一、前言
AI Agent（人工智能代理）是上半年一个火热的话题。笔者最近对相关概念进行了学习与研究，期间也通过智能体开发平台成功搭建了一些有趣的Agent。所以计划通过本篇文章，跟大家分享笔者对于AI Agent的些许理解。
二、AI Agent是什么
AI Agent，即人工智能体，是一种能够感知环境、进行自主理解、决策和执行动作的智能实体。简单理解，是一种基于大语言模型，能够通过独立思考、调用工具来逐步完成给定目标的计算机程序。
可能大家会疑问，AI Agent又和LLM、RAG有什么区别？他们之间的关系又是怎样的？
我们不妨，先通过对比 LLM、RAG 的用途，来更好地理解 AI Agent。
1、LLM
LLM（大语言模型）是基于海量文本数据训练的深度学习模型，能够生成自然语言文本、深入理解文本含义，并处理各种自然语言任务，如文本摘要、问答、翻译等。简单理解是语言的逻辑推理，如我们常见的Chat GPT、文心一言、通义千问等
但由于LLM的知识是提早训练好的内容，时效性不强；加上用于训练的知识一般来源于公域的标准化知识，存在局限性。
为了解决LLM知识有限的问题，需要把外部的知识提供给LLM进行学习，让它理解之后表达出来，这时候就需要用到RAG技术。
2、RAG
RAG（检索增强生成）是一种结合了外部信息检索与大型语言模型生成能力的技术，用于处理复杂的信息查询和生成任务。在大模型时代，RAG 通过加入外部数据（如本地知识库、实时数据等）来增强 AI 模型的检索和生成能力，提高信息查询和生成质量。比如：文心一言的插件服务，支持把实时又或者私有化知识提供给LLM。
总结而言，RAG是一种技术，作用于LLM，目的是增加输出结果的准确性。
3、AI Agent与LLM、RAG的关系
如果把AI Agent理解为一个智能实体的话，LLM充当着智能体的“大脑”角色。
AI Agent 会利用 LLM 的推理能力，把问题进行拆解，形成一个一个的小问题，并定义好这些小问题之间的前后关系，先处理哪个，再处理哪个。然后按照顺序，调用 LLM 、 RAG 或者外部工具，来解决每一个小问题，直至解决最初的问题。
三、AI Agent的基础架构
上文提及到，LLM充当着智能体的大脑，但仅仅有“大脑”并不能完成复杂任务的执行。作为智能体，还需要如“神经感官系统”以及“肢体”的参与，这时候引入AI Agent的基础架构。
如上图所示，Agent由4个关键部分组成，分别是：规划（Planning）、记忆（Memory）、工具（Tools）、行动（Action）
1、规划（Planning）
“规划”充当着智能体的“思维模式”。如果用人类来类比，当接到一个任务时，我们的思维模式可能会像下面这样：
- 首先会思考怎样完成这个任务。
- 然后会把任务拆解成多个子任务分步进行。
- 接着评估现有工具能够帮助我们高效达成目的。
- 在执行任务的时候，我们会对执行过程进行反思和完善，以持续调整策略。
- 执行过程中思考任务何时可以终止。
因此，我们可以通过 LLM 提示工程（Prompt），为智能体赋予这样的思维模式。比如：在编写Prompt的时候运用ReAct、CoT等推理模式，引导LLM对复杂的任务进行拆解，拆分为多个步骤，一步步思考和解决，从而使输出的结果更加准确。
2、记忆（Memory）
记忆是什么？当我们在思考这个问题，其实人类的大脑已经在使用记忆。记忆是大脑存储、保留和回忆信息的能力。
仿照人类的记忆机制，智能体分为了两种记忆机制
- 短期记忆，如：单次会话的上下文记忆会被短暂的储存，以用于多轮会话，在任务完结后被清空。
- 长期记忆，长时间被保留的信息，如：用户的特征信息、业务信息，通常用向量数据库来存储和快速检索。
3、工具（Tools）
智能体具备感知环境与决策执行的能力，这离不开“神经感官系统”的帮助，“工具”便充当着这个角色。智能体通过工具从周边环境获取到信息（感知），经过LLM处理后再使用工具完成任务（执行）。
所以我们需要为智能体配备各种工具以及赋予它使用工具的能力。比如：
- 通过调用软件系统不同应用模块的API，获取到指定的业务信息，以及执行业务的操作权限。
- 通过调用外部的插件工具，来获取原本LLM并不具备的能力，如：文心的Chat files插件获取文档解析能力；扣子的ByteArtist插件获取文生图能力等。
这里便运用到了上文提及的RAG相关技术
4、行动（Action）
智能体基于规划和记忆来执行具体的行动，这可能包括与外部世界互动，或者通过工具的调用来完成一个动作，具体来说就是一个输入（Input）任务的最终输出（Output）。
如：实体AI机器人完成一个“鼓掌”动作的任务；又或者软件系统中，由AI助手创建一个待办任务。
四、AI Agent示例
为了更好地理解AI Agent，笔者这里举个生活中简单的例子：假设您需要与朋友在附近吃饭，需要AI Agent帮你预订餐厅。
Agent会先对您提出的任务进行拆解，如：
第1步（获取当前所在方位）
- 推理1：当前知识不足以回答这个问题，需要知道当前所在方位以及附近的餐厅
- 行动1：使用地图工具（Tools）获取当前所在方位
- 结果1：得出附近餐厅列表
第2步（确定匹配餐厅）
- 推理2：确定预订的餐厅，需要知道您的饮食偏好以及其余细节（如：吃饭时间、人数）
- 行动2：从记忆（Memory）中获取您的饮食偏好、人数、时间等信息
- 结果2：确定最匹配的餐厅
第3步（预订餐厅）
- 推理3：基于结果2，评估当前所拥有的工具能否完成餐厅预订
- 行动3：使用相关插件工具，进行餐厅预订（Aciton）
- 结果3：任务完成
五、Agent与To B产品应用场景
对AI Agent有了初步的了解后，我们可以把这套框架思想代入到To B产品的功能AI化设计中。比如：通过AI Agent完成搭建报表、创建任务、生成工作报告等工作。这里拿【生成工作报告】为例子，分享一下笔者的思路：
在CRM系统中，写工作报告（周报、月报）是一个周期性的高频工作。这个工作可分为几个阶段：
1、手动阶段
刚开始，员工填写工作报告需要以下好几步：
- 第一步：通过各种方式整理汇报周期内，联系了哪些客户；商机都推进到什么阶段；哪些客户完成转化成交，成交业绩多少等行为信息
- 第二步：把零散的行为信息，重新梳理，转化为汇报格式（如：内容+当前进度+预期等格式）
- 第三步：选择汇报人，提交报告
这个过程中，员工把大部分的时间都耗在了收集与整理行为信息的工作上。
2、Copilot阶段
由于引入了LLM，员工在写工作报告的时候，可以省去了整理零散信息，撰写报告的一步。
此时只需要把报告要求发给LLM，让LLM基于零散的数据信息进行加工整理，最后自动撰写工作报告。当提问中不含有汇报人等信息，LLM将通过多轮会话的方式进行获取。
3、Agent阶段
到了Agent的阶段，我们不妨以智能体的基础框架出发，构建【工作报告智能体】的框架。
- 规划（Planning），编写Prompt的时候，让LLM对“生成工作报告”任务进行拆解，分为了获取基础数据—整理输出报告—选择汇报人—执行提交四步。
- 工具（Tools），受限于LLM无法获取私有化知识的问题，通过RAG技术，接入数据中心API来获取客户联系、流转、成交等明细数据；以及接入工作报告应用API来获取“填写”与“提交”的业务执行权限。
- 记忆（Memory），把员工以往的汇报内容进行分析，提炼出汇报文案风格、内容格式、汇报周期、汇报人等特征信息，作为长记忆进行存储，供撰写报告时使用。
- 行动（Action），基于工作报告应用开放的执行权限，待LLM成功生成工作报告后，自动执行提交操作，完成任务。
通过这个方式，员工只需要给Agent下达写工作报告的任务（设置定时任务或手动触发），Agent将会自动完成数据采集、报告撰写、选择汇报人、报告提交操作。
六、总结
如果把“To B软件的AI化”类比于汽车自动驾驶技术的发展。23年LLM的推出，相当于To B软件应用的自动化程度由L1阶段升级到L2阶段；AI Agent的到来，让自动化程度得到了进一步的提升，由L2阶段升级到L4阶段。
随着AI Agent自主性的进一步加强，将会逐渐替代越来越多的重复性工作。但从To B软件的角度来看，AI最终解决的核心问题仍然不变—「降本增效」。
因此，作为产品经理，在提升自己AI能力的同时，还要持续提高自己对于产品所在行业的业务理解能力。毕竟在没有找到核心场景前，就算配套再先进的工具也带来不了任何价值。
本文作者: 来源:产品曼巴
CIO之家 www.ciozj.com 微信公众号:imciow