AI领域的转变
-
从单一模型到复合AI系统
-
单一模型的局限性：
- 受训练数据限制，对世界的了解和能解决的任务有限
- 难以适应，调整模型需要投入大量数据和资源
-
复合AI系统的概念：
- 通过系统设计解决某些问题更有效
- 系统由多个组件构成，包括模型和程序性组件
- 例如，输出验证器、查询分解程序等
-
复合AI系统的例子
-
假期计划示例
- 单一模型无法准确回答假期天数问题，因为缺乏个人敏感信息
- 复合AI系统通过访问数据库获取准确信息，生成正确答案
-
检索增强生成（RAG）系统
- 大多数RAG系统有固定的程序控制逻辑，对不同查询可能失效
AI代理的引入
-
控制逻辑的另一种方式
- 将大型语言模型（LLM）置于控制核心，利用其推理能力
- LLM能处理复杂问题，制定计划并逐步解决
-
思考方式的对比
- 快速思考：按既定程序行动，不偏离指令
- 慢速思考：制定计划，逐步执行，必要时调整计划
AI代理的组成部分
-
推理能力
- 模型为核心，制定计划并推理每一步
-
行动能力
- 通过外部程序（工具）实现，如搜索、计算器等
-
记忆能力
- 存储内部日志和对话历史，提升个性化体验
AI代理的配置方式
-
ReACT方法
- 结合推理和行动组件
- 用户查询输入模型，模型制定计划并执行
- 执行过程中可调用外部工具，观察结果并迭代计划
复合AI系统与AI代理的对比
-
复合AI系统
- 未来将持续存在，但会变得更加代理化
- 适用于狭窄、明确定义的问题，效率更高
-
AI代理
- 适用于解决复杂任务和多样化查询
- 配置每个路径的工作量过大时，代理化更有效
结论与展望
-
AI代理的快速发展
- 结合系统设计和代理行为，取得快速进步
- 目前仍处于早期阶段，大多数情况下需要人类参与以提高准确性
