下载掌阅APP，畅读海量书库
立即打开
许多人把ChatGPT诞生的2023年视为生成式人工智能（Generative AI，GenAI）、AIGC（AI Generated Content，人工智能生成内容）和大语言模型（Large Language Model，LLM，也称大模型）爆发的元年。AIGC以前所未有的方式生成内容，从文本、图像到代码，其生成内容的质量和多样性令人惊叹。这些内容不仅能直接用于工作，提升工作效率，而且降低了艺术创作的门槛，为文化娱乐等产业开辟了更广阔的天地。人工智能技术正在引领一个全新的内容创造时代。
然而，已经发生的这一切仅仅是人工智能革命的序幕。
今天，人工智能在工作效率提升方面的热潮方兴未艾，而开发人工智能应用（见图1）的新一波浪潮又迅猛兴起。
图1 在基于大模型的人工智能应用开发
随着技术的进步，我们开始期待更多：我们所向往的是一个不仅把人工智能生成内容视为工作的一部分，还将人工智能作为连接更加复杂任务的关键纽带的时代。
这种愿景正是Agent
诞生的起点。
在探索人工智能的奥秘和可能性的征程中，ZhenFund（真格基金）认为生成式人工智能应用需要经历表1所示的5个层级。
表1 生成式人工智能应用需要经历的5个层级
目前流行的ChatGPT和Copilot分别位于L2和L3，可以将它们视为一种初级的Agent。ChatGPT能够根据对话上下文（记忆）来响应提示输入的操作，向人类展示有价值的对话，而Copilot通过与人类协作，可以在多个层面上提升完成相应任务的效能。
从L3到L4的跨越是一个从被动到自主的分水岭，在这个跨越过程中，Agent将成为关键的驱动力。
未来的Agent将不仅仅是内容生成工具。它们将整合人工智能模型、海量数据和多样化的工具，从而能执行各种任务，完成不同的工作。这些Agent跨越单纯的内容生成的界限，开始涉足决策制定和行动实施等领域。无论是解读复杂指令、规划策略、拆解任务，还是执行实现目标的具体步骤，它们都将展现出独特的自主性和适应性。更为关键的是，这些Agent能够接入并灵活运用多种辅助工具和数据资源，从而大幅拓宽工作领域和提高工作能力。
例如，旅行计划Agent不仅能够生成旅行建议，而且能根据用户的喜好和预算自动预订航班、酒店甚至餐厅。再如，家庭健康管理Agent能够监测家庭成员的健康数据，主动提出饮食和锻炼建议，甚至在必要时预约医生并安排药物配送。
在业务层面，构建Agent的需求将快速增长。随着对Agent的价值和影响的深入了解，越来越多的公司开始尝试和实施Agent技术。从概念验证到开发相关应用，从初步尝试到广泛应用，Agent技术正在商业化之路上加速前进。
构建Agent的基石已经存在，包括先进的AIGC模型和大模型（如GPT-4、Claude 3 Opus）、人工智能应用开发框架和工具（如LangChain、LlamaIndex、OpenAI API和Hugging Face等，见图2）、软件平台、业务场景和丰富的数据资源。我们所需要的一应俱全，而我们所缺乏的是将这些技术或工具整合到一起的经验和技术。
图2 人工智能应用开发框架和工具
尽管构建Agent的基石已经准备就绪，但Agent的技术发展仍处于萌芽阶段。开发者需要进行深入思考并动手实践，以确立Agent的开发框架、Agent访问工具的方式、与数据交互的方式，以及如何对话以完成具体任务。这些问题的答案将塑造未来Agent的形态和能力。
在解锁Agent的巨大潜力的过程中，我们需要深入探讨以下几个关键问题。
■ Agent如何在各行各业中提升效率以及创造机会和更多可能性？
■ 在众多的Agent框架中，如何选择适合自己需求的框架？
■ 在解决现实世界的问题时，如何实施Agent才最有效？
■ 自主Agent如何改变我们对人工智能驱动的任务管理的认知和实践？
目前无论是学术界还是产业界，对人工智能应用开发的关键问题远未达成共识。本书或许可以作为读者深入探讨上述问题的漫长旅途的开端。本书旨在从技术和工具层面阐释Agent设计的框架、功能和方法，具体涉及如下技术或工具。
■ OpenAI Assistants API：用于调用包含GPT-4模型和DALL·E 3模型在内的众多人工智能模型。
■ LangChain：开源框架，旨在简化构建基于语言的人工智能应用的过程，其中包含对ReAct框架的封装和实现。
■ LlamaIndex：开源框架，用于帮助管理和检索非结构化数据，利用大模型的能力和Agent框架来提高文本检索的准确性、效率和智能程度。
这些技术和工具都可以用于构建Agent，它们通过接口连接大模型，为Agent提供语言理解、内容生成和决策支持的能力。通过它们，Agent可以支持多种外部工具，进而执行复杂任务以及与环境进行交互。
除了介绍Agent的框架和开发工具之外，本书还将通过7个实战案例，带领读者学习前沿的Agent实现技术。这7个案例分别如下。
■ Agent 1：自动化办公的实现——通过Assistants API和DALL·E 3模型创作PPT。
■ Agent 2：多功能选择的引擎——通过Function Calling调用函数。
■ Agent 3：推理与行动的协同——通过LangChain中的ReAct框架实现自动定价。
■ Agent 4：计划和执行的解耦——通过LangChain中的Play-and-Execute实现智能调度库存。
■ Agent 5：知识的提取与整合——通过LlamaIndex实现检索增强生成。
■ Agent 6：GitHub的网红聚落——AutoGPT、BabyAGI和CAMEL。
■ Agent 7：多Agent框架——AutoGen和MetaGPT。
此外，我还在附录中简要介绍了科研论文中的Agent技术进展，旨在为读者提供当前Agent技术发展的全面视角并展现相关的探索。
我希望这本书能够在Agent的发展征途中激起小小的涟漪，启发更多对人工智能充满好奇和热情的读者，共同开启人工智能时代的无限可能。
在人类与人工智能紧密合作的黎明时分，这满天繁星中，Agent定是那颗最闪亮的星！
黄佳
2024年初春