在刚刚结束的红杉资本 AI 峰会上，六分钟时间，LangChain 作者 Harrison Chase 分享了 Agent 智能体的未来发展方向，并指出 Agent 智能体的三大关键方向：规划（Planning）、用户体验（UX）、记忆（Memory）。
—1—
规划（Planning）
规划（Planning）是指 Agent 智能体能够预先考虑多个执行步骤，并确定最佳行动方案的能力。这对于完成复杂的任务至关重要，比如：预订旅行、撰写报告、安排行程等。
但是大语言模型（LLM）的规划能力还比较有限，可能会存在一定的幻觉问题，主要依靠以下两种方法来增强：
第一、外部提示词（Prompt）策略
开发者通过设计特定的提示词，引导大语言模型进行规划。例如，可以要求大模型在执行每个步骤之前，先列出所有可能的步骤并进行评估。
第二、流程工程（Flow Engineering）
通过设计预定义的流程图或状态机，将任务分解成多个z执行步骤，并明确每个步骤的执行条件和顺序。这可以帮助大语言模型更好地理解任务，并做出更合理的规划。
当然，以上两步都是暂态的解决方式，未来随着大语言模型能力的提升，它们或许能够自主进行更加有效的规划，而不再需要外部提示词策略或流程工程的辅助。
—2—
用户体验（UX）
接下来我想聊聊的是 Agent 智能体的用户体验。用户体验是指用户在使用 Agent 智能体时的感受和体验。良好的用户体验应该让用户感到舒适、便捷和高效。我很喜欢 Davin（爆火的 AI 程序员）的用户体验，尤其是 Rewind（倒带，回到之前任意时刻并编辑代码或其所属状态）的功能，以便让它做一个更加明智的决定。
我认为这是一个非常强大的用户体验设计，LangChain 也尝试在做这方面事情。Agent 智能体的用户体验尚待优化，主要问题有三：第一、受大语言模型局限，存在误判和理解难题，易致用户困惑与不满；第二、是可控性不强，用户往往不能精细地控制 Agent 智能体的行为，可能导致意外行为；因此，未来优化 Agent 智能体体验需聚焦三点：第一、升级大语言模型与数据，增强准确理解和执行能力，降低出错率；第二、增加用户控制选项，比如：回溯编辑、设定安全界限，提升可控性；第三、运用用户数据实现深度个性化，比如：依据用户偏好推荐内容及调整行为模式。 —3—
记忆（Memory）
记忆是 Agent 智能体储存和运用信息的关键能力，在执行各类任务中扮演核心角色，有两种记忆形式：第一、程序性记忆（Procedural Memory）记忆如何正确地执行任务，比如：如何预订机票、如何撰写电子邮件。
第二、个性性记忆（Personalized Memory）
记忆所有关于（使用该 Agent 的）用户的所有事件，可能不一定会带来更正确的结果，但可以让用户的整体体验更佳。
目前 Agent 智能体的记忆功能还比较简单，主要依靠以下两种方式实现：第一、存储在数据库中：将知识存储在外部数据库中，比如：Milvus 向量数据库，并在需要时进行检索。第二、嵌入大语言模型中：将知识嵌入大语言模型的参数中，使大语言模型能够在生成文本时使用这些信息。未来，开发者须研发更强记忆系统，使 Agent 智能体能存储和处理多样信息，如同人类般灵活运用记忆，比如：按情境任务选择提取、融合新旧记忆，生成新知识与理解。为了帮助同学们彻底掌握大模型的 Agent 智能体、向量数据库、RAG 的应用开发、部署、生产化，今晚20点我会开一场直播和同学们深度剖析，请同学们点击以下预约按钮免费预约。
粤ICP备14082021号
免费POC，
零成本试错
