来源：金融IT那些事儿

大模型（LLM）在2023年横扫市场，成为关注热点，然后其落地应用方面存在很多问题。智能体（AI Agent）的出现，有效解决了这些问题，AI应用将出现颠覆式变化，给企业和个人带来工作方式的改变和大幅效率提升。

01 大模型应用之困

过去的2023年，大模型的能力惊艳了所有人，让人仿佛看到了通用人工智能AGI的到来，其热度已经高到了人必言的程度，也为AI技术应用带来了新一波热潮。

大模型与人类的交互通过提示词（Prompt）实现，用户的提示词是否清晰明确会影响大模型的效果。如果我们向提示词添加参数，就可以建立提示词模版。我们通过提示词模版为大模型提供用户输入。

然而大模型在落地方面存在一系列难题，包括无法支持长程对话、通用大模型对行业个性内容支持不够、推理能力不足、稳定性低、数据不实时以及幻觉等。这些问题都限制了大模型的实际应用，迫切需要新的技术解决这些问题。

为了解决上述问题，让大模型在更加复杂的应用场景中使用，AI界进行了广泛的探索。上半年参加会议的时候大家都在介绍LangChain等工具。到下半年，大家就都在关注智能体（AI Agent）了，大模型的发展可谓一日千里。

02 链：支持大模型的复杂应用

LangChain的特点在于提供了“组件”和“链”。

组件是一个具有明确功能和用途的单元。组件包括LLM模型包装器、聊天模型包装器及与数据增强相关的一系列工具和接口。这些组件就是LangChain中的核心，可以看到是数据处理流水线上的工作站，完成具体的数据处理。

LangChain通过“链”将各种组件连接在一起，链能够确保组件之间的无缝集成和在程序运行环境中的高效调用。通过链可以使用提示词模板创建对大模型的一系列调用，其中，一个调用的输出可以是另一个调用的输入。此外，还可以在步骤之间增加一些逻辑。举例来说，LLMChain是LangChain中最常用的链，它可以整合LLM模型包装器和记忆组件，让聊天机器人拥有“记忆”。

链的方式让大模型的复杂应用成为可能，但处理任务的步骤流程需要通过编程才能实现。而智能体能够自主分解任务步骤并完成给定目标。

03 什么是智能体？

智能体是指人工智能代理（Artificial Intelligence Agent），是一种能够感知环境进行自主理解，进行决策和执行动作的智能体。AI Agent具备通过独立思考、调用工具逐步完成给定目标的能力。仅需要给定一个目标，AI智能体就能够实现针对目标进行独立思考并完成目标任务。

智能体本质上是一种高级链，可以根据目标进行规划，将任务分解为一个个步骤。AI智能体可以使用各种工具进行对外访问，典型的工具比如网页搜索、文件系统访问、API等。

04 智能体：让AI像人一样行动

人具有大脑、五官、四肢，五官负责感知周边环境，大脑负责思考、规划并做出决策，四肢负责执行决策。类似于人，智能体主要由大脑、感知、行动三个关键部分组成 ：

大脑(Brain)：大脑主要由一个大型语言模型组成，不仅存储知识和记忆，还承担着信息处理和决策等功能，并可以呈现推理和规划的过程，能很好地应对未知任务。

感知(Perception)：感知模块的核心目的是将Agent的感知空间从纯文字领域扩展到包括文字、听觉和视觉模式在内的多模态领域。

行动(Action)：在Agent的构建过程中，行动模块接收大脑模块发送的行动序列，并执行与环境互动的行动。

05 智能体系统架构

一个基于大模型的智能体系统可以拆分为 大模型（LLM）、记忆（Memory）、任务规划（Planning）以及工具使用（Tool） 的集合。在大模型为基础的智能体系统中，大模型作为智能体系统的大脑负责计算，并需要其他组件进行辅助。

1. 规划（Planning）

（1）对需要更多步骤的复杂任务，智能体能够调用大模型通过思维链能力进行任务分解，在智能体架构中，任务的分解和规划是基于大模型的能力来实现的，大模型的思维链（Chain Of Thought，COT）能力通过提示模型逐步思考，将大型任务分解为较小的、可管理的子目标，以便高效的处理复杂任务。

（2）通过反思和自省框架，智能体可以不断提升任务规划能力，智能体可以对过去的行为进行自我批评和反省，从错误中吸取经验教训，并对未来的行动进行分析、总结、提炼和完善，从而提高最终结果的质量。自省框架使智能体能够修正之前的决策，从而不断优化。这种反思和细化可以帮助智能体提高自身的智能和适应性。

2. 记忆 （Memory）

（1）短期记忆：对智能体系统的所有输入会成为系统的短期记忆，所有上下文学习都是依赖模型的短期记忆能力进行的。短期记忆受到有限上下文窗口长度的限制，不同的模型的上下文窗口限制不同。

（2）长期记忆：智能体在完成目标时，需要查询的外部向量数据库成为系统的长期记忆。长期记忆使得智能体能够长期保存和调用无限信息的能力。外部的向量数据库可以通过快速检索进行访问。智能体主要通过长期记忆完成很多复杂任务，如阅读PDF、知识库等。

（3）向量数据库通过将数据转化为向量存储。

3. 工具（Tools）

（1）智能体能够使用外部工具API拓展模型能力，以获取大模型以外的能力和信息。如预定日程、设置待办、查询数据等。

（2）类GPT等大模型也更新了插件的功能，能够调用插件访问最新信息或者特定数据源，但是需要用户针对提问问题提前选择需要使用的插件，无法做到自然地回答问题。智能体可以自动调用工具使用，根据规划获取的每一步任务判断是否需要调用外部工具来完成该任务，并获取工具API接口返回的信息给到大模型进行下一步任务。

06 智能体的应用前景

之前在分析AIGC在金融行业的应用场景（见《AIGC在金融行业的应用场景分析》）时，笔者曾经设想过未来每个人都可以有一个智能金融助手，这个助手会了解主人的金融需求，并制定个性化的金融解决方案，然后帮助主人购买和打理相关的金融产品和服务。智能体的出现使得这种设想具备了技术上的可行性。当然，如果这一设想要真正成为实际应用，还需要在行业大模型建设、场景任务模型建设等方面做出很多努力。

未来企业可以结合自己的各种业务场景和岗位考虑建立专门的智能体。智能体作为数字员工可以独立完成或者协同（与人协同或者与其他智能体协同）完成各种工作任务，比如撰写报告、知识问答、领域搜索、文档审核、综合办公、智能翻译、数据分析、软件编写等。未来经理可以管理一批数字员工，通过自然语言交互等方式安排工作任务。智能体的广泛应用将帮助企业大幅提升工作效率。