基于MetaGPT实现一个订阅智能体：第二章 AI Agent知识体系结构

1. 前言

本章任务：

• 了解智能体的定义
• 了解热门智能体案例
• 了解智能体的宏观机会
• 了解智能体与System1&System2

本文中的内容，大都摘录自《MetaGPT智能体开发入门》教程，更多内容请阅读全文。

2. 智能体的定义

代理（Agent）这个词来源于拉丁语“agere”，意为“行动”。现在可以表示在各个领域能够独立思考和行动的人或事物的概念。
智能体（智能代理）是以智能方式行事的代理。Agent感知环境，自主采取行动以实现目标，并可以通过学习或获取知识来提高其性能。可以把单个Agent看成是某个方面的专家。

一个精简的Agent工作流程为：感知 -> 规划 -> 行动

• 感知（Perception）是指Agent从环境中收集信息并从中提取相关知识的能力。
• 规划（Planning）是指Agent为了某一目标而作出的决策过程。
• 行动（Action）是指基于环境和规划做出的动作。
• 其中，Policy是Agent做出Action的核心决策，而行动又通过观察（Observation）成为进一步Perception的前提和基础，形成自主地闭环学习过程。

MetaGPT中对于智能体（Agent）的定义，请参阅文档《基于MetaGPT实现一个订阅智能体：第三章 MetaGPT框架组件介绍》

参考文档：

• 基于大语言模型的AI Agents—Part 1
• GPT Agents 是什么？
• What are GPT Agents? A deep dive into the AI interface of the future

3. 热门智能体案例

23年11月OpenAI推出ChatGPT自定义功能，用户可为特定目的创建自己版本的ChatGPT，被称为GPTs，以构成GPT商店（GPT Store）。GPTs可以单纯通过提示词创建，也可以配合调用工具实现更强大的功能。OpenAI的GPTs，可能是目前最广为人知的智能体。
此外，国内的文心一言、通义千问、腾讯混元等大模型也在自己的APP上推出了能够完成特定任务的智能体，其中文心一言是支持自己定义智能体的。
而MetaGPT，和以上LLM不同，它能够调用各种大模型的API，以编程辅助，实现更自由的智能体定制。

GPTs汇总：

• github - ai-boost/Awesome-GPTs
• github - linexjlin/GPTs
• github - AgentOps-AI/BestGPTs

GPT Agent案例体验：

• Chatgpt Code Interpreter ：代码解释器（Code Interpreter）可以让普通用户（非程序员）用自然语言完成以前需要写代码来完成的复杂工作。
• AgentGPT：基于浏览器的 AutoGPT 实现，例如帮我写一个openai近期新闻的时间线
• Tavily AI：基于浏览器的GPT Research实现
• Perplexity：LLM驱动的agent搜索引擎
• Cursor - The AI-first Code Editor：AI优先的代码编辑器。在专为与人工智能进行配对编程而设计的编辑器中更快地构建软件。

更多agent项目和产品，请参阅github - e2b-dev/awesome-ai-agents

4. 智能体的宏观机会

99%的互联网入口将由App变为智能体：人类感知的字节数降低到极限

信息技术革命沿着，门户->搜索->推荐->Agent演变；本质是人类需要操作的字节数在迅速变少。比如一个调研需求，人类需要搜索、阅读100个页面再做总结，但Agent可以自己做完这个流程，人类阅读结果就可以。以此类推，订票、购物、搜索、IM等大部分流程都可以交给Agent做
软件的需求依然会持续存在，但入口将被Agent接管。软件仅做为数字世界的一部分被感知、做为部分API被使用。

社会协作变革：虚拟员工进入企业，红杉预计 智能体数量 五年后和人类1比1

AI Agent是新的高级物种，为了实现类人智能，大语言模型实现了人脑的20%，我们需要构建AgentStack补齐剩余的80%
补齐之后，Agent就可以直接供给生产力，并且同类问题的平均解决成本在人类的1%以内，效率平均在100倍以上

5. 智能体与System1&System2

Andrej Karpathy说：
诺贝尔经济学奖得主丹尼尔卡尼曼在《思考快与慢》中提出，人的认知系统包含System1和System2两个子系统。System1主要靠直觉，而System2是逻辑分析系统。
通俗来说，System1是一个快速自动生成的过程，而System2是经过深思熟虑的部分。

例如，如果我问你 2+2 等于多少，你实际上并没有做数学计算。你只是告诉我它等于4，因为这是可用的，已经存在于你的大脑中，是本能的。
但是当我问你 17*24 等于多少时，你并没有准备好这个答案，所以你会启动你的大脑的另一部分（系统2），这部分更加理性，更加缓慢，进行复杂的决策，感觉更有意识。你不得不在脑海中解决这个问题，然后给出答案。
另一个例子是，如果你们中的一些人可能下象棋，当你进行快速象棋比赛时，你没有时间思考，所以你只是根据直觉移动棋子。这时大部分由你的System1 来处理。但如果你在比赛中，有更多时间来思考，那么你会更多地参与到决策中，你会感到自己在建立可能性的树，这是一个更有意识、更费力的过程。你必须在脑海中解决问题并给出答案。

现在事实证明，LLM 目前只有System1。它们只有这个本能部分，它们不能思考并推理出各种可能性。
所以很多人认为，创建一种思考的树状结构，赋予 LLM System2的能力让它们更深入地思考问题，反思和重新表述，LLM的答案会更好。