读懂AI Agent：基于大模型的人工智能代理

本文原创作者：姚瑞南 AI-agent 大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。（转载需经授权）      

目录

⼀、背景介绍

⼆、Agent概述

三、工作原理

---

⼀、背景介绍

⼤语⾔模型的浪潮推动了AIAgent相关研究快速发展，AIAgent是当前通往AGI的主要探索路线。⼤ 模型庞⼤的训练数据集中包含了⼤量人类行为数据，为模拟人类的交互打下了坚实基础；另⼀⽅⾯， 随着模型规模不断增大，大模型涌现出了上下⽂学习能力、推理能力、思维链等类似⼈类思考方式的多种能力。将大模型作为AIAgent的核⼼⼤脑，就可以实现以往难以实现的将复杂问题拆解成可实现 的子任务、人类的自然语言交互等能力。由于大模型仍存在⼤量的问题如幻觉、上下⽂容量限制等， 通过让大模型借助⼀个或多个Agent的能力，构建成为具备自主思考决策和执⾏能力的智能体，成为 了当前通往AGI的主要研究⽅向。

⼆、Agent概述

Agent是能够自主感知环境并采取⾏动实现⽬标的智能体。基于LLM的Agent，将⼤语⾔模型作为核心计算引擎，实现感知（Perception）、规划（Planning）、行动（Action），形成自主闭环的学习过 程。

• 感知：理解你的指令，收集信息并从中提取相关知识的能⼒

• 规划：思考、拆分，总结感知到的信息，为达成⽬标⽽做出决策的过程

• 执⾏：依赖大模型执行，调用API或与其他Agent交互

• 记忆：将整个过程（思维链条）保存起来，循环迭代

三、工作原理

AI Agent智能体以大模型为技术底座，是⼤模型与记忆、行动、规划、⼯具的“1+4”有机组合。

 

• 充分借助⼤语⾔模型能⼒，实现精准的意图理解、语⾔翻译、⼈机交互。
• 具备长短期记忆能⼒，能够记忆常识、记录用户行为习惯、回溯先前经验、制定策略并做出决策。 具备任务规划能力，能够组织思维、设定目标、逻辑推理，并分解任务实现步骤。
• 具备工具应用能力，能够以⼯具插拔的形式获取实时信息、增强专业知识，充分借助工具完备自身能⼒以应对复杂的交互环境。
• 具备行动能力，能够基于环境变化实时形成反馈，动态⽣成、维护和调整行为序列，以及开展观察、操纵和导航等具身行动。

实在Agent智能体是基于“TARS（基于通⽤⼤模型基座的⾃研垂直系列⼤模型）+ISSUT（智能屏幕语 义理解技术）”双模引擎，有“大脑”，更有“眼睛和⼿脚”的超自动化智能体。同时，也是能够⾃ 主拆解任务、感知当前环境、执⾏并且反馈、记忆历史经验的RPA全新模式。