“探秘智能体，解读未来智能。” 在人工智能的前沿领域，智能体（AI Agent）正逐渐成为焦点。它究竟是如何构建的？又具备怎样的能力？本文将深入解读前 OpenAI 高管和斯坦福顶尖学者的综述，为你揭开智能体的神秘面纱，展现其在模拟人类行为等方面的巨大潜力。

（Lilian Weng定义的Agent结构图）

智能体（AI Agent）=大模型（LLM）+记忆（Memory）+规划（Planning）+工具使用（Tool Use）

LLM（AI大模型）是Agent的大脑，属于“中枢”模型，要求有以下3种能力：

planning skills：对问题进行拆解得到解决路径，既进行任务规划

tool use：评估自己所需的工具，进行工具选择，并生成调用工具请求

memory：短期记忆包括工具的返回值，已经完成的推理路径；长期记忆包括可访问的外部长期存储，例如知识库

斯坦福大学+谷歌顶尖学者发布的《Generative Agents: Interactive Simulacra of Human Behavior》中做了一个AI小镇，通过类似《模拟人生》的沙盒环境中里面内置了25个Agent。

用户可以观察并干预 Agent 规划他们的日常、分享新闻、建立关系以及协调团队活动。这篇文章要解决的问题是如何创建能够模拟人类行为的生成Agent，这些Agent可以在交互式应用中使用，例如沉浸式环境、人际交流排练工具和原型设计工具。

架构

这篇论文提出了一种生成代理架构，用于解决人类行为模拟的问题。具体来说，

记忆流：首先，论文描述了一个长期记忆模块，称为记忆流，它以自然语言形式记录代理的所有经历。记忆对象包括自然语言描述、创建时间戳和最近访问时间戳。

检索函数：为了决定代理的下一步行动，论文实现了一个检索函数，该函数根据代理当前的情况返回记忆流的一个子集。检索函数考虑了三个主要组件：

新颖性：最近访问的记忆对象得分较高。

重要性：代理认为重要的记忆对象得分较高。

相关性：与当前情况相关的记忆对象得分较高。

反思：其次，论文引入了反思的概念，这是一种更高级别的思维，由代理定期生成。反思通过将最新的记忆记录作为查询，并从语言模型中获取相关记忆来生成。

规划和反应：最后，论文描述了规划和反应的过程。规划描述了代理未来的行动序列，帮助保持行为的一致性。反应则是代理在感知到环境变化时采取的行动。对话生成则是基于代理之间的记忆来进行的。

实验

论文通过在一个类似《模拟人生》的沙盒环境中实现生成代理来验证其架构。具体来说，

环境：沙盒环境被称为Smallville，包含一个小镇，其中有25个独特的代理。每个代理由一个简单的精灵头像表示，初始记忆包括一个自然语言描述的段落。

用户控制：用户可以通过自然语言与代理互动，指定一个角色来感知代理。用户也可以直接命令一个代理，使其更像代理的“内心声音”。

环境交互：代理在沙盒世界中移动和与环境中的对象互动。用户可以改变代理的环境状态，例如将厨房炉子从“开启”改为“燃烧”。

结果

可控评估：在可控评估中，论文通过“采访”代理来测试其在自我认知、记忆、计划、反应和反思方面的能力。结果表明，完整的生成代理架构生成的行为最为可信，而移除某个组件后性能会下降。

端到端评估：在端到端评估中，论文观察了25个代理在两天内的自发行为。结果显示，代理之间形成了信息传播、关系建立和协调。具体来说，关于Sam市长竞选的信息传播范围从1人（4%）增加到8人（32%），关于Isabella情人节派对的信息传播范围从1人（4%）增加到13人（52%）。

总结

智能体（AI Agent）可以比喻为一部高效运作的智能机器人。这部机器人由以下几个核心部件组成：

大语言模型（LLM）：相当于机器人的大脑。它负责处理和理解语言信息，就像人类大脑处理思考、理解和沟通一样。大语言模型使得机器人能够理解指令、回答问题并与人类进行流畅的对话。

记忆（Memory）：相当于机器人的存储系统。它允许机器人记住过去的交互和经验，以便在未来的任务中加以利用。就像人类根据记忆来做出决策一样，智能体通过记忆来提高其处理问题的能力。

规划（Planning）：相当于机器人的导航系统。它帮助机器人制定行动方案，以实现既定目标。就像我们在旅行前规划路线一样，智能体通过规划来确定如何执行任务。

工具使用（Tool Use）：相当于机器人的双手。它使得机器人能够使用各种工具来辅助完成任务。就像人类使用工具来提高工作效率一样，智能体通过使用工具来扩展其功能，解决更复杂的问题。

所以智能体（AI Agent）就像一个具备高级认知能力、丰富经验、出色规划和实际操作能力的智能机器人，能够高效地完成各种复杂任务。