03-学习Agent开发 2024-05-24

本文是《从零手搓大模型实战》学习的第三篇个人学习笔记，主要通过学习TinyAgent项目来总结开发智能体Agent的相关知识，下面记录下学习内容以及相关心得。

注：TinyAgent相关学习内容来自datawhalechina/tiny-universe

1.什么是智能体Agent? 关于Agent理解

智能体（Agent）是人工智能领域的一个概念，它是一个能够自主运行并具有一定智能的系统或程序，可以在特定的环境（Environment）中通过对环境感知与观察（Observation），根据自身目标和能力进行思考和决策（Decision），并执行相应的动作（Action）达到某种目的或完成任务。

随着大模型LLM发展，基于大语言模型（LLM）的智能体Agent可以被视为一个基于LLM包含多个组件的系统，我们可以把智能体理解为：

智能体 = LLM+观察+思考+行动+记忆

1. 大模型（LLM）：是智能体的核心，可以看作智能体Agent的大脑，它负责处理和理解语言信息。
2. 观察（Observation）：Agent需要能够从环境中获取信息，这可能涉及到通过外部传感器（如摄像头、麦克风等）收集数据，然后使用适当的处理方法（如图像识别、语音识别等）来解析这些数据。
3. 思考(Thinking) 和推理（Reasoning）：在接收到环境信息后，智能体需要能够理解和解释这些信息，进行思考并据此做出决策，通常涉及逻辑推理、规划、问题解决等过程。
4. 行动（Action）：Agent根据决策来执行特定的动作，这些动作可以通过效应器（如机械臂、扬声器等）在环境中产生效果。
5. 记忆（Memory）：Agent还需要能够存储和检索过去的信息，以便从中学习并改进其未来的行为。可以是通过经验学习来实现的，也可以是通过存储先前的交互和知识来实现的。

2. 智能体Agent的模式

Agent的设计模式有很多，ReAct（reasoning + acting）的设计理念很有代表性，它主要结合了推理和行动，让Agent能够以交错的方式生成推理步骤和特定于任务的操作。

ReAct（reasoning + acting）

注意的是：Agent 的行动一般涉及到外部 Tool Use（工具使用），Agent通过利用外部工具来扩展自身功能，这些工具可以是搜索引擎、专业数据库或其他类型的插件，来帮助增强Agent解决问题的能力。

3. TinyAgent的主要架构及一点修改

这里的TinyAgent是一个基于React模式，手动制作的一个最小的Agent结构，主要是演示通过LLM来推理和调用外部自定义工具（这里主要是web 搜索）。

TinyAgent主要包含了3个模块，Agent、LLM、Tool。

• Agent类主要实现了text_completion方法，通过调用大模型LLM，根据React的Agent的逻辑，来调用Tools中的工具。
• LLM模块定义大模型使用，这里默认使用InternLM2作 Agent 模型，不过我本地没下载InternLM2，所以这里修改了一下代码，增加了Zhipu API。
• Tools中定义了一个工具类Tools，初始化时加载了一些工具配置信息，并包含了一个名为google_search的方法，通过serper.dev提供的API接口执行谷歌搜索,我们能够在这个类里面继续扩展增加其他工具，比如计算器、天气查询、特定的数据检索等。

运行测试TinyAgent，如下所示：

agent = Agent()
print(agent.system_prompt)

首次输出

下面进行具体的提问测试，如：

response, _ = agent.text_completion(text='周杰伦的太太和他年龄相差多少？', history=[])
print(response)

问题1回答

换一个问题：

问题2

备注：
论文 ReAct: Synergizing Reasoning and Acting in Language Models