
Agent 大模型与应用场景之间的桥梁
你不明白的大模型Agent代理,为什么会是这样的?Agent——俗称智能体,是基于大模型开发的一个具有自主规划和逻辑推理能力的智能代理。说到Agent,可能很多人看的都是网上的一些概念和理论,事实上对Agent并没有一个直观的理解,那么到底什么是Agent呢?它和大模型以及各种应用之间有什么关系?Agent与大模型和应用的关系在之前的文章中曾经提到过,如果把大模型技术与人做对比,那么大模型就是人的
“ 你不明白的大模型Agent代理,为什么会是这样的?”
Agent——俗称智能体,是基于大模型开发的一个具有自主规划和逻辑推理能力的智能代理。
说到Agent,可能很多人看的都是网上的一些概念和理论,事实上对Agent并没有一个直观的理解,那么到底什么是Agent呢?它和大模型以及各种应用之间有什么关系?
Agent与大模型和应用的关系
在之前的文章中曾经提到过,如果把大模型技术与人做对比,那么大模型就是人的大脑,而Agent就是人的四肢+各种工具的集合。大脑可以指挥人的手脚,然后使用工具去完成各种各样的任务或解决各种各样的问题。
虽然大模型本身具有一定的内容生成能力,比如AIGC,这就类似于人类的创造力,人类能够利用自己的大脑去创作音乐,写作,绘画等等;但人类除了能够进行这些艺术创作之外,还可以通过思考去解决更加复杂的问题。
比如通过分解规划把一件特别复杂的事情,梳理成一个一个的小的可执行的步骤;最后一步一步地完成它。
而大模型的目标既然是具备智能,那么具备推理和规划能力就是其必须的一环;但有句老话叫知行合一,只有智慧和规划是远远不够的,还需要有行动力。
而大模型本身是无法直接与外界进行交互的,特别是一些比如环境感知,工具的使用等;那怎么才能让大模型具备这些能力呢?
这时Agent的作用就体现了,所谓的Agent中文翻译过来就是代理的意思;既然大模型本身不具备与外界环境交互的能力,那么就给他增加一个代理,通过这个代理人去与外界进行交互,然后把交互的数据输入给大模型,然后再让大模型根据这些数据做出规划或决策。最后,再指挥Agent去调用各种工具(API)接口去完成任务。
不知道大家看到这张图会不会有一种眼熟的感觉?
所以说,通过上图来看,什么是Agent?
Agent就是大模型与外界交互(包括环境数据交互和工具调用)的一个工具,一个代理对象。大模型离开Agent其功能要大打折扣,而Agent离开了大模型也失去了存在的意义。
当然,上面只是最简单的Agent模型,但Agent的功能远不止如此;比如说怎么把大模型应用到其它领域?比如工业生产?
在传统的工业生产领域,大都靠人力来完成;但随着信息技术和自动化技术的发展,工业生产已经开始走向自动化和控制化;这就为大模型赋能工业生产提供了技术上的可行性。
大模型同样通过Agent的方式来达到与工业设备进行交互的目的,然后通过大模型的自主规划能力,来指挥Agent去操作各种工具完成生产任务或优化生产流程。
通过Agent(代理)的思想,就可以让大模型的触手延伸到各行各业;但由于大模型部分缺陷,比如说没有记忆能力,因此一个完整的Agent必须具备以下能力,如记忆能力,工具调用能力,执行能力和推理规划能力。
而工具调用和执行能力是由API接口来实现的,推理规划能力是由大模型实现的,而记忆能力需要外部存储库,比如向量数据库来实现。
以上环节通过文字描述可能有些人还不是很明白,但下面这种Agent的经典架构图,就足以说明这些问题,而这也是Agent的核心能力;之前一直不是很理解为什么Agent会是这样的架构,而随着对大模型技术理解的加深,慢慢就明白过来了。
当然这个架构图只是Agent的一个构想,具体每个模块应该怎么实现,使用什么样的技术实现,以及有没有更好的方式,就是大家在Agent应用落地过程中所需要面对和解决的问题。
任何天上飞的理念都会有落地的实现,Agent的功能架构如上图所示;但具体到不同的应用场景,可能会有部分变形或优化。
总之,技术没有那么多的条条框框,也没有绝对的为什么和不为什么,怎么能解决问题就怎么做,才是最好的解决方案。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的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。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
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
】
更多推荐
所有评论(0)