2024中国AI Agent行业研究报告-甲子光年-2024.4-60页(1)(1)

大模型时代的“APP” ，探索新一代人机交互及协作范式 出品机构：甲子光年智库 智库院长：宋涛 撰写分析师：刘瑶、胡博文 发布时间：2024.4 2024 中国AI Agent 行业研究报告 注：AIGC生成内容亦对本报告有贡献 CONTENTS 目 录 Part 01前世今生：科幻憧憬、学术概念与商业尝试 Part 02奇点已至：让每个人掌握AI的力量 Part 04时代先驱：当下商业实践值得关注的里程碑 Part 05潜力无限：来自于数据、算法、算力的飞轮效应 Part 03百家争鸣：属于大模型时代的APP繁荣 AI Agent的发展历程梳理：大模型赋予了AI Agent核心改变  Agent（代理）一概念起源于哲学，描述了一种拥有欲望、信念、意图以及采取行动能力的实体。在人工智能领域，这一术语被赋予了一层新的 含义：具有自主性、反应性、交互性等特征的智能“代理”。大型语言模型（LLMs）的出现为智能代理的进一步发展带来了希望。 基于符号规则 基于统计学习 基于深度学习 基于大模型 LLM给AI Agent底层提供了一个突破性技术方案：LLM带来了深度学习新范 式，思维链和强大的自然语言理解能力有望让Agent 具备强大的学习能力和 迁移能力，从而让创建广泛应用且实用的Agent成为可能 LLM的框架优势：过去等强化学习基于深度学习框架可让Agent学到技能， 但Agent的泛化性较差，往往用于非常窄的特定领域，例如用在游戏或低维 层面的控制或计划，标志性应用是围棋领域的AlphaGo。 •长期以来，研究者们一直在追求与人类相当、乃至超 越人类水平的通用人工智能（Artificial General Artificial General IntelligenceIntelligence，AGIAGI）。 •在 1950 1950 年代，Alan Turing Alan Turing 就将「智能」的概念扩展 到了人工实体，并提出了著名的图灵测试。这些人工 智能实体通常被称为 ———— AgentAgent（代理* *） 过往的工作主要集中在增强代理的特定能力，如符号推理或对特定任务的掌握（国际 象棋、围棋等）。这些研究更加注重算法设计和训练策略，而忽视了模型固有的通用 能力的发展，如知识记忆、长期规划、有效泛化和高效互动等。事实证明，增强模型 固有能力是推动智能代理进一步发展的关键因素。 *Agent 术语的中文译名并未形成共识，有学者将其翻译为智能体、行为体、代理或智能代理，目前行业出现的“代理”和“智能代理”均指 代 Agent，后由于2023年Open AI引爆AIGC领域，一般称为AI Agent。 过往的AI Agent类型： ➢符号型智能体：采用逻辑规则和符号表示来封装知识和促进推理过程，如1980年前后，出现 的医学诊断专家系统，模拟心理治疗程序等； ➢反映型智能体：关注智能体与其环境之间的交互，强调快速和实时响应，缺乏复杂缺乏复杂 决策和规划能力； ➢基于强化学习的智体题：关注如何让智能体通过与环境的交互进行学习。 ➢基于迁移学习和元学习的智能体：使智能体从少量样本中迅速推理出执行任务的最优策略。 AI Agent的发展历程简述 数据来源：公开资料，专家访谈，甲子光年智库整理 LLM是Agent能力的增效器，交互协作程度是Agent能力的扩展器 大模型时代的AI AgentLLM（规划+记忆+工具+行动） 提升AI Agent的理解力和泛化能力，使其能更好地处理多种任务和上下文信息。这增强了AI代理的自然语言处理能力，从而提供更个 性化、连贯的交互体验。 LLM是核心控制器，构建核心能力 核心 特征 AI Agent 记忆 能力 行动 能力 工具 能力 规划 能力 人类用户 通过用户接口、命令指示等方 式与Agent形成交互，是 Agent的监督者、合作者和决 策者 外界环境 Agent所处的环境（可能包括 虚拟及物理世界），外界环境 可以与Agent形成交互 Agents 其他Agent，多Agent可以形 成协作，结合相关任务结果形 成群体智能 系统开发者 Agent的开发者，对Agent的 相关能力，设计Agent的相关 组件能力 人机 交互 设计 开发 感知 反馈 群体 协作 架构 解析  当下大模型的参数量提升AI Agent的理解力和泛化能力，使其能更好地处理多种任务和上下文信息。这增强了AI代理的自然语言处理能力，从而 提供更个性化、连贯的交互体验，是当下Agent的构建关键。 Agent基 于LLM的 组件，和 交互两个 层面 数据来源：公开资料，专家访谈，甲子光年智库整理 当下的AI Agent可以看作LLM技术下Prompt工程的进化  AI Agent是Prompt工程的一种升级，Agent的核心在于自主性的增强，可有效完成某一个工作点或工作单元，尽量减少人的干预；  评价一个AI Agent的核心逻辑：在流程上的节点上完成了什么程度的自动化。 AI Agent Chain/Flow Model Prompt Multi-Agent Prompt模式是把大模型当做工具来调用： 大模型的最初兴起的时候，Prompt工程，把大模型当成一种编程语言来看待。人们通过描述 角色技能、任务关键词、任务目标及任务背景，告知大模型需要输出的格式，并调用大模型 进行输出。 因此在2023年，全球AIGC关注者发展了多种Prompt工程的玩法，如角色扮演、零样本提示 和少样本提示，希望将Prompt工程发挥到极致。例如一个澳大利亚少年编写了一个15000个 字符的提示词，成功地让他变身为人类的导师，教授各种知识。这种方式就像能直接构建软件 一样。 Prompt工程的万能公式：角色+角色技能+任务核心关键词+任务目标+任务背景+任务范围+ 任务解决与否判定+任务限制条件+输出格式/形式+输出量。 Agent的核心在于自主性的增强，这种增强的核心要义是可以去独立完成一 个工作节点，在某个工作节点几乎可以减少人类的审核。让整个事件的流 程在此刻完成闭环——成本降到最低（包括时间成本和金钱成本）； 评价一个Agent的逻辑：在流程上的节点上完成了什么程度的自动化。 自主性的增强，自动化完成连续行动 数据来源：公开资料，专家访谈，甲子光年智库整理 【记忆】和【规划】是学术概念下的关键功能点，商业概念也将逐步落地  从学术概念来看【记忆】和【规划】对于AI Agent学术概念上的完整性非常关键，但受限与市场发展早期，在实际的商业产品落地中【记忆】和 【规划】能力未必能完全呈现  理解这点就能接受在当下市场环境下AI Agent产品功能的不完整，并且对Agent的形态持续保持关注和期待。 记忆 感觉记忆 视觉记忆 听觉记忆 触觉记忆短期记忆 长期记忆 显式记忆 情景记忆（事件经历） 语义记忆（事实概念） 隐式记忆 人类记忆类型AgentAgent映射例子 感觉记忆 学习原始输入的嵌入表示，包括文本、 图像或其他形式，短暂保留感觉印象。 看一张图片，然后在图片消失后 能够在脑海中回想起它的视觉印 象。 短期记忆 上下文学习（比如直接写入prompt中 的信息）