一、 大模型的局限性

大模型本身存在下面的几个问题：幻觉（虚假信息，不符合实际）、时效性（训练数据过时，不能实时更新）、可靠性（对于复杂任务，可能错误输出）

 而大模型本身是很难自行解决以上的三个问题，这就需要用到下面介绍的智能体了

二、智能体概述

智能体可以通过学习和优化算法，不断提升自身的性能。它们可以从历史数据中学习经验，并结合实时数据做出决策，从而确保其输出的准确性和时效性。此外，智能体还可以通过与用户的交互，不断完善自己的知识和能力，以更好地满足用户的需求。

因此，智能体的存在对于解决大语言模型的局限性具有重要意义。它们可以为用户提供更加可靠、准确和智能的服务，推动人工智能技术的进一步发展。

 

智能体范式是计算科学领域中的一个重要概念，特别是在多智能体系统（Multi-Agent Systems, MAS）中。智能体通常被定义为驻留在某一环境下，能持续自主地发挥作用，具备驻留性、反应性、社会性、主动性等特征的计算实体。这些智能体可以是个体，也可以是软件程序，它们能在共享环境中相互作用、通信、协作或竞争，以完成任务或解决问题。

 

 

 

 

 

三、介绍几个现行的智能体框架 

1、Lagent

Lagent不就是集成支持多种智能体范式的轻量级开源智能体框架，支持多种智能体范式和多种工具

2、AgentLego

AgentLego是一个多模态工具包，像堆乐高一样，可以快速便捷的拓展自定义工具，组装自己的智能体；支持多个智能体框架（Lagent\LangChain\Transformers Agents）

提供了大量的视觉和多模态的前沿算法

3、两者关系

AgentLego为Lagent提供了更多的工具和算法支持，帮助Lagent更好地完成复杂的任务。而Lagent作为一个智能体框架，为AgentLego提供了一个应用平台，使得AgentLego的工具和算法能够在实际应用中发挥作用。两者协同工作，共同实现智能体的构建和功能增强。（一个是工具，一个平台框架）

 实战部分详见上一篇博客：书生浦语大模型实战训练营--第二期第六节--Lagent & AgentLego 智能体应用搭建--homework-CSDN博客