大模型基础及应用教程课点24 智能体技术

课点24：智能体技术汇报人:大模型基础及其应用开场白大模型为什么会产生幻觉？如何避免？如何解决复杂问题？专业协同智能体=大模型+做专业的事+自主决策智能=感知+理解+决策大模型=感知+理解CONTENT目录智能体体验01智能体概述02AI助手03智能体基本原理04相关概念对比05智能体应用实战0601智能体体验/s/8wer8P57_DY/具身智能Manus2025年3月12日发布manus，整个AI圈都爆炸了，因为来自华东科大的一个中国团队推了一款新的AI

agent的产品。这款产品超乎所有人想象。比如说之前谷歌发的智能体，他是只是在谷歌自己的浏览器里边，帮你去浏览网页，搜集材料什么之类的，OpenAI也发布了Agent，那个也是在他自己的环境下去做的事。

但是，manus干的事是在你电脑上，装完这个软件以后，会形成一个虚拟空间。你提的需求，然后他就会调用多个细分的智能体来共同完成。

比如有一堆简历，筛选到底哪个合适？以前都是人看，现在的话，他把这些东西全部都给到manus。告诉他，我在c盘的的某个目录之下，有三份简历，你要帮我把符合标准的那些筛选出来，并给出相关的判定。然后manus就开始做了运作了。有一个智能体说，他自己是人事，有人说是程序员，有人说……，然后他们开始配合，就在那个虚拟空间里边，就在你的桌面上，他专门弹出一个对话框，在框里边，输入你的需求，他就专门调各个细分的智能体来共同来完成任务，然后就开始写代码，写代码以后，就开始跑代码，跑不通，他又自己来调试，跑通以后，就读取你硬盘里面的这些简历，然后进行分析，最后给你形成了一个报告。哪些应该立马去面试，和有一些东西可以做备选。02智能体概述人工智能发展态势不同时代的物件软件APP和账号Agent大模型时代移动物联网时代PC时代Gartner预测，到2028年，至少15%的日常工作决策将通过智能体自主作出，而2024年这一比例尚为0%。Agent可以看作LLM技术下Prompt工程的进化Agent可以看作编程范式的进化人为中心AI为辅助AI为中心人为辅助Agent作用1、Agent带来人机协作的价值：企业始终寻求提升团队效能，并在团队中解决协调问题。智能体有望成为高效能团队的重要成员。2、让AI从“能说”变成“能做”：如果说ChatGPT是一个聪明的助手，那么Agngt直接进化成了能独立执行任务的专家，ChatGPT只能提供答案，需要人类手动执行后续步骤，而Agent可以从目标设定到最终交付，全程自主完成任务，彻底解放人力，它的出现填补了大模型与实际应用之间的鸿沟。3、软件开发新范式：面向机器-->面向过程-->面向对象-->面向用户--->面向问题Agent作用4、为创业者、为企业提供了更多的变现机会：如果说大模型是属于工程师的技术游戏，那么Agent则是每个普通人都可以尝试的乐高，Agent使普通人都可以尝试搭建AIGC领域应用。Agent作用5、Agent可以做规划：过往的SOP、PDCA、OKR等管理方法可以与Agent进行适配，完成决策。SOP（StandardOperatingProcedure）标准作业程序PDCA通过计划（Plan）、执行（Do）、检查（Check）、处理（Act）四个阶段的循环，不断发现问题、解决问题，从而实现管理的持续优化。OKR通过设定明确的目标（Objectives）和衡量目标达成的关键结果（KeyResults）来驱动组织和个人的行动，实现目标的达成。Agent作用6、Agent革命性地改变了AIGC时代的生产关系。（1）生产主体的重构

在传统的生产模式中，人类是主要的生产主体，而Agent的出现使得生产主体从单一的人类扩展到人机协同的模式。Agent可以像人类一样完成复杂任务，甚至在某些领域超越人类的效率。（2）生产效率的提升Agent能够通过与外部系统的互动和实时数据访问，实现多步骤任务的自动化。例如，一个负责旅行规划的Agent可以通过API检查航班时刻表、预订酒店，并根据用户反馈调整行程。（3）生产关系的重塑Agent的出现改变了人与工具的关系。传统工具仅作为人类的辅助，而Agent则具备自主决策和行动能力，能够与人类协同工作。Agent作用7、Agent成为垂直应用的超级入口：基于自然语言的极简交互将替代很多传统的图形界面交互，形成LUI+GUI的混合形态，未来，诸如硬件入口、汽车入口等，手机制造商可能都会做Agentstore；Agent到底能做什么

举个例子，在传统商业的数据分析中，基本是人工完成。有了AI之后，这样的工作就已经成本非常低了。Agent可以调用不同的模型，用最擅长检索信息的模型去检索信息，用最擅长推理的模型去推理分析，然后再去用最擅长可视化的模型生工程可视化的报告。报告还可以考虑到内行、外行不同的人，怎么能把它说的更明白。所以，Agent在不断的重构，改变我们的这个社会的形态。一般步骤如下：

（1）自主拆解任务，先定义研究方向，明确数据需求。

（2）调用工具自动搜索最新研究分析行业趋势。

（3）生成完整成果，结合数据撰写报告，甚至自动生成图表智能优化。

（4）如果发现数据有矛盾，它会自我调整分析路径，反复优化，确保结果精准。不像传统AI，需要你逐步引导。Agent会自主完成从计划到执行的整个流程。03AI助手助手聊天RPA设计典型案例典型案例典型案例典型案例典型案例典型案例典型案例典型案例典型案例典型案例典型案例典型案例生态圈04智能体基本原理Agent底层逻辑

智能体应该算是2025年一个最火的话题。

并不是所有情况下，我们都是需要agent的。

简单的任务我们根本都不需要考虑agent，大模型的输入输出就解决了。Agent底层逻辑

但并不是所有的问题都是很简单的问题，而且有些问题还真的比较复杂，所以我们想把它写到prompt里面，那prompt本身就会变得相杂的复杂。

举个例子，我们让大模型给我们写一个报告。

那写报告这个事情实际上很难的。首先我们要定义报告的主题，然后是报告的格式，每一个部分应该怎么写。

对于这种任务prompt就会变得稍微的复杂一点，可能会长成这个样子。Agent底层逻辑一般来讲，Prompt越复杂，大模型输出效果就越不理想。相反Prompt越简单，大模型输出效果会更好。如果有跳转逻辑，不易使用prompt描述。比如说在图6.3中，如果第二步没有达到要求，那需要重新生成，如果仍然没有达到要求，就要重新查看第一步。显然这种Prompt是很复杂的，整个大模型也没有办法去满足。所以，对于这类复杂的任务来讲，其实更好的方式就是使用工作流。复杂的任务，我们不得不去把它拆解成一些步骤来实现，并且每个步骤还有更详细的一些要求。目前大模型能力还不足以支撑这么复杂的Prompt。

如果把复杂的Prompt转换成工作流来解决，Prompt大概长成如图所示的样子。Agent底层逻辑控制模块相当于整体的去把控它的质量，决定下一步要做什么事情。比如说，在这个流程可能是他首先让agent1做相应的主题的延展或者去想主题，他做完之后，把结果返返回给这个控制模块，控制模块会检查主题是不是满足要的要求。没有满足的话，把相应的反馈给到agent1，让他去重新改，改完之后再反馈。反馈完OK之后，调用agent2写大纲，直到大纲符合标准为止，接下来再吊桶agent3做其他的事情，所以这里面控制模块起到了校验的作用，派发下一个任务这样的角色。

所以，Agent的一个核心逻辑是我怎么把一个复杂的任务把它拆解，尽量不要超过当前这个agent的能力的范围，就是一定要认清楚当前agent的能力上线。Agent底层逻辑Agent结构Agent结构Agent概念在上世纪70年代就提出来了，但一直都做不到，现在我们有了一个新的组件——LLM。LLM能够像人类一样去思考，能够跟我们正常的沟通对话，理解我们的问题。

大语言模型没有记忆能力。这句话大家很难理解，因为它是一个神经网络，每一层由非常多的神经元构成，神经元会建立很多的，非常复杂的连接，没有任何规律可言。通过一些连接，神经元与神经元之间传递信号，完成对一件事情的处理，完成思考。Agent结构

神经网络里面有一个非常重要的概念，就是权重参数。像一个语言模型性能强弱与参数的多少由关系。一般会认为参数量越大，这个模型能力就越强，这个是成立的，因为参数越多，说明它掌握东西就越多。

接下来，这个模型怎么去进行训练呢？就是拿大量的知识，一个批次，一个批次的把知识投喂给这个模型，神经网络就产生了一个输出output。Agent结构

可以用数学的方式，把output和标准答案之间的差距量化出来，也叫损失函数计算，如果损失比较大，认为模型还没有掌握这个知识，要调整w参数。

调整完参数以后，output就可以和标准答案无限接近了，这就是训练过程。调整完一批次以后，就认为，这一批次的知识，模型已经掌握了。一个模型训练好了，它的参数就被固定下来，不变了。模型所能记住的知识仅限于这些数据，模型给我们提供服务，就是把prompt给他，模型直接通过参数计算输出答案的过程了，他不会再改变参数了。

所以说，神经网络没有产生新的记的能力。多轮对话似乎有记忆，只是模型把一个窗口的信息都作为输入了，这是工程上的问题，也可称为短期记忆。但智能体使大模型具有了长时记忆。有了长时记忆，Agent就能做规划了。Agent结构

为了让Agent做好规划，仅仅依靠提示词工程是不够的。比如说你技术很厉害，你入职一家新公司，你对公司业务背景一无所知，出了问题，老板找你，让你解决，你解决不了。所以，要让模型做出一个高质量的拆解，还需额外给他补充一些知识，这就是长期记忆模块，或者说了解业务背景。Agent结构

什么叫额外知识？比如，做一个客服，是不是需要经过培训才可以上岗，因为，不了解公司业务，怎么服务用户。所以说，训练好的一个再厉害的大模型，你没有公司的业务知识，都需要把你公司的业务知识给到模型。这些业务知识就不像对话数据了，对话数据的有效是基于会话的终止。

补充知识有两种技术手段，一种叫做RAG检索，增强生成。另一种叫做微调。他们两个是自成体系。Agent结构1、RAG

RAG（是“检索、增强、生成”这三个词放在一起）。“检索”就是当我有问题想要去让模型推理的时候，如果模型它所掌握的知识，不具备回答这个问题的能力，就要去从长期记忆里面去找，怎么找呢？就是到参考数据库检索语义相似度高的知识。然后，把问题加上检索知识一起发给模型，并且告诉模型，你用我给你的参考的数据来回答问题，增强了模型的学习能力。比如说，询价这件事情，那我们可以把公司的一些规则，商品的优惠条款，告诉他这件事情后，模型就知道了，用户可能是要去查标价，然后去查询优惠条款等来推理。Agent结构2、微调

微调就是基于一个已经预训练好的模型，通过调整它参数，然后，让模型能够掌握到新的知识，可以说微调是二次训练。但是它这个训练幅度不会很大，就是一些专业的知识，希望他要掌握那些知识。部分参数微调代表是lora，就是给模型原始的大脑冻结住，我们给他一块新的空间，去生成一些新的神经元。然后，去训练它的参数，让模型能够掌握新的知识。同时，对原始这个大脑又不会产生影响。Agent结构

微调也好，RAG也好，目的是让这个模型能够补充新的记忆。让他完成一个高质量的任务的拆解。拆解完成后，self-critics模块能够有一个反思的能力，就是见招拆招。模型有了最开始的规划了，接下来再去解决问题。reflaction模块有一个反馈。还以客服为例，一个人工客服刚上岗的第一天，虽然经过培训，可能还是手忙脚乱，但是，工作一个月以后，工作两个月以后，客服是不是越来越得心应手，遇到问题解决起来越来越快，质量越来越高，这是为什么呢？不是说这个客服能力变强了，而是他积累了经验，见过这些问题，一看到问题，就知道怎么去做，都不用动脑子了。Agent结构

所以，我们人天然有这个学习能力。也希望大模型有这个学习能力。这个反馈跟记忆挂钩，可以把我历史上执行过的任务，用户的任务是什么？我是怎么规划的，以