随着大模型在近两年的兴起与火热特别是最近的Manus宣布的在智能体方面的突破暂无机会试用对大模型、智能助手和智能体之间的概念确变得有些模糊不清希望通过本文为自己整理一下思路。大模型通过用户指令给出对应的回答。智能体能够自主执行任务的AI。智能体与Agent智能体任何能够通过传感器Sensors感知其所处环境Environment并自主地通过执行器Actuators采取行动Action以达成特定目标的实体。自主性自主进行决策和行动不需要人的持续干预。感知能力通过传感器等手段可以感知外部环境。行为能力根据感知到的信息采取行动。目标导向行为是有目的的旨在达到某种目标或优化某种性能。智能体的核心在于具备学习和决策能力。通过学习算法和数据分析智能体能够从海量数据中提取有用的信息形成自己的知识库。Agent这个词在计算机科学中有着广泛的应用通常指的是一种软件或硬件实体能够在特定的环境中执行任务。Agent代理的定义更宽泛包括智能体但不限于智能体。可具备或不具备自主性、感知能力等特征。可以说所有的智能体都是Agent但并非所有的Agent都是智能体。例如传统的基于规则的客服系统可算是Agent但不是智能体。通过NLP或大模型技术可提供更个性化的服务的智能客服可算是智能体包括添加了RAG的智能问答系统。学习型智能体Learning Agent的核心思想智能体不依赖预设通过与环境的互动自主学习强化学习Reinforcement Learning, RL是实现这一思想最具代表性的路径。一个学习型智能体包含一个性能元件和一个学习元件。学习元件通过观察性能元件在环境中的行动所带来的结果来不断修正性能元件的决策策略。Workflow 是让 AI 按部就班地执行指令而 Agent 则是赋予 AI 自由度去自主达成目标。工作流是一种传统的自动化范式核心是对一系列任务或步骤进行预先定义的、结构化的编排。本质上是一个精确的、静态的流程图规定了在何种条件下、以何种顺序执行哪些操作。一个典型的案例某企业的费用报销审批流程。员工提交报销单触发- 如果金额小于500元直接由部门经理审批 - 如果金额大于500元先由部门经理审批再流转至财务总监审批 - 审批通过后通知财务部打款。整个过程的每一步、每一个判断条件都被精确地预先设定。基于大型语言模型的智能体是一个具备自主性的、以目标为导向的系统。它不仅仅是执行预设指令而是能够在一定程度上理解环境、进行推理、制定计划并动态地采取行动以达成最终目标。LLM在其中扮演着“大脑”的角色。参考https://zhuanlan.zhihu.com/p/706538635关于智能体AI Agent入门一篇超详细的总结
