2025QECon全球软件质量效能大会：驱动GUI智能体从智能化到高效化的实践探索_第1页
2025QECon全球软件质量效能大会：驱动GUI智能体从智能化到高效化的实践探索_第2页
2025QECon全球软件质量效能大会：驱动GUI智能体从智能化到高效化的实践探索_第3页
2025QECon全球软件质量效能大会：驱动GUI智能体从智能化到高效化的实践探索_第4页
2025QECon全球软件质量效能大会：驱动GUI智能体从智能化到高效化的实践探索_第5页
已阅读5页，还剩39页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

驱动Gul智能体从智能化到高效化的实践探索蒋文嘉｜西湖大学AGI实验室基于LLM的Agent传统LLM与人进行简单交互（单一环境交互）1.可以与环境有限互动，强依赖prompt2.能完成简单的问答任务，无法处理复杂的多模态数据Agent具备感知与行动能力（与环境持续交互）1.可以循环的完成对环境的感知，并作出反应2.自主规划、反思、决策和执行LLM模型vs.Agent比较维度LLM模型Agents知识来源仅限于训练数据中的内容，无法访问外部实时信息。通过集成外部工具和系统，扩展了知识获取能力。交互与上下文管理基于单轮查询，不具备会话或上下文管理能力。可以管理会话历史，支持多轮推理与复杂任务处理。工具集成能力本身不具备工具调用机制，需用户额外设计。原生支持工具集成，能够调用各种工具执行任务。逻辑与推理能力没有原生逻辑层，需通过提示词或外部框架设计逻辑。内建认知架构，支持链式思维（CoT）、反思-行动（ReAct)等推理框架。AI智能体的演进感知决策感知决策执行Agent需求与挑战学界和业界的挑战囗缺乏长期记忆和规划能力囚无法处理动态变化的任务囚推理计算成本高学界和业界的挑战囗缺乏长期记忆和规划能力囚无法处理动态变化的任务囚推理计算成本高大家想象中的Agent然而，目前多数智能体仍是增强版Chatbot，仅能完成静态指令，而无法Agent路线的异同APIAgent高效开发者友好VSManusAppleIntelligenceGUIAgent类人操作通用性强AppAgentXWebVoyager与其为不同场景指定不同的工具，不如让Agent学会使用现有的所有软件。智能化的挑战解析LLM的输出LLM:….needtoclicktheplaybuttoninthebottomrightcornerof动作空间的设计APPAgentAPPAgentDemo×局限：对动态布局和图层渲染敏感，缺乏语义理解能力伦结构化解析+OCR检测，融合视觉与语义信息，提高乌采用纯视觉方法（如Omniparser/Ferret-UI），实APPAgentv2“Firstdoitright,thendoitfast.”—JonBentley(1986年《编程珠玑》作者提出)泛化的学习能力知道页面的跳转逻辑能够猜测元素作用习惯性动作的肌肉记忆下拉刷新侧滑菜单QEAPPAgentx对于页面以及操作的含义使用LLM的视觉“存”的目的是“取”在进行采样推理的过程中，会进行滑这样存储下的动作链条，具有了更强过合适的Shortcut跳跃连接，我们可AppAgentX显著降低了平均每一步的执这是因为AppAgentX利用进化机制完成人机交互方式的革命数字员工与超级助理软件测试与用户调研引入动作轨迹存储与高级动作复用，使得Agent能像人类一样理解并适应UI，从而实现泛2.高效执行源自记忆重用与推理压缩：通

人人文库> 全部分类> 应用文书 > 研究报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论