《垂直领域大模型构建技术及行业应用》课件第5章-AI Agent

第5章AIAgent开发汇报人:XXX第5章AIAgent开发

AIAgent是一种能够根据环境变化进行自主决策和执行任务的智能实体，经过多年发展，已进化成能够通过思考框架、任务规划、调用工具等手段逐步完成人类给定的目标。随着大模型能力的突飞猛进，为构建更强大、更专业、更贴近行业需求的垂直领域AIAgent提供了前所未有的核心驱动力。目录

一AIAgent基础知识02通用大模型能力边界四AIAgent趋势及挑战三垂直领域AIAgent开发方法二垂直领域AIAgent技术框架目录

一AIAgent基础知识02通用大模型能力边界四AIAgent趋势及挑战三垂直领域AIAgent开发方法二垂直领域AIAgent技术框架一、AIAgent基础知识（一）Agent的基本概念

Agent，中文直译为“代理”，亦称智能体。AIAgent特指基于人工智能技术的智能体，是一个具备自主性、感知能力和执行能力的系统，能够在复杂、多变的环境中与外界交互，并完成预定任务。本章所述的Agent均是指AIAgent。Agent具有一定的独立决策能力，能够在没有人工干预的情况下，基于收集到的信息进行逻辑判断和行动。一、AIAgent基础知识（一）Agent的基本概念Agent特点：将多种功能进行有效的封装，使得用户无须深入了解背后的技术细节，就能够便捷地使用这些功能。01封装了多种功能封装不仅简化了用户的操作流程，还提高了任务执行的效率和准确性。一、AIAgent基础知识（一）Agent的基本概念Agent特点：允许用户以自然语言的形式输入自己的需求，而不必提供一系列完整的操作指令。02对用户简单友好降低了用户的使用门槛，使得非技术背景的用户也能够轻松上手。一、AIAgent基础知识（一）Agent的基本概念Agent特点：无论是个人用户还是企业用户，都可以根据自己的需求灵活地开发使用Agent。03应用范围广泛Agent可以被集成到各种应用程序和服务中，从而提升工作流程的自动化水平和个性化服务能力。一、AIAgent基础知识（一）Agent的基本概念Agent特点：借助自然语言处理技术和Agent开发平台，开发Agent对开发者的技术要求大幅降低。04开发难度相对较低不擅长编程的开发者甚至可以采用零代码可视化模式进行开发。（二）Agent的发展历程一、AIAgent基础知识在AI研究的早期阶段，主要采用的是符号AI法。该方法采用逻辑规则与符号表示来封装知识，旨在模拟人类思维方式，提升推理能力。01符号Agent阶段具有明确的推理框架和较强的表达能力，在处理不确定性和大规模现实世界问题时，呈现出一定的局限性，而且由于符号推理算法较复杂，很难找到一种能在有限的时间内产生有意义结果的高效算法。（二）Agent的发展历程一、AIAgent基础知识主要关注Agent与环境之间的交互，强调快速和实时响应。基于“感知-行动”循环，高效地感知并响应环境变化。02反应式Agent阶段设计这类Agent优先考虑直接的输入—输出映射，能实现更快响应，然而缺乏复杂的高级决策制定和规划能力。（二）Agent的发展历程一、AIAgent基础知识随着计算能力和数据可用性提高，研究人员开始使用强化学习方法来训练Agent。深度强化学习将深度学习的强大表征能力引入强化学习中。基于深度神经网络架构，能够处理高维的输入数据。03基于强化学习的Agent阶段优势在于其能够让Agent在未知环境中自主学习，无须明确的人为干预，但是强化学习面临训练时间长、样本效率低和稳定性差等挑战。（二）Agent的发展历程一、AIAgent基础知识引入了迁移学习来加快Agent在新任务上的学习速度。迁移学习减少了在新任务上训练的负担，并促进了不同任务间知识和经验的共享与迁移，从而提高了学习效率、性能和泛化能力。04带有迁移学习和元学习的Agent阶段当面对新任务时，可以利用已获得的通用知识和策略迅速调整其学习方法。然而，当源任务和目标任务之间存在显著差异时，迁移学习的有效性可能达不到预期，并且可能存在负迁移。（二）Agent的发展历程一、AIAgent基础知识将大模型作为Agent的“大脑”，通过多模态感知和工具使用等策略扩展它们的感知与执行能力。05基于大模型的Agent阶段

Agent目前被视为实现通用人工智能的理想工具，随着Agent的发展进入第五个阶段，利用拥有数十亿甚至数千亿个参数的大模型，可以构建更智能的AI系统。Agent与大模型的结合Agent整合大模型智能与工具，自主学习优化以高效执行复杂任务。大模型推动Agent技术演进大模型驱动Agent升级，赋能智能系统灵活演进。大模型提升Agent语言处理能力大模型以深度语义理解与生成能力，强化Agent对话精准度。大模型与Agent结合的进化大模型与Agent融合实现智能进化，主动调用工具解决现实问题。（三）Agent与大模型的关系一、AIAgent基础知识（四）Agent能力评估一、AIAgent基础知识

Agent具备很多优势，但并不是所有Agent都能高效完成任务以及使用工具。Agent的运行非常有必要引入评估体系，这是确保Agent有效、准确并高效地完成任务的重要手段。（四）Agent能力评估一、AIAgent基础知识图灵测试是一种非常有意义且前景广阔的Agent评估方法，可用于评估人工智能系统是否能表现出类似人类的智能。但将这种测试方法用于当前的Agent，会过于模糊、笼统和主观。（四）Agent能力评估一、AIAgent基础知识中国人民大学高瓴人工智能学院的Agent评估方法，区分主观评估和客观评估。01复旦大学NLP团队的Agent评估方法，主要关注实用性、社会性、价值观以及后续能力四个方面。02目录

一AIAgent基础知识02通用大模型能力边界四AIAgent趋势及挑战三垂直领域AIAgent开发方法二垂直领域AIAgent技术框架二、垂直领域AIAgent技术框架（一）3层主要结构感知模块、决策模块与执行模块，是Agent智能行为的骨架，支撑着其与环境的交互和自主决策。每个模块在系统运行时承担不同的角色，并通过彼此之间的配合实现Agent的完整功能。3层主要结构二、垂直领域AIAgent技术框架（一）3层主要结构感知模块执行模块执行模块将决策转换为实际的操作，需要确保任务的顺利完成。感知模块是Agent的输入层，负责收集和处理外部环境中的信息。决策模块决策模块是Agent的核心，负责根据输入的信息选择最优的行动决策。二、垂直领域AIAgent技术框架（二）5个关键组件推理能力主要源于底层大模型，大模型在其中发挥着规划和反思两大作用。大模型01通过感知环境、分析信息，制定行动方案。规划02在多个用户交互和会话中存储上下文和反馈，保持上下文连贯性，并且在处理复杂任务时积累和调用历史消息。记忆03借助外部工具拓展能力。工具04将规划、记忆和使用工具转化为实际结果。行动05二、垂直领域AIAgent技术框架（三）7类典型认知框架

ReAct（ReasoningandActing）框架下，大模型可以根据逻辑推理（Reason）、构建完整的行动（Act），从而达成期望目标。ReAct是一个基于大模型的复杂任务自主规划处理框架，利用了大模型的续写能力，通过逐步生成与任务相关的推理步骤和具体操作来完成复杂任务。01ReAct二、垂直领域AIAgent技术框架（三）7类典型认知框架思维链（CoT）是用于提升大模型推理能力的提示工程框架，通过组织大模型的推理过程，以解决复杂问题。CoT除了任务输入/输出，还包括提示中推理的中间步骤。CoT的核心思想是引导大模型逐步展开其思考过程，从而提高大模型执行复杂任务的精准性。02CoT二、垂直领域AIAgent技术框架（三）7类典型认知框架

ToT以树形形式展开思维链，探索从一个基本想法产生的多个推理分支。与CoT的链式推理相比，ToT具备分支的推理能力，以树的形式组织其推理过程，有助于使用不同的思维路径。03ToT二、垂直领域AIAgent技术框架（三）7类典型认知框架函数调用（FunctionCalling）是由OpenAI公司提出的一种AI应用开发框架。在这种框架中，大模型被用作调用预定义函数的引擎。这里的预定义函数可以用于API调用、数据库查询或其他程序化任务。04函数调用二、垂直领域AIAgent技术框架（三）7类典型认知框架第一步：用户向大模型发送自然语言请求第二步：大模型识别需要调用外部函数并生成JSON格式参数第三步：将函数调用请求发送至相应的API服务第四步：API返回结果数据第五步：大模型将结果转换为用户友好的自然语言回复二、垂直领域AIAgent技术框架（三）7类典型认知框架FunctionCalling的关键组件包括：●函数定义：描述函数名称、参数、类型等；●参数生成：大模型根据用户输入生成相应参数值；●JSON格式化：以结构化格式输出函数调用参数；●结果处理：解析API返回结果并生成自然语言回复。二、垂直领域AIAgent技术框架（三）7类典型认知框架计划与执行（Plan-and-Execute）框架侧重于先规划一系列的行动，然后再执行。这种框架使大模型能够先综合考虑任务的多个方面，然后按计划行动，适用于复杂的项目管理或需要多步骤决策的场景。05计划与执行二、垂直领域AIAgent技术框架（三）7类典型认知框架自问自答（Self-Ask）框架允许大模型对自己提出问题并回答，以此来深化理解和提高回答质量，这种框架在需要深入分析或创造性解决方案的应用中非常有用。06自问自答二、垂直领域AIAgent技术框架（三）7类典型认知框架也称为Self-Reference架构。基于“批判”和“修正”两个核心步骤，通过不断迭代改进来提高系统的性能和决策质量。在批判步骤，系统会评估当前的决策或行为产出，并识别出其中的问题或不足之处。在修正步骤，基于批判步骤中识别的问题，系统在这一步骤中会调整其决策过程或行为策略，以期提高输出质量。07批判修正目录

一AIAgent基础知识02通用大模型能力边界四AIAgent趋势及挑战三垂直领域AIAgent开发方法二垂直领域AIAgent技术框架三、垂直领域AIAgent开发方法（一）Agent的开发流程01需求分析与任务定义开发Agent前需要明确系统的任务目标与使用场景，以确定Agent的核心功能。02系统架构设计根据需求，设计Agent的整体架构，包括感知、决策和执行模块的功能划分，以及模块之间的通信机制。03模块开发与集成各模块的开发通常采用并行方式进行，开发完成后，需要将各模块集成，并测试模块间的数据传递和逻辑关系。04系统测试与优化系统测试通过功能、压力及用户体验测试发现问题，持续优化提升稳定性。05持续监控与更新迭代通过持续监控收集数据，并定期更新与优化，确保其始终满足业务需求。三、垂直领域AIAgent开发方法（二）Agent的开发协议Anthropic推出MCP协议，统一大模型与外部系统通信，拓展AI功能。MCP简介统一数据访问协议减少敏感数据直接接触，降低泄露风险，支持跨组织高效整合与调用。标准化接口设计MCP通过标准化接口实现AI安全访问本地及远程数据，解决数据孤岛问题，提升模型效能。MCP核心目标0203系统、管理或流程差异导致数据分散存储于不同数据库或部门，形成数据孤岛，限制AI模型潜力。数据孤岛挑战01三、垂直领域AIAgent开发方法（二）Agent的开发协议资源访问机制MCP协议架构0103本地资源通过安全协议供Server调用，远程资源支持跨网络连接，均需通过MCP协议实现结构化访问控制。MCP基于客户端-服务器架构实现交互，包含Hosts、Clients、Servers三大核心组件及本地与远程资源模块。02MCPHosts为发起请求的大模型应用，Clients与Server保持1:1连接，Servers提供上下文、工具及Prompt服务。MCP组件定义MCP的优势：提供统一标准接口，灵活对接多源工具，提升安全性及扩展性。三、垂直领域AIAgent开发方法（三）Agent的开发模式大模型技术与以往技术的最大不同就在于，人们通过自然语言就可以使用大模型，促使Agent开发模式也可以走向零代码可视化模式。01基于零代码模式的Agent开发三、垂直领域AIAgent开发方法（三）Agent的开发模式大模型技术与以往技术的最大不同就在于，人们通过自然语言就可以使用大模型，促使Agent开发模式也可以走向零代码可视化模式。01基于零代码模式的Agent开发国内的Agent开发平台，如扣子（Coze）、文心智能体平台等，已经可以实现零代码开发功能多样的Agent。三、垂直领域AIAgent开发方法（三）Agent的开发模式扣子平台资源库

扣子是字节跳动推出的Agent开发平台，其编排页面包含了Agent编排模式、大模型、人设与回复逻辑、技能、知识库、记忆、对话体验、角色语音、预览与调试等Agent设计模块。三、垂直领域AIAgent开发方法（三）Agent的开发模式以FunctionCalling为例，主要讲解基于代码模式的Agent开发。使用FunctionCalling，开发人员可以编写函数的描述和函数的实现代码，并让大模型智能地选择输出包含参数的JSON对象来让应用调用这些函数，是一种更可靠地将大模型与外部工具、API连接起来的方法。02基于代码模式的Agent开发三、垂直领域AIAgent开发方法（三）Agent的开发模式由LangchainAgent驱动的大模型系统设计架构

在构建Agent时，Langchain可以作为一个强大的框架来整合不同的AI模型和工具，提供更