本文主要是介绍实用至上:智能体/Agent 是什么,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Agent 的起源
不做词义追源,仅从大众角度,这个事儿是去年初开始的,也就是 2023 年 2-3 月。标志性事件包括:
- AutoGPT 等开源项目的发布,这是第一批基于自然语言的 AI 自动化实践:你告诉它一个任务,它就会通过自然语言的自我对话,将这个任务进行拆分、规划并实现。
- 斯坦福小镇一类的项目实践:给予不同的 Bot 以不同的人格,搭配记忆窗口,让它们之间相互对话。
- 发表于 2 月的论文《Toolformer: 大模型可以教自己使用工具》,以及 OpenAI 在 3 月底发布的插件计划:这意味着,大模型从原来的“思想家”,通过对外部工具的使用,变成了实干家。
《AI 学会使用工具了》
2023年2月14日,报道自赛博禅心
现在的 Agent
时至今日,对于 Agent 是什么,可能还没有一个标准的定义。
一个常见的观点是,Agent 是一种让 AI 以类似人的工作和思考方式,来完成一系列的任务。一个 Agent 可以是一个 Bot,也可以是多个 Bot 的协同。就像是职场里,简单的工作独立完成,复杂的工作协作完成一样。
对于每个 Bot 来说,可能会包括:
- 一个大脑:判断和规划行为,这里通常用 GPT-4或同水平的 LLM;
- 眼睛和手:确认信息和使用外部工具,一般是各种插件/action/api;
- 工作纪要:储存已经发生的事,通常的媒介是上下文窗口,或者数据库;
- 行为SOP:明确这个 Agent 的身份、任务、目标和机制。这个 SOP 可能是用户给的,也可能是由其它 Bot 给出的。
再具象一点,这里我从 GPTs 里截了个图:
对于 GPTs,通常被认为是由 OpenAI 设计的简化版的 Agent。默认情况下,只能进行单 Bot 交互:
- 一个大脑:在 ChatGPT GPT Store 里,GPT-4 是唯一可选的 LLM;
- 眼睛和手:可以在 Capabilities 里勾选由 OpenAI 提供的第一方能力,也可以通过Actions 来拓展更多的外部能力;
- 工作纪要:一般来说就是对话记录,GPTs 可以回顾之前的对话;
- 行为SOP:存放在 Description, Instructions 以及 Knowledge 里。
OpenAI 的 Agent 演进
以 OpenAI 为例,我们看看 Agent 是如何一步步演进的。
去年 3 月底,OpenAI 宣布了插件计划,并在 5 月上线了插件商店,这也标志了 OpenAI 揭开 Agent 战局的第一步。
在当时 OpenAI 给开发者发送的指引中,给了这样的 Todo:
- 第一步:开发接口,来定义 ChatGPT 可以调用的功能。接口可以是新开发的,也可以是改造现有的
- 第二步:写一份文档,给 ChatGPT 来看,让它知道什么时候去调用接口。当然,这里要遵循一定的格式,然后用自然语言来写。
如果你做过 OpenAI API 的开发,可能会觉得这个文档有些熟悉,这不就是 Fuction Call 吗?
没错,在 2023 年 6 月 13 日,OpenAI 发布了 Function Call 模式,让大模型可以来调用外部工具,用的就是非常类似的方案。
再往后,OpenAI 的相关工作人员做了一系列的 Research,关于 Agent 的最佳实践。同时的,也发布了 Custom Instruction 指令的相关功能。
之后,ChatGPT 推出了 All Tools 功能。也就是回答用户问题时,不再需要用户自主的来选择工具,这可以视作是“自动版的Plugin”,覆盖了三款官方工具:Browsing, Advanced Data Analysis 和 DALL·E。
时间推移,在2023 年 11 月 6 日的时候,在 OpenAI 开发者大会上,Sam Altman 宣布了 GPTs,这通常被认为是 OpenAI 推出了其第一个正式版的 AI Agent。在最初的版本中,包括以下功能
- 允许用户创建多个 Bot,自定义它们的身份和回答风格。并且这些 Bot 可以分享
- Bot 可以自有使用三款官方工具:Browsing, Advanced Data Analysis 和 DALL·E
- Bot 也可以通过 Action 的方式(类似 API 的东西),去调用任何的外部能力
- Bot 可以有自己的数据空间,允许用户对这些数据进行 QA。
同时,在11月06日的时候,OpenAI 也更新了几个影响深远的接口:
- Function Calling:更新多参数生成功能,可以让一轮对话完成多项任务
- JSON Mode:让 API 通过 JSON,而非文字,来做出回应
- Seed:设定随机值,提高一致性
- Assistants API & Code Interpreter:可以理解为把 ChatGPT 的 Bot,搬到了 API 里
- Retrieval:简易化知识库构建
在最近 GPTs 体系上线了 GPT Store,有些媒体称其为 OpenAI 的 App Store 时刻,但其实并不相同。在 GPT Store 里,用户可以搜索和使用为各项任务所开发的 GPTs。
紧随 GPT Store 上线的,还有 @GPTs 功能,也就是在任何的对话中,你都可以手动的让某个 GPTs 接管这个对话内容,做出更好的输出。
值得一提的是,由于 GPT Store 没有开放支付入口,所以目前几乎所有的 GPTs 都是免费的。
其它 Agent 平台
之前和 OpenAI 的相关负责人聊过,ChatGPT 的主要定位是“开箱即用的消费级产品”。那这里,自然给“较为复杂的生产级产品”留下了生态空间。这里,我们也来探讨下这类产品。
主要的 AI 玩家都会对这方面有所涉足,也各有侧重。比如来传统大厂自字节扣子/coze,百度的灵境矩阵,也比如来自 AI 初创公司的 Dify 等等。
以扣子为例,对比与 GPTs Store,主要的体感区别包括:
- 免费,至少目前是完全免费的
- 有数十个官方插件,对比与 GPTs 里只有3个
- 可以用类似低代码的方式,构建Workflow,并被 Bot 调用
- 可以将捏好的 Bot 发布到其它平台(比如飞书,公众号),同时支持 API
其中后两条极为核心。
我的 Agent 的实战
一个设计良好的 Agent 可以提供极大的生产力,并创造极高的价值。
前几天大火的 Devin,被称为“第一位由 AI 担任的软件工程师”,它可以自主的去学会如何使用不熟悉的技术,自主的生成代码、调试bug和部署应用。
Agent 也可以替代现有的很多软件工具,去完成工作中繁琐的任务。举个例子,我正打算开一个专栏,叫做“乘风破浪的少年们”,去讲述和记录那些在这次 AI 浪潮中,登上世界舞台的中国人,用对话的形式。
这里对我来讲的一个很大挑战:我需要整理大量的文字稿,并且把它排版出来,这并不轻松,也很占时间。我希望有一个 Agent 来帮我做这件事情。
昨天下午,我和 Owen(沉浸式翻译的作者)去参加了一个 Hackathon,现场有了灵感,并梳理出了这个 Agent 的思路:
- 第一步:将对话音频文件,通过 AI(比如whisper)转化成文字稿
- 第二步:将文字稿用 AI 转化成 QA 问答对,以 json/csv 的方式储存
- 第三步:将 QA 问答对,转化成 HTML(可以导入进微信公众号)
我们花了俩小时,用扣子,把这个 Agent 给搓了出来,起名《带带弟弟排版器》,希望大家带带单打独斗的弟弟。也顺道着把我上次参加 OpenAI 的红队活动的笔记,转成了 .csv
然后把这个 .csv 文件丢给了《带带弟弟排版器》
我相信,在 AGI 来之前,Agent 是一个很棒的替代方案。不过现在还有俩主要毛病:1.不够稳定;2.算力有点贵
我可太聪明了
如何学习AI大模型?
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。
这篇关于实用至上:智能体/Agent 是什么的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!