AI大模型开发架构设计（1）——LLM大模型Agent剖析和应用案例实战

LLM大模型Agent剖析和应用案例实战

1 从 LLM 大模型到智能体演进技术

语言模型是什么？

• 语言模型：给定一些字或者词(称为 token)，预测下一个字或者词的模型。

大语音模型是什么？

• 大语言模型(Large Language Model, LLM)是一类基于深度学习的语言模型，它们在大量的文本数据上进行训练，可以完成各种任务，包括代码编写、总结、翻译等。LLM 的特点是规模庞大，包含数十亿的参数，帮助它们语言数据中的复杂模式。

大语言模型日新月异

LLM大模型存在局限性

• 简单的推理也会犯错?
• 多聊几句就忘记历史信息了?
• 写了代码能不能运行验证下?
• …

LLM Agent来势凶凶

• Agent = LLM（大语言模型，就好比人的大脑） + Plan（规划能力）+Memory（记忆能力）+Tools（工具使用能力）

LLM Agent增长迅猛

LLM Agent是什么？

• LLM Agent 可以理解为一个以 LLM 为大脑的智能体(类比人)，集成了规划、记忆、工具使用等能力。
  • 规划能力
    • 既然 LLM 难以直接处理复杂任务，一个直接的思想就是将任务进行拆解，通过实现几个小目标从而实现一个目标。此外，LLM Agent 可以对过去的行为自我批判和反思，从错误中吸取教训，并对未来的行为进行改进，从而提升最终的效果。
  • 记忆能力
    • 既然 LLM 的上下文有限，扩展其记忆能力肯定不可或缺。
  • 工具使用能力
    • 如果能够让 LLM 既能帮你写代码，还能帮你跑代码，那这样一个智能体的发挥空间就取决于你的想象力了。

LLM Agent 可以理解为一个以 LLM 为大脑的智能体(类比人)，集成了规划、记忆、工具使用等能力。

2 LLM Agent 架构深度剖析

规划能力是什么？

• 规划能力，本质上希望激发 LLM 的最大潜能，“引导”或者“提示” LLM 更好地回答问题，因为规划能力很大一部分还在 Prompt Engineering 上。

【方式一】任务拆解

• 就是把任务分成一步一步来执行，一步一步像一条链吗?——CoT 思维链

CoT任务拆解的缺陷是什么？

• 链式任务拆解方式可能忽略一些潜在情况，因为一步之后只能选择往下一步，没有多种选择余地。

任务拆解三种方式

• 让 LLM 自己来拆解，比如前面的 ToT Prompt，还有常见的拆解 Prompt，“Step for XYZ”等
• 任务相关的引导，比如写小说，可以让 LLM 写一个小说的大纲 “Write a story outline.”
• 用户自己分解任务，类似 CoT，自己写出满意的步骤再让 LLM 来模仿

LLM和传统规划方式结合

【方式二】自我反思

• 当我做事情时，做对或者做错都会让我们思考怎么做得更好
• 从 Agent 的角度出发，接收一个观测(Observation)，给出一个动作(Action)(强化学习的感觉)

• 告诉 LLM 应该按照“思考-行动-观测”的方式来获得最终的回答
  • few-shot Learning + 提供 thought

举个

记忆能力是什么？

LLM的记忆是什么？

• 训练数据 -> 模型参数(fixed) —— 长期记忆
• 上下文提示(Context)，我们喂给 LLM 信息的地方—— 短期记忆
  • 记忆容量（上下文长度）有限，“按需投喂”：先存后取

LLM + 向量数据库

• 存 -> 向量数据库的核心思想是将文本转换成向量(Embedding),然后将向量存储在数据库中。
• 取 -> 讲用户输入的问题转成向量，然后在数据库中国检索最相似的向量，以及向量对应的文本(记
  忆)，返回给 LLM，生成回答。

举个

当“记忆”非常多时，如何在大量“记忆”力快速找到最相关的那些“记忆”?

• 近似最近邻(Approximate Nearest Neighbor)
  • 牺牲了精度，换取了速度
  • ANN 多种实现:局部敏感哈希、乘积量化等
  • 核心思想通过某种方式，将数据的特征压缩或分组，在搜索时，只需在部分数据中寻找最近邻
    

工具使用能力是什么？

工具使用能力

• 巧妇难为无米之炊，仅靠 LLM 自身能做的事情还是比较有限，比如：LLM 可以帮忙写代码，但是无法执行代码，因此要让 LLM 能做更多事情，就需要借它点工具。

工具使用能力-function calling

• 开发者定义一个第三方函数(自定义工具)
• 调用 OpenAPI 时，把第三方函数作为参数传给 LLM
• LLM 判断何时需要调用第三方函数(注意:LLM 只是判断，然后由开发者来执行)
• 开发者调用第三方函数后，要把返回值传给模型(再次调用 OpenAI API)
• 此时 LLM 的返回值则是最终的回答

工具使用能力-HuggingGPT

• 理解用户自然语言指令，并计划分配任务
• 根据 Hugging Face 上的模型描述，选择合适的工具(AI 模型)
• 调用 AI 模型执行子任务
• 整合结果并返回结果

3 LLM Agent 应用案例实战

Auto-GPT

• Auto-GPT 是一个开源的实验性项目，它算是 LLM Agent 的一个标准雏形了，包括前面提前的各种能力(规划、记忆、使用工具)，可以根据用户的目标让 GPT-4 实现完全自主运行。

• Auto-GPT 的效果很大程度上归功于它复杂的 Prompt 工程，主要包含几个部分：

  • 需要设定交给 Auto-GPT 完成的目标
  • 调用 API 花费的预算
  • 一些 LLM 需要遵守的规则(约束)
  • 可以调用的工具(API)
  • 返回需要格式

Auto-GPT 的输出

• 可以看出，这里既有任务拆解，也有反思，同时还具有调用外部工具的能力，而记忆能力(向量数据库)虽然这里不能直接体现出来，但是 Auto-GPT 也是具备的。

Auto-GPT 的主要框架设计

• 可以看出，创建一个初始的计划，然后进入主循环。系统会让模型判断在当前计划下该进行何种行动，接着会执行行动。执行完毕后，结果会写入下一次循环中。如此，每次决策都会基于之前的结果、记忆和计划，从而制定出新的行动方案。

基于 LangChain 实现一个 Code Interpreter

• LLM Agent 技术架构设计和应用实现——对于 IT人来说是一项非常重要的技能，它可以让您的 LLM 业务研发更高效和创新。