图片

从AutoGPT的横空出世到斯坦福“西部世界”的惊艳亮相，自主智能体（Autonomous Agents）正以惊人的速度重塑我们对AI的认知。如果说ChatGPT只是一个博学的“大脑”，那么Agent就是给这个大脑装上了手脚和感官，让它真正具备了像人一样在物理或数字世界中行动的能力。

ArXiv URL：http://arxiv.org/abs/2308.11432v7

然而，面对每天如雨后春笋般涌现的新论文和新架构，你是否感到眼花缭乱？究竟什么样的系统才能被称为Agent？它们是如何记忆、规划并执行任务的？

最近，来自中国人民大学的研究团队发布了一篇重磅综述，不仅系统地梳理了基于大语言模型的自主智能体（LLM-based Autonomous Agents）领域，更提出了一个通用的统一架构框架。这篇文章就像一张高精度的地图，为我们指明了通往通用人工智能（AGI）的潜在路径。

为什么要从LLM出发构建Agent？

在LLM爆发之前，学术界和工业界其实研究Agent很久了。但那时的Agent大多是“井底之蛙”——它们在孤立、受限的环境中（比如简单的游戏环境）通过强化学习训练，知识匮乏，很难做出像人类那样复杂的决策。

LLM的出现改变了游戏规则。凭借海量的网络知识和强大的泛化能力，LLM不仅能理解自然语言，更展现出了惊人的推理和规划潜力。这让研究人员意识到：与其从零训练一个大脑，不如直接让LLM充当Agent的“中央控制器”。

如图1所示，这一领域的论文数量在2023年呈现了井喷式的增长。

Refer to caption

核心解密：Agent的统一架构框架

为了理清纷繁复杂的研究，论文提出了一个通用的Agent架构框架。这个框架将一个合格的Agent拆解为四个核心模块：配置（Profiling）、记忆（Memory）、规划（Planning）和行动（Action）。

Refer to caption

这就好比一个人类员工：他首先要有职业身份（配置），然后要能记住工作经验（记忆），接到任务后要懂得拆解步骤（规划），最后动手执行（行动）。

1. 配置模块（Profiling）：我是谁？

Agent不仅仅是一个问答机器，它通常需要扮演特定的角色，比如程序员、教师或心理咨询师。配置模块的作用就是定义Agent的“人设”。

目前主要有两种构建人设的方法：

• • 手工制作：直接在Prompt中写明“你是一个资深Python工程师”。
• • 数据集对齐（Dataset Alignment）：利用真实世界的数据集（如人口调查数据）来生成Agent的背景信息（年龄、性别、性格等）。这种方法能让Agent的行为更贴近真实人类，非常适合用于社会科学模拟。

2. 记忆模块（Memory）：经验的积累与反思

这是Agent与传统LLM最大的区别之一。为了像人一样自我进化，Agent必须具备记忆能力。

该综述将记忆结构类比为人类的认知过程：

• • 短期记忆：对应LLM的上下文窗口（Context Window），处理当前的感知信息。
• • 长期记忆：对应外部向量数据库，用于存储长期的经验和知识，随时可以检索。

更有趣的是记忆反思（Memory Reflection）机制。就像人类会“吾日三省吾身”，Agent不仅要记录流水账，还需要从低级的日常记忆中提炼出高级的见解。例如，从“Klaus正在写论文”、“Klaus在查资料”这些琐碎记忆中，Agent应该能总结出“Klaus是一个专注于学术研究的人”这一高级认知。

在检索记忆时，通常遵循以下公式，综合考虑三个因素：

即：新近性（Recency）、相关性（Relevance）和重要性（Importance）。

3. 规划模块（Planning）：三思而后行

面对复杂任务，人类会将其拆解为子任务。Agent的规划模块正是赋予LLM这种能力。

目前的规划策略主要分为两类（如图3所示）：

• • 单路径推理（Single-path Reasoning）：如著名的思维链（Chain of Thought, CoT），一步步线性推导。
• • 多路径推理（Multi-path Reasoning）：如思维树（Tree of Thoughts, ToT），在每一步生成多个可能的想法，并评估哪条路径最优，甚至可以回溯。这更接近人类在面临难题时的反复推敲过程。

此外，带反馈的规划至关重要。Agent不能只是一股脑地生成计划，还需要根据环境反馈（比如代码运行报错了）来修正计划，这被称为“环境反馈”或“自我修正”。

Refer to caption

4. 行动模块（Action）：从数字到物理

最后，Agent需要将决策转化为行动。这不仅包括输出文本，还包括使用工具（如计算器、搜索引擎）甚至控制机器人手臂。通过API调用或物理接口，LLM Agent的手伸向了现实世界。

总结与展望

这篇综述不仅为我们拆解了LLM Agent的内部构造，还展示了其在社会科学（如模拟社会演化）、自然科学（如辅助药物研发）和工程领域的广阔应用前景。

虽然目前的Agent还面临着上下文长度限制、幻觉问题以及多Agent协作效率等挑战，但正如文中所言，基于LLM的自主智能体已经让我们瞥见了通用人工智能（AGI）的曙光。它们不再是被动等待指令的工具，而是正在进化为能够感知、思考并改变世界的伙伴。

对于想要深入这一领域的开发者和研究者来说，理解这个“配置-记忆-规划-行动”的统一架构，是构建下一代超级应用的第一步。

文章来自：51CTO