【转载】LLM下半场之Agent基础能力概述：Profile、Memory、Plan、Action、Eval学习笔记

一.Agent发展将会是LLM的下半场

目前大家都在讨论LLM，LLM解决的问题是帮助机器像人类一样理解彼此的意图，本质上来讲，LLM更像是一个技术或者工具。但是人类社会发生变革的引线，往往是一个产品或者解决方案，比如电池技术的发展带来了长续航，但是真正改变大家生活的是电动车这样一个产品。Agent的概念是创造一个个场景的智能体，可以在某些领域，比如在社会分析、电商导购、工业制造方面提供解决方案。LLM的发展将会让Agent的诞生成为可能，也会推动各个领域的Agent发展，所以我说Agent将会是LLM的下半场。

最近也是学习了一篇高瓴机构发布的论文《A Survvey on Large Language Model based Autonomous Agents》，将里面的内容和最近的思考做个整理。

二.Agent的整体结构

如果要实现以LLM为Base的Agent，主要需要从两个角度思考问题，（1）如何设计一种架构可以更高效的应用LLM（2）如何让Agent具备解决不同任务的范化能力，当然这个也依赖于LLM。目前行业里通常通用的一种架构是由Profile、Memory、Planning、Action所构建的四级架构。

1.Profile模块

Profile模块解决的问题是告诉Agent他的角色，或者换一种说法，是告诉Agent需要解决的问题的背景信息。Profile有三种实现模式。第一种是人工设定模式，比如告诉Agent你是个外向的厨师，你需要解决点餐环节客人的问题。第二种是LLM延申模式，先把一些背景告诉LLM，让LLM给出一些候选集，比方说告诉LLM生成几种人物，解决点餐的问题，然后基于LLM的输出选择合适的Profile方向。第三种是基于database，比方说已经在数据库中存储了某些厨师的数据，包含他的各种身体特征，然后完成设定。

2.Memory模块

Memory模块是Agent解决方案中的重要一环。Memory主要解决的是行业知识的传递问题，可以让Agent拥有长期和短期记忆，让他表现得更智能。

Shot-Memory一般用来传递上下文的的对话信息，常常通过Prompt作为传递介质。而Long-Memory更多的是领域知识，需要有独立的存储模块。Long-Memory的存储结构可能是自然语言、Embedding、结构化的表等。比如做一个餐厅服务点餐Agent，那么完全可以把菜单内容以自然语言的形式存储为Long-Memory，每次点餐要求Agent从约定内容里面选择。随着LLM的发展，目前向量数据库也成为了投资的重点领域，因为以Embedding存储，可以更有利于在大规模数据的前提下压缩信息和高效检索。

3.Planning模块

这一模块是最体现智能能力的模块，这个模块需要根据任务设定具体的执行方案。

Planning模块可以是两种结构，一种是Single-Path，这里引入CoT的概念（Chain of thought），可以要求LLM基于任务一步步推理，形成一个解决方案。每一步推理后产出的内容可以再次输入给LLM去判断下一步如何走。

另一种是Muti-Path，这个方案更符合人类的思维方式，因为要解决问题，很难完全设定好端到端的流程，需要给出几种候选的模式，另外需要考虑环境反馈，可以每走一步再次推理和选择最优模式，这里可以参考最近非常火的ReAct的模式，另外LLM也可以代替人类去做多种方案的选择，我们可以把需要考虑的边界给到LLM，由LLM去思考每一步如何选择。

4.Action模块

这一步是执行模块，需要按照Planning的设计，完成目标。在这一步需要建设的能力是与外部的服务关联，比如我们的Agent是解决帮用户买飞机票的问题，那么在执行阶段就需要与飞机票务系统的订票接口关联，也需要与用户的信用卡付款接口关联。

三、Agent的评估模式

相比于LLM，Agent是一种更广泛的解决方案，于是如何评估Agent的能力是一个很有挑战性的问题。

通常，评估有两种，，一种是主观评估，需要将Agent的执行结果给到人类去打分，所以最近许多类似于标注的众包平台也吸引到了资本的关注，但是这种评估模式的成本较高，很难规模化复制，这也是为什么Agent的迭代优化目前都只能在特定领域展开。

客观评估工作看上去更可能以程序化的模式低成本实现，但这也严重依赖与评价的Metrics设定和Benchmark集合，目前在社会学、自然科学、工程科学范畴已经沉淀了一些相关工作，这也使得相关领域的Agent看上去更有可能率先实现。

四、总结

目前行业中还没有特别出色或者优秀的Agent范本的出现，但是我个人对这个方向是深信不疑的，因为已经有许多工具可以应用，除了上面提到的评估相关的工作，如何串联四个流程，Langchain给了很好的参考。另外在Prompt设计方面，CoT、ReACT都提供了不错的思路，接下来行业内的各个玩家一定会在各个领域去探索Agent的落地可能，相信会在近期有一些成功案例诞生。

参考材料：

https://arxiv.org/pdf/2308.11432.pdf