AI Agent & LangGraph: Zero to Hero 大模型驱动的智能体 ​

AI Agent是以大模型(LLM)为核心推理机，配备上作用于物理世界的动作模块（Action）和感知环境的观察模块(Observation)，架起了大模型与现实世界的通道。 大大增强了AI系统的适应性、可靠性和广泛性。

大模型虽然在推理方面得到了突飞猛进的发展，但要能处理实际生活中更广泛的任务时，自身仍然存在明显缺陷：

• 互动性差：输出仅为文本，难以与物理世界进行有效互动；

• 连续性差：大模型调用是无状态的，无法建立多次调用间的联系；

• 自主性差：大模型只能被动地响应用户的输入，缺乏自主性；

**智能体（Agent）**通过增加下面的组件，解决上述大模型存在的问题：

• 动作（Action）：随着自动化程度的提升，人类积累了大量可以与物理世界互动的程序。这些程序作为工具（tools），可以通过解析（Parser）大模型的输出形成对工具的API调用，从而作用于外部的物理世界。
• 状态（State）：在多次调用大模型时，周围环境的变化（Observation）和之前的操作历史（Memory），都作为prompt的一部分一起输入到大模型，从而让模型建立多次调用之间的联系，增加系统响应的连贯性。
• 循环（Cycle）：允许模型自己判断，是否需要循环调用大模型，从而可以解决更复杂的问题，让模型从被动调用转变为主动自治。

智能体的核心思想是使用语言模型来选择要采取的一系列行动。在链中，一系列动作是硬编码的(用代码)。在智能体中，语言模型被用作推理引擎，以确定以何种顺序采取哪些操作。