摘要
本文是台大教授李宏毅关于 AI Agent 课程的文字稿，深入浅出地介绍了 AI Agent 的概念、运作方式以及如何利用大型语言模型 (LLM) 构建 AI Agent。文章首先明确了 AI Agent 的定义，即在人类只给定目标的情况下，AI 能够自主规划并执行多个步骤以达成目标。接着，文章详细阐述了 AI Agent 的运作流程，包括观察环境、分析状况并采取行动，循环往复直至目标达成。文章强调 LLM 是当前 AI Agent 发展的重要驱动力，并分析了其优势，例如行动的无限可能性和无需手动设定 reward。文章还探讨了 RAG 技术在 AI Agent 记忆和学习中的关键作用，并列举了多个 AI Agent 的应用实例，包括 AI 村民、AI 使用电脑以及 AI 训练 AI 模型。此外，文章还强调了 AI Agent 根据经验调整行为的重要性，并介绍了利用 RAG 技术实现长期记忆的方法。总的来说，本文内容全面、深入，是理解 AI Agent 及其未来发展方向的优质教材。
核心要点
- :
- :
- :
- :
金句
「AI agent 的意思是说，人类不提供明确的行为或步骤的指示，人类只给 AI 目标，至于怎么达成目标，AI 要自己想办法。」
「今天 AI Agent 又再次被讨论，是因为人们有了新的想法 ------ 我们能不能够直接把 Large Language Model，把 LLM 直接当成一个 AI Agent 来使用呢？」
「所谓 AI agent 意思就是依靠现在语言模型已经有一定程度的通用能力，看看能不能够直接把它们当作 agent 来使用。」
「让一个 AI agent 记住它一生所有经历的事情，告诉他每次做一个决策的时候，都是根据你一生所有经历过的事情再去做决策，也许对 AI agent 来说并不是一件好事。」
「与其告诉语言模型不要做什么，不如告诉他要做什么。如果你希望它文章写短一点，你要直接跟它说写短一点，不要告诉它不要写太长。」
原文链接：https://mp.weixin.qq.com/s/d5FnSATz3tPfCOu2a53uKQ
来源：Datawhale