AI行业工具生态逐步完善，通用Agent曙光已现.pptx

目录第一部分：Agent是人类的模仿者，调用工具来完成复杂任务第二部分：模型与工具并举，助力Agent成熟与普及第三部分：GUIAgent浪潮迭起，自主性通用性不断提升风险提示2

1Agent是人类的模仿者，调用工具来完成复杂任务1AIAgent能够自主使用工具完成目标AIAgent能使用工具来在现实世界中获取实时信息或给出行动建议，为此，模型需要访问外部工具，自主规划和执行任务。宽泛地来说，生成式AIAgent可以被定义为一个应用程序，通过观察周围世界并使用可用的工具来实现其目标。Agent是自治的(autonomous)，只要提供了合适的目标，它们就能独立行动，无需人类干预；即使是模糊的人类指令，Agent也可以推理出它接下来应该做什么，并采取行动，最终实现其目标。3图：AIAgent的运作范式 图：AI模型的运作范式资料来源：YuHuang,Roboraction.AI《LevelsofAIAgents:fromRulestoLargeLanguageModels》，国元证券研究所资料来源：YuHuang,Roboraction.AI《LevelsofAIAgents:fromRulestoLargeLanguageModels》，国元证券研究所

1Agent是人类的模仿者，调用工具来完成复杂任务1AIAgent能够自主使用工具完成目标4模型AIAgent知识范围知识仅限于其训练数据通过工具连接外部系统，能够在模型自带的知识之外，实时、动态扩展知识状态与记忆无状态，每次推理都跟上一次没关系，除非在外部给模型加上会话历史或上下文管理能力有状态，自动管理会话历史，根据编排自主决策进行多轮推理原生工具 无 有，自带工具和对工具的支持能力原生逻辑层无。需要借助提示词工程或使用推理框架（CoT、ReAct等）有，原生认知架构，内置CoT、ReAct等推理框架或来形成复杂提示，指导模型进行预测 LangChain等编排框架AgentVSLLM：模型的知识仅限于其训练数据，AIAgent通过工具连接外部系统，在模型自带的知识之外，实时、动态扩展知识。模型缺乏原生逻辑层，需借助提示词工程或使用推理框架（CoT、ReAct等）来形成复杂提示，指导模型进行预测，而AIAgent自带原生认知架构，内置CoT、ReAct等推理框架或LangChain等编排框架。表：AIAgent与AI模型的区别资料来源：JuliaWiesinger,PatrickMarlow,VladimirVuskovic《2024Google团队Agents白皮书》，国元证券研究所

1Agent是人类的模仿者，调用工具来完成复杂任务25资料来源：LilianWeng《LLMPoweredAutonomousAgents》，国元证券研究所AIAgent基础组件：模型、工具、记忆、规划AIAgent的基础组件包括：模型(model)、工具(tool)、记忆(memory)、规划(planning)。模型(model)：Agent中用来做核心决策的大脑，可以是一个或多个任何大小的模型。规划(planning)：将大型任务分解成较小的、可管理的子目标，从而高效处理复杂任务。工具(tool)：基础模型在文本和图像生成方面非常强大，但无法与外部世界联动，有了工具，Agent便能够与外部数据和服务互动。记忆(memory)：用于获取、存储、保留和稍后检索信息的过程，帮助Agent积累经验、自我进化，以更一致、合理有效的方式行动。图：LLM驱动的AIAgent系统

1Agent是人类的模仿者，调用工具来完成复杂任务26资料来源：数据科学人工智能公众号，国元证券研究所AIAgent的结构——memory结构上，memory模块通常包含短期记忆和长期记忆，短期记忆暂存最近的感知，长期记忆存储重要信息供随时检索。格式上，可以用自然语言表达，或编码为向量嵌入提高检索效率；可以利用数据库存储，或组织为结构化列表表示内存语义。操作上，主要通过记忆读取、写入和反射三种机制与环境交互；读取提取相关信息指导行动，写入存储重要信息，反射总结见解提升抽象水平。图：大模型智能体记忆方法

1Agent是人类的模仿者，调用工具来完成复杂任务2AIAgent的结构——planning复杂的任务通常涉及许多步骤，规划(planning)作为一种结构化的思考过程，即组织思维、设定目标，并形成应对策略。Agent中推理和规划的能力由LLM来实现，推理和规划会赋予Agent学习的能力，有助于智能体学习积累知识和经验。Agent可以对过去的行为进行自我批判和反思，从错误中吸取经验，并为接下来的行动进行分