所谓AIAgent，其实就是LLM（大语言模型）Agent，每次迭代时，它们都会生成自我导向的指令和操作，可以理解成一个能够自动执行任务的‘机器人’。由于它可以连接到各种数据源，并通过API与环境进行交互，所以这个‘机器人’又存在着很多类型，每个类型都有特殊的技能，比如搜索网页、与文档库交互，乃至通过自问自答的方式解决问题。
近期，AIAgent再度在圈内爆火。
所谓AIAgent，其实就是LLM（大语言模型）Agent，每次迭代时，它们都会生成自我导向的指令和操作，可以理解成一个能够自动执行任务的‘机器人’。
由于它可以连接到各种数据源，并通过API与环境进行交互，所以这个‘机器人’又存在着很多类型，每个类型都有特殊的技能，比如搜索网页、与文档库交互，乃至通过自问自答的方式解决问题。
那么，建立这样一个AIAgent到底包含了哪些内容，可以提供什么样的能力？
6月底，OpenAI的Safety团队的负责人LilianWeng发布了一篇6000字的博客，详细介绍了AIAgent，并认为，这将使LLM转为通用问题解决方案的途径之一。
AIAgent简介
AIAgent组成部分
规划（Planning）
记忆（Memory）
工具使用（ToolUse）
任务分解（Self-Reflection）
自我反省（Self-Reflection）
记忆类型
最大内积搜索（MIPS）
所谓AIAgent，就是一个以LLM为核心控制器的一个代理系统。业界开源的项目如AutoGPT、GPT-Engineer和BabyAGI等，都是类似的例子。
LLM的潜力不仅仅是生成写得很好的副本、故事、散文和程序；它可以被框架为一个强大的一般问题解决者。
也就是说，AIAgent本质是一个控制LLM来解决问题的代理系统。LLM的核心能力是意图理解与文本生成，如果能让LLM学会使用工具，那么LLM本身的能力也将大大拓展。AIAgent系统就是这样一种解决方案。
以AutoGPT为例，一个经典的案例是对大模型输入一个问题：找出一个投资机会。正常情况下，一个LLM是无法给出具体的操作的。
而AutoGPT的思路，是首先告诉LLM，这个问题LLM一般可以咋解决这个问题，给出几个选择，然后LLM会挑选一个方法，可能是浏览雅虎财经，也可能是阅读某个文件，然后AutoGPT本身就可以根据选择的结果继续执行，这种执行可能是用谷歌搜索，也可能直接访问某个文件，但这些都是LLM无法做到的。
AutoGPT完成这些任务之后继续带上之前的记录发给LLM，继续询问新的解决方案。这就是一个简单的AIAgent的案例。
那么，为了完成上述能力，实际上一个AIAgent系统需要包含几个主要的部分。LilianWeng认为一个AIAgent系统应当包含如下图所示的几个部分：
1、规划（Planning）
子目标和分解：代理将大型任务分解为更小、易于管理的子目标，从而实现复杂任务的高效处理。
反思和提炼：代理可以对过去的行为进行自我批评和自我反思，从错误中吸取教训，并为未来的步骤改进它们，从而提高最终结果的质量。
2、记忆（Memory）
短期记忆：所有的上下文学习，都是利用模型的短期记忆来学习。
3、工具使用（ToolUse）
代理学会调用外部API以获取模型权重中缺少的额外信息（在预训练后通常难以更改），包括当前信息、代码执行能力、对专有信息源的访问等。
下面，对每个部分进行详细的解释。
规划Planning
复杂的任务通常涉及许多步骤。AIAgent需要知道他们是什么，并提前计划。
1、任务分解（Self-Reflection）
任务分解主要是的目的是将复杂的任务分解成简单的小任务，这样LLM可以更简单地解决问题。
这里介绍2类方法：
2）思想树（姚等人2023年）通过在每一步探索多种推理可能性来扩展CoT。它首先将问题分解为多个思维步骤，并每一步生成多个思维，创建一个树结构。搜索过程可以是BFS（广度优先搜索）或DFS（深度优先搜索），每个状态都由分类器（通过提示）或多数票评估。
2、自我反省（Self-Reflection）
自我反省是一个重要的方面，它允许AIAgent通过完善过去的行动决策和纠正以前的错误来迭代地改进。它在现实世界中发挥着至关重要的作用，在现实世界中，试错是不可避免的。
这里也包含几种方法：
1）ReAct（姚等人2023年）通过将动作空间扩展为特定于任务的离散动作和语言空间的组合，将推理和行为集成在LLM中。前者使LLM能够与环境交互（例如使用维基百科搜索API），而后者则提示LLM以自然语言生成推理跟踪。
2）Reflexion（Shinn&Labash2023）是一个为代理配备动态记忆和自我反思能力以提高推理能力的框架。Reflexion具有标准的强化学习（ReinforcementLearning，RL）设置，其中奖励模型提供简单的二进制奖励，而行动空间则沿用ReAct中的设置，即在特定任务的行动空间中加入语言，以实现复杂的推理步骤。每次行动后，AIAgent会计算一个启发式的值，然后根据自我反思的结果决定重置环境以开始新的试验。
3）ChainofHindsight（CoH；Liu等人，2023年）通过向模型明确展示一系列过去的输出结果，鼓励模型改进自己的输出结果。
记忆Memory
记忆（Memory），是类似多轮对话中记住之前的输入和设定的一种能力。在当前的大模型架构中，随着对话的增长，要记住之前用户的输入内容再输出需要消耗大量的硬件资源。大多数模型支持的上下文长度都是非常有限的。
超过这个长度之后，大多数模型的性能都会极具下降或者是不支持。但是长上下文是解决实际问题中必须要面对的。如代码生成、故事续写、文本摘要等场景，支撑更长的输入通常意味着更好的结果。
在这里，LiliWeng先是总结了一下人类的记忆分类总结，然后对应到大模型上分别是什么样的。
1、记忆类型
记忆可以定义为用于获取、存储、保留和检索信息的过程。人类大脑中有几种类型的记忆。
感官记忆（SensoryMemory）：这是记忆的最早阶段，能够在原始刺激结束后保留对感官信息（视觉、听觉等）的印象。感官记忆通常只能持续几秒钟。其子类别包括图标记忆（视觉）、回声记忆（听觉）和触觉记忆（触觉）。
短时记忆（Short-TermMemory，STM）或工作记忆：它存储我们当前意识到的信息，以及执行学习和推理等复杂认知任务所需的信息。
显性/陈述性记忆：这是对事实和事件的记忆，指那些可以有意识地回忆起的记忆，包括外显记忆（事件和经历）和语义记忆（事实和概念）。
我们可以大致考虑将上面的记忆类型对应到下面几个部分：
感官记忆是类似大模型学习原始输入（包括文本、图像或其他模式）的嵌入表征；
短时记忆可以理解为大模型的上下文学习，类似于prompt。由于受到Transformer有限上下文窗口长度的限制，它是短暂和有限的，但是可以每次输入都引入。
那么，在外部数据检索的时候也需要考虑一些方法。这里提供一种经典的方法。
2、最大内积搜索（MIPS）
外部存储器可以缓解有限注意力的限制。标准的做法是将信息的嵌入表示保存到向量存储数据库中，该数据库可支持快速的最大内积搜索（MIPS）。
为了优化检索速度，通常选择近似近邻（ANN）算法来返回近似的前k个近邻，从而以损失的少量精度换取巨大的速度提升。
工具使用ToolUse
1、MRKL（Karpas等人，2022年）是“模块化推理、知识和语言“的简称，是一种用于自主代理的神经符号架构。MRKL系统包含一系列“专家“模块，通用LLM用作路由器，将查询路由到最合适的专家模块。这些模块可以是神经模块（如深度学习模型），也可以是符号模块（如数学计算器、货币转换器、天气API）。
Karpas等人使用算术作为测试案例，对LLM进行了微调实验，以调用计算器。他们的实验表明，解决口述数学问题比解决明确陈述的数学问题更难，因为LLM（7BJurassic1-largemodel）无法可靠地提取基本算术的正确参数。这意味着当外部符号工具能够可靠地工作时，了解何时以及如何使用这些工具至关重要，这取决于LLM的能力。
2、TALM（工具增强语言模型；Parisi等人，2022年）和Toolformer（Schick等人，2023年）都对LM进行了微调，使其学会使用外部工具API。数据集根据新添加的API调用注释是否能提高模型输出的质量进行扩展。
ChatGPTPlugins和OpenAIAPI函数调用是增强工具使用能力的LLM在实践中发挥作用的良好范例。工具API的集合可以由其他开发人员提供（如插件），也可以自行定义（如函数调用）。
3、HuggingGPT（Shen等人，2023年）是一个使用ChatGPT作为任务规划器的框架，可根据模型描述选择HuggingFace平台中可用的模型，并根据执行结果总结响应。
HuggingGPT包含四个步骤：任务规划、模型选择、任务执行和响应生成。
4、API-Bank（Li等人，2023年）是评估工具增强LLM性能的基准。它包含53种常用的API工具、一个完整的工具增强LLM工作流程以及264个注释对话，其中涉及568次API调用。
API的选择相当多样化，包括搜索引擎、计算器、日历查询、智能家居控制、日程管理、健康数据管理、账户认证工作流程等。由于API数量众多，LLM首先可以访问API搜索引擎，找到要调用的API，然后使用相应的文档进行调用。