Agent原理

　　本文阐述的Agent是浅层Agent，是一种通过ReAct方式进行推理的LLM执行方式，即LLM推理一次，然后观察推理结果，再决定下一步做什么，必要是会调用外部工具获取相应的数据，并补充到提示词里，是一种走一步、看一步的执行方式，有

别于工作流那种预规划工作流的深层agent。

 1. Agent的实现机制

　　Agent中文含义是智能体，其实现机制依赖于LLM的function call机制，LLM通知Agent进行外部工具调用，Agent接收到消息后，调用外部的数据库、代码、API等资源，并将结果返回给LLM做下一步决策。

 

2.Agent与LLM的关系

　　以人体作比方，Agent代表一个人，LLM为其大脑，作为规划决策功能存在，而调用外部工具，则相当于是人的手脚，作为行动模块存在。

 

3. Agent的组成 　　

　　Agent包含计划、工具、行动、存储四个组成部分。

• 计划(Planning)

　　   利用LLM，将用户指令拆分为几个子步骤，生成一个能实现用户指令的完整计划。

• 工具(Tools)

　　   即外部工具调用，以增强LLM的能力。

• 行动(Action)

　　   执行计划的每个子步骤，本质是交由LLM去执行，最后将所有步骤的结果汇总，让LLM对其做最终的结论。

 

• 存储(Memory)

   存储行动每一步的临时结果，以及对话历史等。

 

 

4. Agent与工作流(Workflow)的关系

　　复杂的业务系统，Agent往往作为工作流(workflow)的组成部分，一起协作完成复杂的业务逻辑。现在的Agent系统，往往指代原生Agent与工作流的组合体。

5. 常见的Agent框架

　　常见的低代码Agent框架有Dify、Coze，而全代码框架有LangGraph、AutoGen等。

 

关注更多安卓开发、AI技术、股票分析技术及个股诊断等理财、生活分享等资讯信息，请关注本人公众号(木圭龙的知识小屋)