面向AI编程：Agent式开发-唐霜

我在【作者：唐霜】公众号文章【本文首发于唐霜的博客】中提出了“面向AI编程”的说法，与“面向【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。对象编程”对应，以完成AI基础单元为编程【原创不易，请尊重版权】【版权所有，侵权必究】目标，按照AI特性来设计代码结构，通过A【转载请注明来源】著作权归作者所有，禁止商业用途转载。I能力来实现具体功能。同时，面向AI的另原创内容，盗版必究。【作者：唐霜】外一方面是，与传统面向机器编程相比，我们【本文受版权保护】【关注微信公众号：wwwtangshuangnet】生产的代码不再提供给机器消费，而是主要提未经授权，禁止复制转载。原创内容，盗版必究。供给AI进行消费，或者说让AI在机器上按本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】照我们的预设进行工作。再有，面向AI的再【版权所有，侵权必究】【转载请注明来源】一方面是，与传统的面向需求编程相比，我们【作者：唐霜】著作权归作者所有，禁止商业用途转载。编码的目标是通过调动AI来完成目标需求，本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net而非直接写代码完成需求，这个过程中，只要【未经授权禁止转载】【作者：唐霜】能满足需求，可以让AI自由选择实现方式，【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。不一定是编程方式。随着LLM逐渐成熟，过【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。往我们只能通过代码实现人机，而现在我们可著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。以通过自然语言实现人机，这对于技术的发展【本文受版权保护】【作者：唐霜】有着巨大的意义，因为原本不会编码的人也可本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】以指挥机器按照其创意进行生产。那么，在当【转载请注明来源】【版权所有，侵权必究】下这个阶段，我们如何才能让不会编程的人指转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。挥机器呢？本文就来具体聊一聊，2024年【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】的今天，开发者们是如何解决这个问题的。

LLM驱动的Agent本文版权归作者所有，未经授权不得转载。

本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】未经授权，禁止复制转载。【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】

由复旦NLP和米哈游调查完成的文献综述《The Rise and Potenti【本文受版权保护】【原创不易，请尊重版权】al of Large Language转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net Model Based Agents:【本文受版权保护】未经授权，禁止复制转载。 A Survey》详细阐述了LLM-based Agen【本文首发于唐霜的博客】【版权所有，侵权必究】t的相关理论、实践模型和深度思考，知乎上有大神做了详细的解读本文作者：唐霜，转载请注明出处。，我下面基于此再做白话版总结。【未经授权禁止转载】

【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。

首先，为什么是“Agent”这一概念？因转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。为它是一个人工智能领域延续至今的设定，随【原创不易，请尊重版权】未经授权，禁止复制转载。着时代的推移，它的概念内涵在扩大，但是无【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。论再哪个时代，它都能一针见血的概括人工智【原创内容，转载请注明出处】【原创内容，转载请注明出处】能的终极目标——自主思考和行动的机器体。本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】很多人一听到“自主思考和行动”就会担心将【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】来机器人会灭了人类。这是因为普通人并不了转载请注明出处：www.tangshuang.net原创内容，盗版必究。解人工智能领域的覆盖范围，里面有一个方向著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】是研究智能的社会性，任何智能都需要具备社原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。会性，那么就会有其行为准则。总之，在人工著作权归作者所有，禁止商业用途转载。【未经授权禁止转载】智能领域，Agent不是这两年冒出来的新【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。概念，而是始终贯穿人工智能领域研究的核心【本文受版权保护】【本文受版权保护】概念之一，过去、现在和将来都将作为一个核【作者：唐霜】未经授权，禁止复制转载。心词汇存在。人工智能的代际，从Agent【转载请注明来源】【版权所有，侵权必究】的角度来看，可以分为：Symbolic Agents ->【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】; Reactive Agents -&【本文受版权保护】【转载请注明来源】gt; RL-based Agents 未经授权，禁止复制转载。【原创不易，请尊重版权】-> Agent with tra【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。nsfer learning and m本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】eta learning -> L转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。LM-based Agent。其中AlphaGo和DQN是RL-ba【本文受版权保护】【原创内容，转载请注明出处】sed时代的产物。“学习如何学习”则是在【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】LLM出现之前的重要课题。知道GPT引爆【作者：唐霜】未经授权，禁止复制转载。业界，才标志着新一代Agent时代的到来【本文受版权保护】著作权归作者所有，禁止商业用途转载。。

Agent的构成模块【版权所有】唐霜 www.tangshuang.net

本文作者：唐霜，转载请注明出处。【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。

Agent由大脑模块、感知模块、行动模块【原创不易，请尊重版权】【版权所有，侵权必究】构成。作为人工智能工程的最小单位，Age【版权所有，侵权必究】转载请注明出处：www.tangshuang.netnt的功能可以不同，但构成模块的设计完全本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net符合了人类的认知，因此，三模块结构缺一不【未经授权禁止转载】未经授权，禁止复制转载。可。

转载请注明出处：www.tangshuang.net【未经授权禁止转载】未经授权，禁止复制转载。

【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net原创内容，盗版必究。【本文受版权保护】本文作者：唐霜，转载请注明出处。

中枢大脑【转载请注明来源】

在2024年的今天，因为我们已经有了LL【本文受版权保护】著作权归作者所有，禁止商业用途转载。M，因此，当我们再去思考一个Agent的转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net大脑应该具备哪些能力时，和前面代际的思考未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】方式完全不同。LLM-based时代下，【原创内容，转载请注明出处】【原创不易，请尊重版权】Agent的大脑主要包含：

未经授权，禁止复制转载。未经授权，禁止复制转载。【未经授权禁止转载】本文作者：唐霜，转载请注明出处。

自然语言交互，包含自然语言理解、多轮对话【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。、自然语言（高质量）生成、意图和含义理解

著作权归作者所有，禁止商业用途转载。

本文作者：唐霜，转载请注明出处。

知识，包括语言知识、常识知识、专业领域知【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】识，当然这里需要考虑赋予Agent通过外【转载请注明来源】【原创内容，转载请注明出处】部知识库实时获取知识的能力

【原创内容，转载请注明出处】

本文作者：唐霜，转载请注明出处。

【作者：唐霜】

记忆，提高记忆能力的方法有提高Trran本文版权归作者所有，未经授权不得转载。【转载请注明来源】sformer的输入长度限制、总结记忆、【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。用向量或数据结构压缩记忆，同时需要注意记【原创不易，请尊重版权】【未经授权禁止转载】忆检索的最近性、相关性和重要性

本文版权归作者所有，未经授权不得转载。

著作权归作者所有，禁止商业用途转载。

【原创不易，请尊重版权】

本文作者：唐霜，转载请注明出处。

推理和规划，推理依赖LLM本身的训练程度【原创不易，请尊重版权】【版权所有，侵权必究】，规划包括两个阶段：计划制定和计划反思。

【未经授权禁止转载】

【本文受版权保护】

可迁移性和通用性，我个人理解主要是指可以【版权所有，侵权必究】【本文首发于唐霜的博客】把发生过的事自己再学习为模型本身的一部分著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。，从而越来越接近人类的思考水平

【关注微信公众号：wwwtangshuangnet】

【作者：唐霜】

【未经授权禁止转载】

【原创不易，请尊重版权】【作者：唐霜】转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。【转载请注明来源】

感知【转载请注明来源】

【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。

Agent本身作为一个最小单位，必然需要本文作者：唐霜，转载请注明出处。【本文受版权保护】根据环境做出反应，对环境的感知能力往往意【作者：唐霜】【原创内容，转载请注明出处】味着这个Agent的功能主要是什么，就像【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net人类的各个器官，感知痛觉和味觉，往往意味转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net着它的功能。从LLM的角度，Agent的未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。感知对象主要为：

【本文首发于唐霜的博客】【本文受版权保护】原创内容，盗版必究。

文本输入著作权归作者所有，禁止商业用途转载。

未经授权，禁止复制转载。

【原创内容，转载请注明出处】

【转载请注明来源】

视觉输入，包含静态图片和连续图帧（视频、著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。gif等）

【关注微信公众号：wwwtangshuangnet】

【转载请注明来源】

【本文首发于唐霜的博客】

【原创不易，请尊重版权】

【未经授权禁止转载】

听觉输入，主要指音频，包含已有的音频文件【版权所有，侵权必究】【本文首发于唐霜的博客】和实时的声音收录

【原创内容，转载请注明出处】

【访问 www.tangshuang.net 获取更多精彩内容】

【作者：唐霜】

其他输入，我个人认为主要包含各类智能硬件本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】传感器、软件触发、结合各类信息综合计算结【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net果、其他关联Agent的输出信息、中枢大著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。脑的指令。

【访问 www.tangshuang.net 获取更多精彩内容】

著作权归作者所有，禁止商业用途转载。

行动【本文首发于唐霜的博客】

本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】未经授权，禁止复制转载。

Agent的真正发挥作用的部分，从编程的【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。角度，中枢大脑的功能可以富余，但感知和行【原创不易，请尊重版权】【未经授权禁止转载】动定义了该Agent的边界，决定了该Ag本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。ent的实际功能。从LLM的角度，Age【转载请注明来源】未经授权，禁止复制转载。nt的行动主要包括：

【作者：唐霜】【转载请注明来源】转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】【本文首发于唐霜的博客】

输出文本【原创内容，转载请注明出处】

【原创不易，请尊重版权】

【未经授权禁止转载】

输出图片、音频、视频本文作者：唐霜，转载请注明出处。

【关注微信公众号：wwwtangshuangnet】

本文版权归作者所有，未经授权不得转载。

原创内容，盗版必究。

使用工具，如Functional cal原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。l等，同时，Agent需要反馈工具的处理本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】结果，此处需要考虑是将工具处理结果作为另未经授权，禁止复制转载。原创内容，盗版必究。外一个Agent的输入，再由另外一个Ag【转载请注明来源】未经授权，禁止复制转载。ent将其作为输入再给当前这个Agent本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。，这种模式使得架构设计上更容易理解，但是本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】Agent的数量会变多

【原创内容，转载请注明出处】

【转载请注明来源】

【原创不易，请尊重版权】

原创内容，盗版必究。

具身行动，Agent的智能来源于与环境的【作者：唐霜】【作者：唐霜】持续互动和反馈，而不是仅仅依赖于精心编辑著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。的预训练数据，它们应该能够主动感知、理解【关注微信公众号：wwwtangshuangnet】本文版权归作者所有，未经授权不得转载。物理环境并与之互动，根据 LLM 丰富的【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。内部知识做出决策并产生特定行为来改变环境【本文受版权保护】【版权所有，侵权必究】，这个和我上面提到的把发生过的事自己再学原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net习为模型本身的一部分有类似的意思

【原创内容，转载请注明出处】

本文版权归作者所有，未经授权不得转载。

原创内容，盗版必究。

未经授权，禁止复制转载。

从具身行动的角度看，Agent本身不是静本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】态的，它应该像人的细胞一样，具有新陈代谢本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。的能力，当Agent本身能够感知环境，学【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】习和互动，沉淀为模型本身的部分，并基于此【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】来做出适应环境的决策，那么这也就意味着，转载请注明出处：www.tangshuang.net原创内容，盗版必究。大脑部分需要新增内容，从编程的角度看，可著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。能就是动态训练模型，并在训练后热替换当前【原创内容，转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】模型，如此反复循环。

本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】

Agent的治理模式著作权归作者所有，禁止商业用途转载。

本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。【原创不易，请尊重版权】【转载请注明来源】

在之前的文章中，我有详细介绍过Agent【未经授权禁止转载】本文作者：唐霜，转载请注明出处。的治理模式，不过在这篇文章中，它的提法更【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。加全面。就2024年的今天，可见的模式主原创内容，盗版必究。原创内容，盗版必究。要包含3种：Single Agent、M【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】ulti-Agents、Human-Ag未经授权，禁止复制转载。【原创内容，转载请注明出处】ent。

Single Agent未经授权，禁止复制转载。

著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。【原创内容，转载请注明出处】【本文首发于唐霜的博客】

简单讲就是，一个Agent就是一个应用，【未经授权禁止转载】未经授权，禁止复制转载。直接给到用户去使用。这类Agent往往是【关注微信公众号：wwwtangshuangnet】【转载请注明来源】一个软件，接收用户输入，按照其功能设定，未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net返回给用户结果。例如现在的ChatGPT【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。、GPTs、RGA知识库等应用，其中最值著作权归作者所有，禁止商业用途转载。【本文受版权保护】得一提的是LangChain和AutoG【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。PT。

【作者：唐霜】【作者：唐霜】【未经授权禁止转载】

虽然Single这个词听上去让人感觉很单【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】薄，觉得好像做不出什么特别的产品，但是我【关注微信公众号：wwwtangshuangnet】【作者：唐霜】们可以通过合理的架构，使得Agent具备转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】优秀的创意。例如现在figma上面有非常【本文首发于唐霜的博客】【转载请注明来源】多的智能插件，它们的出现可以快速帮助我们【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net解决一些场景，而这些插件，虽然本身入口很【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net单薄，但是它们背后可能由一整家公司和庞大【未经授权禁止转载】未经授权，禁止复制转载。的技术支撑。从这种设计的角度讲，Sing【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】le Agent可以按下方的角度分类：

本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。【未经授权禁止转载】

面向任务的，用以完成人们提出的任务，以提【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。升生产效率

【本文受版权保护】

著作权归作者所有，禁止商业用途转载。

【本文受版权保护】

【作者：唐霜】

面向创新的，用以在特定领域进行快速验证，【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net以极大的缩减实验时间，例如在蛋白质构型编【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】排上，今天1分钟就可以完成过去10年的编【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】排发现

著作权归作者所有，禁止商业用途转载。

面向生命周期的，简单将就是这类Agent未经授权，禁止复制转载。【本文受版权保护】设计出来没有具体目标，就是让它自己在开放转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】自由的环境中自生自灭，自己生长，看它能长【版权所有，侵权必究】【未经授权禁止转载】成什么样子，我们从之吸取有益的部分

转载请注明出处：www.tangshuang.net

【原创内容，转载请注明出处】

转载请注明出处：www.tangshuang.net

原创内容，盗版必究。

现阶段而言，上面三种类型都已经是被实现了未经授权，禁止复制转载。【原创内容，转载请注明出处】的，只不过从大规模应用、对现实工作影响最【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。大、可以马上立竿见影的，主要是第一种。

Multi-Agents【版权所有】唐霜 www.tangshuang.net

原创内容，盗版必究。【原创不易，请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。【本文首发于唐霜的博客】

早在 1986 年，马文-明斯基就做出了转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。前瞻性的预测。他在《心灵社会》一书中提出【版权所有】唐霜 www.tangshuang.net【本文受版权保护】了一种新颖的智能理论，认为智能产生于许多具有特定功能的小型Agen【转载请注明来源】【未经授权禁止转载】t的相互作用。例如，某些Agent可能负【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。责模式识别，而其他Agent可能负责决策【原创不易，请尊重版权】【转载请注明来源】或生成解决方案。简单讲，从人类已知的系统论角度去看，分工【原创不易，请尊重版权】【版权所有，侵权必究】可以解决非常多问题。让不同功能的Agen未经授权，禁止复制转载。【转载请注明来源】t由系统协调来完成目标，可以使得该系统更原创内容，盗版必究。未经授权，禁止复制转载。具有未来的持续可前瞻性。也就是说，一个系原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】统（如公司）比一个封闭的个体（如个体户）【版权所有】唐霜 www.tangshuang.net【本文受版权保护】更有发展前景。

本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。

不同的Agents之间，它们的分工固然重原创内容，盗版必究。【转载请注明来源】要，然而，相互联系才能形成系统，因此，我【本文受版权保护】【本文首发于唐霜的博客】们更多的是探讨它们的联系方式。

互补性合作【原创不易，请尊重版权】
- 无序合作，agents之间没有顺序，每个【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】agent都是对环境（把其他agent当【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】作环境因素）做出响应，所有agent的行原创内容，盗版必究。【未经授权禁止转载】为结果总和起来就是我们需要的结果
- 有序合作，当前agent只接收上一个ag【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。ent的输出作为输入，所有agents串【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。联在一起

【关注微信公众号：wwwtangshuangnet】

【原创内容，转载请注明出处】

转载请注明出处：www.tangshuang.net

本文作者：唐霜，转载请注明出处。

对抗性互动，agents之间有监督、对抗【原创不易，请尊重版权】【未经授权禁止转载】关系，例如有一些扮演测试、评审等角色的a著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.netgent

著作权归作者所有，禁止商业用途转载。

【本文首发于唐霜的博客】

微软的AutoGen和LangChain原创内容，盗版必究。未经授权，禁止复制转载。的LangGraph都是multi-ag著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】ents的构建框架，在这些框架中，把不同本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。功能的agent进行分工，扮演特定角色，【本文首发于唐霜的博客】【未经授权禁止转载】并对多个agent进行分组，使agent【原创不易，请尊重版权】【原创不易，请尊重版权】s可以像一个系统中的各个角色一样工作，从【版权所有】唐霜 www.tangshuang.net【转载请注明来源】而从一个系统的角度完成用户交给的工作。

【原创内容，转载请注明出处】原创内容，盗版必究。【本文受版权保护】原创内容，盗版必究。

原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。【作者：唐霜】【关注微信公众号：wwwtangshuangnet】本文版权归作者所有，未经授权不得转载。

Human-Agent【本文首发于唐霜的博客】

【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】

由人来指导和监督Agent的工作过程，以【原创不易，请尊重版权】【本文受版权保护】确保更高质量的产出。人与Agent交互来【原创不易，请尊重版权】本文作者：唐霜，转载请注明出处。完成工作，里面涉及到交互的方式、关系等，【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】例如人和Agent的地位是否是平等的？A本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】gent给出的反馈是定性的还是定量的？人【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】参与的程度究竟有多大，是关键节点还是每一本文版权归作者所有，未经授权不得转载。【作者：唐霜】个节点都需要人的参与？如何确保人的输入是本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net准确的，不会给agent增加额外的负担？【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。等等。

【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。【本文受版权保护】本文版权归作者所有，未经授权不得转载。

我们都知道AI的智能程度依赖于LLM本身原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】的智能程度，AI的理解和规划能力，目前来本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net看还是受限的，还没有达到我们普通成年人的【原创内容，转载请注明出处】【未经授权禁止转载】水平。另外，Agents之间的互动解释性转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。弱，需要人的参与来确保解释是按照人的意志【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。执行的。而且，由于这种解释偏差，很可能会【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。带来严重的恶劣后果，人的参与也可能在一定【版权所有，侵权必究】【未经授权禁止转载】程度上规避。

原创内容，盗版必究。【作者：唐霜】原创内容，盗版必究。

Agent社会性本文版权归作者所有，未经授权不得转载。

【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。

社会的本质，是“规则下的团体”，没有规则未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】就没有社会，有了规矩往往形成社会。在一套【本文受版权保护】本文作者：唐霜，转载请注明出处。系统中，Agents可能是由不同的服务商著作权归作者所有，禁止商业用途转载。【未经授权禁止转载】提供，基于AI的训练，Agent表现出自未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net己的认知、情感、个性，这些抽象的表现定性【版权所有，侵权必究】未经授权，禁止复制转载。，是我们对它社会行为的总结。

【本文受版权保护】【转载请注明来源】转载请注明出处：www.tangshuang.net

当一个Agent总是表现的很积极，无论输【本文首发于唐霜的博客】【作者：唐霜】入简单还是详细，它都尽可能做出规划，我们【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。就认为它具有开放人格；当一个Agent总【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net是表现的消极，总是在输入简单的时候，反馈【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。出不愿意做规划，打回让上有重新发出指令时【版权所有，侵权必究】【原创内容，转载请注明出处】，我们认为它具有较为封闭的人格。而作为系【原创不易，请尊重版权】【作者：唐霜】统，需要制定社会性规则，以在Agent的【原创不易，请尊重版权】【转载请注明来源】个性和达成目标之间实现平衡。

【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】【作者：唐霜】

AI编程【转载请注明来源】

通过驱动AI来完成某些任务，以编程的方式【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】安排细节与逻辑，由AI来解释任务和完成规转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。划。我们只需要验收结果，或者再在关键环节原创内容，盗版必究。【本文首发于唐霜的博客】参与交互。那么，我们应该如何来设计一套系【未经授权禁止转载】本文作者：唐霜，转载请注明出处。统，实现这样的诉求呢？

【原创不易，请尊重版权】【本文受版权保护】【作者：唐霜】

Agent功能分类原创内容，盗版必究。

【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net

我们按照最小职责原则，将所有的功能进行划【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】分，尽可能的把功能拆分开，每一个功能，都【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】有一个Agent与之对应。我们可以从不同著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】的角度进行分类，以覆盖我们的功能需求：

【作者：唐霜】【作者：唐霜】【关注微信公众号：wwwtangshuangnet】

【未经授权禁止转载】

【原创不易，请尊重版权】

【原创内容，转载请注明出处】

著作权归作者所有，禁止商业用途转载。

未经授权，禁止复制转载。

【关注微信公众号：wwwtangshuangnet】

工具执行类，按DSL调用工具，传入参数，未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。执行完获得结果

未经授权，禁止复制转载。

【转载请注明来源】

转载请注明出处：www.tangshuang.net

人机互动类，也就是上面Human-Age【转载请注明来源】转载请注明出处：www.tangshuang.netnt所提到的

原创内容，盗版必究。

【转载请注明来源】

转载请注明出处：www.tangshuang.net

这里需要注意，我没有把传感器类作为一类A【本文首发于唐霜的博客】未经授权，禁止复制转载。gent，下文会提到，我们的硬件传感器本【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。质上只是信号的输入端，基于某种协议，千奇【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】百怪的传感器，最终给到AI的输入，都可以【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。是统一标准的数据结构，这个部分需要传感器未经授权，禁止复制转载。【版权所有，侵权必究】的开发者去做，作为AI系统的开发人员，无【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net法触达这个部分。同样的道理，我们会让用于【转载请注明来源】未经授权，禁止复制转载。执行任务的硬件也与系统本身解耦，不过由于著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。执行硬件是被调用方，因此，这部分封装需要【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】我们AI系统的开发者来完成。

【作者：唐霜】转载请注明出处：www.tangshuang.net【本文受版权保护】

AI系统设计【未经授权禁止转载】

首先是指令的接收和理解，我们通过麦克风接本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net收指令，此时麦克风接收的是音频信息，我们未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。通过一个agent将其转化为文本信息；接【原创内容，转载请注明出处】【原创不易，请尊重版权】着，我们将该文本输入到一个用于理解指令的【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。agent，该agent从自身支撑的所有转载请注明出处：www.tangshuang.net【未经授权禁止转载】功能中，理解了该指令的意图，并将指令以固【未经授权禁止转载】本文作者：唐霜，转载请注明出处。定协议文本发送给中枢agent；中枢ag著作权归作者所有，禁止商业用途转载。【转载请注明来源】ent的主要能力是理解和规划，它在接收指本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。令之后，正确理解了该指令，并发通过fun【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】ctional call功能，创建了一个本文版权归作者所有，未经授权不得转载。【转载请注明来源】任务，并将该任务id保持在记忆中；接下来原创内容，盗版必究。原创内容，盗版必究。，它开始规划该任务，第一步是确认自身所处转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net环境，第二步是确认炒鸡蛋的条件是否满足，著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。第三步是准备食材，第四步是烹饪……；完成【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。规划后，将该规划进行进一步细化，把所有关【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。联的agent都挑选出来，并建立了任务地未经授权，禁止复制转载。【版权所有，侵权必究】图；之后开始执行任务，它通过打开摄像头和著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net毫米波雷达全屋扫描设备，这些设备在被打开未经授权，禁止复制转载。未经授权，禁止复制转载。后，会将信息通过响应的agent层层上报本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。，最终被中枢确认；之后再发送执行履带滚动【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】的指令，控制电机运转，实现移动和各种硬件【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。设备的控制；最终完成炒鸡蛋，并通知主人任本文作者：唐霜，转载请注明出处。原创内容，盗版必究。务完成。

【作者：唐霜】本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】

我们可以看到，这是一个非常复杂的细节超多原创内容，盗版必究。原创内容，盗版必究。的系统，虽然难度大，但是也不是不可能对吧未经授权，禁止复制转载。【转载请注明来源】。

AI系统设计示意图（注意，这里的中枢层和【作者：唐霜】著作权归作者所有，禁止商业用途转载。Agent的中枢大脑是两个概念）

对于我们开发者，主要是在软件侧做一些事情著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net，不同的硬件传感器它的数据结构是不同的，本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】因此，我们需要有一个针对性的agent来【本文首发于唐霜的博客】原创内容，盗版必究。处理这类传感器的信号。同样，行动端的逻辑著作权归作者所有，禁止商业用途转载。【本文受版权保护】是一样的。有些硬件本身即是传感器也是执行未经授权，禁止复制转载。【转载请注明来源】器，我们需要把这些硬件拆开来看，在概念上【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。它和现实是不同的。

【本文受版权保护】【原创不易，请尊重版权】本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】【作者：唐霜】

在平台端，我们用“事件代理层”来实现具体【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】agent和平台的解耦。我们的平台会对接【版权所有，侵权必究】【原创不易，请尊重版权】无数的agent，通过解耦，我们不需要针【作者：唐霜】原创内容，盗版必究。对不同的agent进行设计，而是提供统一【本文首发于唐霜的博客】未经授权，禁止复制转载。的协议，agent通过协议订阅或发布事件【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。，无需关心自己的所处环境。在信号的传输上【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】，我们设计为单向信息流，这样可以让每一个【未经授权禁止转载】转载请注明出处：www.tangshuang.netagent都只有一个输入和一个输出，以让【版权所有，侵权必究】【转载请注明来源】实现更加简单。由于一项工作具有时间延续性著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】，因此，我们设计任务调度层来维持一个任务未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net队列，通过中枢层来为任务调度提供方案。而【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】且，我考虑到有一种情况是任务在执行过程中【本文受版权保护】【关注微信公众号：wwwtangshuangnet】，由于传感器发现了新的环境变量，此时我们【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】可能需要插入新任务或者立即停止当前任务。

本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。

另外，我们没有让行动端端反馈直接返回给任原创内容，盗版必究。原创内容，盗版必究。务，因为这样就会导致数据流向不再是单向的【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。。我们需要将硬件执行器的反馈转换为感知端本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。的信号，重新发送事件给中枢，由中枢来决定著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。当前的执行是否符合预期。

【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net【作者：唐霜】

通过这一架构，我们可以让Agent被无限【版权所有，侵权必究】【本文首发于唐霜的博客】扩展，而无需调整已有代码。随着agent著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。s的数量越来越多，系统能支持的能力也越来【本文首发于唐霜的博客】未经授权，禁止复制转载。越强。我们只需要利用这些agents来进【作者：唐霜】原创内容，盗版必究。行调用编排，即可实现让系统按需完成我们的【作者：唐霜】【版权所有，侵权必究】任务，例如：

当 @agent1 发生xx时，且 @agent2 状态为xx时，@agent3 执行xxx

基于该指令，平台层可以基于已有的agen未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。ts被无限的设计出特定的功能。

结语【本文受版权保护】

【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。【作者：唐霜】【关注微信公众号：wwwtangshuangnet】

随着我们对人工智能的研究，我们越来越开始【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。理解人类大脑的工作原理。本文通过对复旦论【未经授权禁止转载】【原创不易，请尊重版权】文的解读，提出了一种可以实现自执行的任务本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】处理系统架构。一个agent本身的实现可【原创内容，转载请注明出处】原创内容，盗版必究。以很复杂，但是在概念上，它只是一个“in【原创内容，转载请注明出处】【原创内容，转载请注明出处】put -> agent ->本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。; output”的处理单元，是非常简单著作权归作者所有，禁止商业用途转载。【本文受版权保护】的。随着我们在技术上的深入，我们会越来越著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】接近AI编程。就如上文展示的一样，将来，【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。在AI系统的基础上，我们只需要使用非常简【转载请注明来源】未经授权，禁止复制转载。单的自然语言，就能设计出以目标为导向的任原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net务，而无需关心它的具体实现，以及它的内部转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。原理。如此依赖，即使没有接触过编程的普通本文版权归作者所有，未经授权不得转载。【本文受版权保护】人（甚至是障碍人士）也可以轻松的借助机器转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。完成自己的创意或工作。

【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】【转载请注明来源】

【版权所有，侵权必究】【本文受版权保护】【原创不易，请尊重版权】【本文受版权保护】【转载请注明来源】【原创不易，请尊重版权】【本文受版权保护】【版权所有，侵权必究】【本文首发于唐霜的博客】原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。【转载请注明来源】转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】【作者：唐霜】【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】【原创不易，请尊重版权】本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。【转载请注明来源】【本文首发于唐霜的博客】未经授权，禁止复制转载。【原创内容，转载请注明出处】著作权归作者所有，禁止商业用途转载。【未经授权禁止转载】未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net【版权所有，侵权必究】【未经授权禁止转载】【版权所有，侵权必究】原创内容，盗版必究。【作者：唐霜】【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】转载请注明出处：www.tangshuang.net原创内容，盗版必究。【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。【原创不易，请尊重版权】

2024-03-24 3699 Agent, LLM, 大语言模型

唐霜

面向AI编程：Agent式开发

LLM驱动的Agent本文版权归作者所有，未经授权不得转载。

Agent的构成模块【版权所有】唐霜 www.tangshuang.net

中枢大脑【转载请注明来源】

感知【转载请注明来源】

行动【本文首发于唐霜的博客】

Agent的治理模式著作权归作者所有，禁止商业用途转载。

Single Agent未经授权，禁止复制转载。

Multi-Agents【版权所有】唐霜 www.tangshuang.net

Human-Agent【本文首发于唐霜的博客】

Agent社会性本文版权归作者所有，未经授权不得转载。

AI编程【转载请注明来源】

Agent功能分类原创内容，盗版必究。

AI系统设计【未经授权禁止转载】

AI应用架构【版权所有】唐霜 www.tangshuang.net

结语【本文受版权保护】

为价值买单，打赏一杯咖啡

声明

关于

生态