最近吴恩达在一次公开演讲中断言：AI Agent 才是人工智能的未来方向。他指出，通过精心设计的 Agent 工作流，即便使用 GPT-3.5 这样相对基础的模型，也能在应用层面取得超越 GPT-4 的效果。
整个 AI 界的顶级学者已基本形成共识——AI Agent 将彻底重塑未来的工作方式。
那么，到底什么是 AI Agent？它又能为我们带来哪些实质性的变革？
一、LLM、RAG 和 AI Agent
要深入理解 AI Agent，不妨先来了解它和 LLM、RAG 之间的本质差异。
LLM，即大语言模型，其核心优势在于语言理解与逻辑推理能力。
而 RAG 可以理解为给 LLM 配备了一座知识图书馆——它弥补了 LLM 知识固化的问题。
LLM 的知识受限于训练数据的截止时间。举例来说，如果 LLM 是用一年前的数据训练的，那么它只能回答一年前的内容。如今小米汽车已经上市，如果你向它询问相关细节，它肯定无法作答。怎么办？你把小米汽车的技术文档、发布会内容一次性提供给它，它就能当场复述出来。但需要注意的是，这些外部知识只是临时借用，并不会真正融入 LLM 的模型参数中。
因此，LLM 和 RAG 的区别主要在于知识覆盖的广度，而 AI Agent 则完全不同——它本质上是一套工作流程，属于更高维度的概念。
AI Agent 会利用 LLM 的推理能力，将一个复杂问题拆解成若干子问题，并规划好执行的先后顺序——先解决哪个，再处理哪个。然后依次调用 LLM、RAG 或外部工具，逐个突破，最终完成最初那个复杂的任务。
二、AI Agent 特点
梳理一下 AI Agent 的几个核心特征：
1）目标导向行为
LLM 和 RAG 的主要职责是文本的逻辑推理与生成，它们缺乏设定并追逐特定目标的能力。而 AI Agent 天生具备目标导向性——它会明确自己的目标，并制定计划、采取行动去达成它。
2）记忆与状态跟踪
LLM 和 RAG 没有记忆，也不具备状态跟踪能力，每次输入都是独立处理的。AI Agent 则可以维护内部状态，持续积累知识，并基于状态信息做出决策和行动。
3）与环境交互
LLM 只能在文本领域独立运作，无法与物理世界进行交互。AI Agent 则能够对接传感器等设备，感知外部环境的变化。
4）持续学习
LLM 的训练数据是静态的、一成不变的。AI Agent 则可以在与环境交互的过程中不断学习，动态调整自身的知识与技能。
5）多任务能力
LLM 专用于特定的语言任务。AI Agent 可以被设计为通用的多任务系统，流畅地融合语言、推理、感知和控制等多种能力，解决复杂且多维度的问题。
三、AI Agent 示例
举个例子，假设你需要规划一次复杂的旅行。
LLM 能告诉你不同景点的玩法，给出一般的旅行建议。
RAG 能帮你搜索更多关于目的地的深度信息。
AI Agent 在此基础上还能更进一步：
- 根据预算搜索航班和酒店
- 直接执行预订操作
- 把行程自动添加到日历
- 在各个环节发送提醒
简单来说，AI Agent 超越了信息层面，它可以规划、拆解任务，并真正去执行这些任务。
四、更清晰的理解 AI Agent 的优势
1）任务导向 vs 通识知识
LLM 就像一座庞大的信息库，擅长广泛的语言理解与生成。RAG 通过检索相关信息来增强 LLM 的表现，但核心仍然停留在知识和文本层面。而 AI Agent 则不同，它从设计之初就为特定目标而生——其存在价值就是打破语言理解与实际行动之间的壁垒。
2）多步推理
LLM 和 RAG 主要处理单一输入并据此给出响应。AI Agent 可以链式整合多个步骤：先检索信息（类似 RAG），再处理信息、做出决策，最后采取行动——例如发送邮件、预约、控制智能设备。
3）积极主动
LLM 和 RAG 单纯根据提示词进行被动响应。AI Agent 则具备主动能力：它能监控数据流并发出报警，能根据你的偏好自动启动行动，还能随着知识积累调整自身行为。
4）集成已有系统
LLM 和 RAG 在自己的封闭环境中运作。AI Agent 可以与不同的系统、API 接口对接，例如访问邮箱和日历、操作数据库、控制智能硬件设备。
五、AI Agent 的基础架构
那么，一个典型的 AI Agent 架构是怎样的？通常包含以下几个核心组件：
- 推理引擎——Agent 的大脑。它借助强大的 LLM 来理解自然语言、获取知识，并进行复杂问题的推理。
- 知识库——充当 Agent 的记忆，存储与任务相关的事实信息、过往经验和偏好。
- 工具集成——允许 Agent 通过 API 与各种软件应用程序和服务交互，扩展其操纵和控制环境的能力。
- 感觉输入——为 Agent 提供感知周围环境的能力，可以从文本、图像或各种传感器收集数据。
- 用户界面——与人类用户无缝沟通和协作的桥梁。
这些元素共同构成了一个能够自主解决问题的智能系统。AI Agent 可以分析一个问题，制定出步骤清晰的计划，然后从容不迫地执行到底——这正是它成为人工智能领域下一代变革力量的根本原因。