分支，拓扑展开成一棵思维树。使用启发式方法评估每个推理分支对问题解决的贡献。选择搜索算法，使用广度优先搜索（BFS）或深度优先搜索（DFS）等算法来探索思维树，并进行前瞻和回溯。
[图：思维树结构示意]
ReAct
ReAct（Yao et al. 2023），《ReAct: Synergizing Reasoning and Acting in Language Models》这篇论文提出一种用于增强大型语言模型的方法，它通过结合推理（Reasoning）和行动（Acting）来增强推理和决策的效果。
- 推理（Reasoning）：LLM 基于「已有的知识」或「行动（Acting）后获取的知识」，推导出结论的过程。
- 行动（Acting）：LLM 根据实际情况，使用工具获取知识，或完成子任务得到阶段性的信息。
不同规划模式的推演：
- 仅推理（Reasoning Only）：LLM 仅仅基于已有的知识进行推理，生成答案回答这个问题。很显然，如果 LLM 本身不具备这些知识，可能会出现幻觉，胡乱回答一通。
- 仅行动（Acting Only）：大模型不加以推理，仅使用工具（比如搜索引擎）搜索这个问题，得出来的将会是海量的资料，不能直接回到这个问题。
- 推理 + 行动（Reasoning and Acting）：LLM 首先会基于已有的知识，并审视拥有的工具。当发现已有的知识不足以回答这个问题，则会调用工具，比如：搜索工具、生成报告等，然后得到新的信息，基于新的信息重复进行推理和行动，直到完成这个任务。
