CH1 - SunXiaoXiang/learn_wowagent GitHub Wiki

wow-agent 的出品方

自塾（zishu.co）出品的第三个开源项目 https://github.com/datawhalechina/wow-fullstack
https://github.com/datawhalechina/wow-rag
https://github.com/datawhalechina/wow-agent

基本初衷是想要实现一个简易的功能，但是又不想因为这个框架而安装上百个依赖库。wow-agent致力于在代码行数和依赖库数量之间取得均衡的最小值，用最划算的方式帮助您在本地搭建AI Agent，嵌入到您的生产工作环节中。

好的，既然我们的目标是构建AI Agent，那就让我们先来学习一下Agent的基本概念吧！谷歌不是2025年元旦左右时候出了个《New whitepaper Agents》嘛？我们把谷歌的这个PDF文件丢给智谱，让智谱给我们根据这个PDF文件写个Agent综述，于是就有了下面这篇短文：

生成式AI模型（LLMs）近年来取得了惊人的进步，能够创作文本、图像、代码等，展现出巨大的潜力。然而，LLMs仍然存在局限性，它们无法与外界互动，知识局限于训练数据，限制了其应用范围。为了突破这一限制，我们引入了“Agents”的概念，即能够利用工具与外界交互，并根据目标进行自主决策和行动的智能体。

Agents的诞生：从LLMs到自主行动

LLMs强大的语言理解和生成能力，为构建Agents奠定了基础。然而，LLMs的局限性也显而易见：

  • 知识局限性：LLMs的知识仅限于训练数据，无法获取实时信息和外部知识库。
  • 行动局限性：LLMs无法与外界交互，无法执行实际操作。 为了克服这些局限性，谷歌的研究人员在《New whitepaper Agents》详细论述了“Agent”的概念，将LLMs与工具和编排层相结合，赋予其自主行动的能力。

Agents的核心组件

一个完整的Agent主要由三个核心组件构成： 1. 模型 (Model):

  • 角色：作为Agent的“大脑”，负责理解用户输入，进行推理和规划，并选择合适的工具进行执行。
  • 类型：常用的模型包括ReAct、Chain-of-Thought、Tree-of-Thought等，它们提供不同的推理框架，帮助Agent进行多轮交互和决策。
  • 重要性：模型是Agent的核心，其推理能力决定了Agent的行动效率和准确性。 2. 工具 (Tools):
  • 角色：作为Agent与外界交互的“桥梁”，允许Agent访问外部数据和服务，执行各种任务。
  • 类型：工具可以是各种API，例如数据库查询、搜索引擎、代码执行器、邮件发送器等。
  • 重要性：工具扩展了Agent的能力，使其能够执行更复杂的任务。 3. 编排层 (Orchestration Layer):
  • 角色：负责管理Agent的内部状态，协调模型和工具的使用，并根据目标指导Agent的行动。
  • 类型：编排层可以使用各种推理框架，例如ReAct、Chain-of-Thought等，帮助Agent进行规划和决策。
  • 重要性：编排层是Agent的“指挥中心”，负责协调各个组件，确保Agent的行动符合目标。

Agents的运作机制：从输入到输出

Agent的运作过程可以概括为以下几个步骤：

  1. 接收输入：Agent接收用户的指令或问题。
  2. 理解输入：模型理解用户的意图，并提取关键信息。
  3. 推理规划：模型根据用户输入和当前状态，进行推理和规划，确定下一步行动。
  4. 选择工具：模型根据目标选择合适的工具。
  5. 执行行动：Agent使用工具执行行动，例如查询数据库、发送邮件等。
  6. 获取结果：Agent获取工具执行的结果。
  7. 输出结果：Agent将结果输出给用户，或进行下一步行动。

Agents的优势：超越LLMs

与传统的LLMs相比，Agents具有以下优势：

  • 知识扩展：通过工具，Agent可以访问实时信息和外部知识库，突破训练数据的限制，提供更准确和可靠的信息。
  • 自主行动：Agent可以根据目标进行自主决策和行动，无需人工干预，提高效率和灵活性。
  • 多轮交互：Agent可以管理对话历史和上下文，进行多轮交互，提供更自然和流畅的用户体验。
  • 可扩展性：Agent可以通过添加新的工具和模型，扩展其功能和应用范围。

Agents的应用：从智能客服到虚拟助手

Agents的应用范围非常广泛，例如：

  • 智能客服：Agent可以自动回答用户问题，处理订单，解决客户问题，提高客户满意度。
  • 个性化推荐：Agent可以根据用户的兴趣和行为，推荐商品、内容、服务等，提升用户体验。
  • 虚拟助手：Agent可以帮助用户管理日程、预订行程、发送邮件等，提高工作效率。
  • 代码生成：Agent可以根据用户的需求，自动生成代码，提高开发效率。
  • 智能创作：Agent可以根据用户的需求，创作诗歌、小说、剧本等，激发创作灵感。
  • 知识图谱构建：Agent可以从文本中提取知识，构建知识图谱，用于知识管理和推理。

Agents的开发工具：从LangChain到Vertex AI

为了方便开发Agents，Google提供了多种工具和平台，例如：

  • LangChain：一个开源库，可以帮助开发者构建和部署Agents。LangChain提供了一套API，方便开发者将LLMs与工具和编排层结合，构建功能强大的Agents。
  • LangGraph：一个开源库，可以帮助开发者构建和可视化Agents。LangGraph提供了一套图形化界面，方便开发者设计和测试Agents。
  • Vertex AI：一个云平台，提供各种AI工具和服务，例如Vertex Agent Builder、Vertex Extensions、Vertex Function Calling等，可以帮助开发者快速构建和部署Agents。Vertex AI提供了强大的基础设施和工具，方便开发者进行Agent开发、测试、部署和管理。

Agents的未来：更智能、更强大的AI

Agents的未来充满无限可能，随着技术的不断发展，Agent将变得更加智能和强大，能够解决更复杂的问题，并应用于更广泛的领域。

  • 更先进的模型：未来将出现更强大的语言模型，能够进行更复杂的推理和规划，为Agent提供更强的决策能力。
  • 更丰富的工具：未来将出现更多种类的工具，例如自然语言处理、图像识别、语音识别、机器人控制等，为Agent提供更丰富的交互方式。
  • 更智能的编排层：未来将出现更智能的编排层，能够更好地协调模型和工具的使用，并提高Agent的效率和灵活性。
  • Agent Chaining：未来将出现更多专门化的Agent，它们可以协同工作，解决更复杂的问题。
  • 多模态交互：未来Agent将能够处理多种模态的数据，例如文本、图像、语音等，提供更丰富的用户体验。
  • 人机协作：未来Agent将与人类进行更紧密的合作，共同完成更复杂的任务。

结语：Agent，AI的未来

Agents是生成式AI模型的进阶形态，它们能够利用工具与外界交互，并根据目标进行自主决策和行动，具有更广泛的应用范围和更强大的能力。随着技术的不断发展，Agent将改变我们的生活和工作方式，并推动人工智能的进步。未来，Agent将成为人工智能发展的重要方向，为我们带来更智能、更便捷的未来。