现实版《西部世界》是时下最热门的话题之一。想象一个数字世界，25 个 AI 特工存在于一个模拟世界中。他们每天例行公事--工作、闲聊、社交、建立友谊，甚至恋爱。每个 AI 探员都有自己独特的个性和背景故事，就像人类一样独一无二。据该报报道，这个地方名叫 "小镇"（Smallville）。 生成代理：人类行为的交互式模拟r.
斯坦福大学和谷歌公司的研究人员合作推出了一种新型架构，可让 AI 机器人模拟人类行为。小镇模拟了一个典型的小镇，里面有咖啡馆、酒吧、公园、学校、宿舍、房屋和商店。AI 代理机器人生活在这些空间中，它们的行为是自己产生的，无需预先编程；人类用户只需给它们一个文本提示。
这时，AI 代理再次成为我们谈话的中心。
目前，AI 代理是一个热门话题，在许多产品和业务中有着广阔的应用前景。许多人认为，代理将是未来大型语言模型的入口。在企业内部，代理可用于复杂的任务场景，帮助最大限度地提高劳动生产率。
定义 AI 代理
AI 应用研究前负责人、OpenAI 安全系统现任负责人 Lilian Weng 认为，AI 代理有三个关键特征：
内存:AI 代理将使用短期记忆处理聊天提示和后续问题的能力与长期数据保留和回忆相结合。这通常涉及检索增强生成 (RAG)，使他们能够访问和利用更广泛的信息。
规划:AI 代理可以根据给定的提示生成具有离散里程碑目标的分步计划。它们还能通过奖励系统从错误中学习，不断改进未来的产出。
工具使用:代理可以查询 API，根据最终用户的要求请求额外信息或执行操作，从而扩展其能力和功能。
AI Agent=LLM + 记忆 + 规划技能 + 工具使用
了解功能
AI 代理是一种自助式自主工具，代表用户执行任务。它们可以根据所处环境执行任务和应对情况，实现流程自动化，做出决策，并与周围环境进行智能交互。可以把它想象成一辆自动驾驶汽车--它接收信息、处理信息并采取相应行动。
记忆：关键区别
虽然这三个决定性特征是 AI 代理的关键研究方向，但让我们深入研究一下记忆。语言模型本身并不像人类那样拥有记忆。它们的记忆结构完全不同。人类有工作记忆、短期记忆和长期记忆。而语言模型只有大致相当于工作记忆的记忆。目前的语言模型基本上无法实现短期记忆和长期记忆。这是因为它们是为压缩而设计的，因此很难执行压缩之外的增量任务。
人脑通过复杂的机制形成记忆。长期记忆的形成需要数周到数月的时间，而短期记忆的形成则需要较少的时间。两者都以分布式方式存在于我们的大脑中，神经元既是存储单元，也是计算单元。
说到在当前的代理中实现记忆，人们通常会考虑 RAG（Retrieval Augmented Generation）。然而，RAG 与人类记忆有很大不同。人类记忆有一个基本的可靠性保证。一旦强行记住的东西，就很难忘记。
AI 代理与 AI 聊天机器人
很多人认为 AI 代理就是聊天机器人。把聊天机器人想象成自动售货机--仅限于分发预先编程的物品。现在把 AI 代理想象成私人厨师。这位厨师拥有令人印象深刻的菜谱（庞大的知识库），能理解复杂的菜肴要求（自然语言处理），甚至能根据您的喜好学习新的菜肴（从历史数据中学习的能力）。这个比喻突出了聊天机器人和 AI 代理之间的根本区别。
虽然两者都是为互动而设计的，但 AI 代理所拥有的功能远远超过了聊天机器人。聊天机器人根据规则进行对话，仅限于回答预先定义的问题。它们的回答往往是照本宣科，缺乏推理能力或与更广泛的知识相联系的能力。相比之下，AI 代理可以进行推理，将其答案建立在相关知识和内容的基础上，提供更细致入微、更符合语境的回答。
训练聊天机器人是一个耗时的过程，需要对数百个语句进行大量训练，才能理解自然语言请求。而 AI 代理则明显更快、更容易实施。它们不依赖基于规则的对话或复杂的配置，因此适应性和灵活性更强。
聊天机器人遵循脚本对话工作流，而 AI 代理则利用生成式 AI 和自然语言处理（NLP）来理解、回应客户询问并采取行动。从本质上讲，聊天机器人会重复提供预定义的信息，而 AI 代理则可以进行推理并提供更有见地的回复。
生成式 AI 释放的功能超越了传统聊天机器人脚本化的工作流程体验。随着企业采用生成式 AI，客户将体验到交互质量的显著提高。
入职 AI 代理就像欢迎一位潜力无限的新员工。与传统聊天机器人不同，AI 代理可以立即连接到您现有的知识库，在几秒钟内吸收信息。一旦入职，AI 代理就会像人工代理一样，通过推理为客户提供最佳解决方案。它能识别相关信息，列出解决问题的明确步骤，并提供个性化的解决方案。
AI 代理和聊天机器人的目的也不同。聊天机器人旨在与人类互动，而 AI 代理则旨在完成自主任务。两者最大的不同在于其独立行动的能力。由于 AI 聊天机器人主要专注于人机交互，因此它们通常不会被编程为自主行动。它们的目的是直接协助人类用户。
这并不是一个未来概念；今天，在 AI 领域处于领先地位的企业已经在利用这项技术。
AI 代理商的未来
AI 时代才刚刚开始，其发展令人叹为观止。从计算机的诞生到互联网的出现，从最初的大型语言模型到先进代理技术的出现，技术以惊人的速度不断扩展着我们的世界。
这一演变将重塑商业格局。在大型企业中，与 AI 助手进行互动已经司空见惯。随着技术的进步和助理独立完成复杂任务能力的提高，他们的工作范围将扩展到各个行业。
围绕 AI 代理的热议可谓实至名归。随着 AI 代理的不断发展，它们将能够协作完成越来越复杂的任务，从而减少用户对大量提示工程的需求。对于开发人员来说，好处显而易见：AI 代理可以让他们专注于价值更高的活动。
当 LLM 具备工具、内存和规划能力时，它们就像乐高积木一样，随时可以组装成更复杂的系统。AI 代理在最佳状态下就像乐高积木一样，具有模块化、适应性、互操作性和可扩展性。开发人员可以利用它们构建多代理系统，有望彻底改变软件开发。
在 Cloudsway，我们对 AI 代理、代理 AI 和多代理系统为软件开发人员带来的潜力感到兴奋。我们诚邀您使用 Cloudsway 或在我们这里托管您的代理。让我们一起踏上旅程。
博客 5：现实世界中的西部世界，当 AI 代理成为中心舞台时
现实版《西部世界》是时下最热门的话题之一。想象一个数字世界，25 个 AI 特工存在于一个模拟世界中。他们每天例行公事--工作、闲聊、社交、建立友谊，甚至恋爱。每个 AI 探员都有自己独特的个性和背景故事，就像人类一样独一无二。据该报报道，这个地方名叫 "小镇"（Smallville）。 生成代理：人类行为的交互式模拟r.
斯坦福大学和谷歌公司的研究人员合作推出了一种新型架构，可让 AI 机器人模拟人类行为。小镇模拟了一个典型的小镇，里面有咖啡馆、酒吧、公园、学校、宿舍、房屋和商店。AI 代理机器人生活在这些空间中，它们的行为是自己产生的，无需预先编程；人类用户只需给它们一个文本提示。
这时，AI 代理再次成为我们谈话的中心。
目前，AI 代理是一个热门话题，在许多产品和业务中有着广阔的应用前景。许多人认为，代理将是未来大型语言模型的入口。在企业内部，代理可用于复杂的任务场景，帮助最大限度地提高劳动生产率。
定义 AI 代理
AI 应用研究前负责人、OpenAI 安全系统现任负责人 Lilian Weng 认为，AI 代理有三个关键特征：
内存:AI 代理将使用短期记忆处理聊天提示和后续问题的能力与长期数据保留和回忆相结合。这通常涉及检索增强生成 (RAG)，使他们能够访问和利用更广泛的信息。
规划:AI 代理可以根据给定的提示生成具有离散里程碑目标的分步计划。它们还能通过奖励系统从错误中学习，不断改进未来的产出。
工具使用:代理可以查询 API，根据最终用户的要求请求额外信息或执行操作，从而扩展其能力和功能。
AI Agent=LLM + 记忆 + 规划技能 + 工具使用
了解功能
AI 代理是一种自助式自主工具，代表用户执行任务。它们可以根据所处环境执行任务和应对情况，实现流程自动化，做出决策，并与周围环境进行智能交互。可以把它想象成一辆自动驾驶汽车--它接收信息、处理信息并采取相应行动。
记忆：关键区别
虽然这三个决定性特征是 AI 代理的关键研究方向，但让我们深入研究一下记忆。语言模型本身并不像人类那样拥有记忆。它们的记忆结构完全不同。人类有工作记忆、短期记忆和长期记忆。而语言模型只有大致相当于工作记忆的记忆。目前的语言模型基本上无法实现短期记忆和长期记忆。这是因为它们是为压缩而设计的，因此很难执行压缩之外的增量任务。
人脑通过复杂的机制形成记忆。长期记忆的形成需要数周到数月的时间，而短期记忆的形成则需要较少的时间。两者都以分布式方式存在于我们的大脑中，神经元既是存储单元，也是计算单元。
说到在当前的代理中实现记忆，人们通常会考虑 RAG（Retrieval Augmented Generation）。然而，RAG 与人类记忆有很大不同。人类记忆有一个基本的可靠性保证。一旦强行记住的东西，就很难忘记。
AI 代理与 AI 聊天机器人
很多人认为 AI 代理就是聊天机器人。把聊天机器人想象成自动售货机--仅限于分发预先编程的物品。现在把 AI 代理想象成私人厨师。这位厨师拥有令人印象深刻的菜谱（庞大的知识库），能理解复杂的菜肴要求（自然语言处理），甚至能根据您的喜好学习新的菜肴（从历史数据中学习的能力）。这个比喻突出了聊天机器人和 AI 代理之间的根本区别。
虽然两者都是为互动而设计的，但 AI 代理所拥有的功能远远超过了聊天机器人。聊天机器人根据规则进行对话，仅限于回答预先定义的问题。它们的回答往往是照本宣科，缺乏推理能力或与更广泛的知识相联系的能力。相比之下，AI 代理可以进行推理，将其答案建立在相关知识和内容的基础上，提供更细致入微、更符合语境的回答。
训练聊天机器人是一个耗时的过程，需要对数百个语句进行大量训练，才能理解自然语言请求。而 AI 代理则明显更快、更容易实施。它们不依赖基于规则的对话或复杂的配置，因此适应性和灵活性更强。
聊天机器人遵循脚本对话工作流，而 AI 代理则利用生成式 AI 和自然语言处理（NLP）来理解、回应客户询问并采取行动。从本质上讲，聊天机器人会重复提供预定义的信息，而 AI 代理则可以进行推理并提供更有见地的回复。
生成式 AI 释放的功能超越了传统聊天机器人脚本化的工作流程体验。随着企业采用生成式 AI，客户将体验到交互质量的显著提高。
入职 AI 代理就像欢迎一位潜力无限的新员工。与传统聊天机器人不同，AI 代理可以立即连接到您现有的知识库，在几秒钟内吸收信息。一旦入职，AI 代理就会像人工代理一样，通过推理为客户提供最佳解决方案。它能识别相关信息，列出解决问题的明确步骤，并提供个性化的解决方案。
AI 代理和聊天机器人的目的也不同。聊天机器人旨在与人类互动，而 AI 代理则旨在完成自主任务。两者最大的不同在于其独立行动的能力。由于 AI 聊天机器人主要专注于人机交互，因此它们通常不会被编程为自主行动。它们的目的是直接协助人类用户。
这并不是一个未来概念；今天，在 AI 领域处于领先地位的企业已经在利用这项技术。
AI 代理商的未来
AI 时代才刚刚开始，其发展令人叹为观止。从计算机的诞生到互联网的出现，从最初的大型语言模型到先进代理技术的出现，技术以惊人的速度不断扩展着我们的世界。
这一演变将重塑商业格局。在大型企业中，与 AI 助手进行互动已经司空见惯。随着技术的进步和助理独立完成复杂任务能力的提高，他们的工作范围将扩展到各个行业。
围绕 AI 代理的热议可谓实至名归。随着 AI 代理的不断发展，它们将能够协作完成越来越复杂的任务，从而减少用户对大量提示工程的需求。对于开发人员来说，好处显而易见：AI 代理可以让他们专注于价值更高的活动。
当 LLM 具备工具、内存和规划能力时，它们就像乐高积木一样，随时可以组装成更复杂的系统。AI 代理在最佳状态下就像乐高积木一样，具有模块化、适应性、互操作性和可扩展性。开发人员可以利用它们构建多代理系统，有望彻底改变软件开发。
在 Cloudsway，我们对 AI 代理、代理 AI 和多代理系统为软件开发人员带来的潜力感到兴奋。我们诚邀您使用 Cloudsway 或在我们这里托管您的代理。让我们一起踏上旅程。