引言

在 2024 年稀土开发者大会上，百川智能的马宝昌先生分享了百川在 AI Agent 领域的最新探索与思考，展示了百川如何通过大模型技术的创新推动 Agent 应用的发展。这次演讲涵盖了从 AI 基础技术、强化学习、多模态模型，到具体的 Agent 应用场景的深入探讨，揭示了 AI Agent 的巨大潜力和发展方向。

本篇文章将深入解析百川智能在 AI Agent 方面的技术框架和应用探索，结合马宝昌先生的分享，为大家提供一个系统化的技术视角。

百川智能简介

百川智能成立于 2023 年 4 月 10 日，由前搜狗 CEO 王小川和他的创业团队共同创立。公司的使命是让大众能够轻松获取世界知识和经验，致力于构建能够为人类服务的 AI 技术。成立不久后，百川智能迅速推出了多个商用大模型，包括百川 7B、13B 等，成为中国 AI 行业内的领先者之一。

百川的技术研发不仅专注于大模型的开发，还将重点放在 AI Agent 的实际应用上，例如推出的 NPC 模型以及百小应等产品。这些产品通过大模型技术与多模态融合，提升了 AI 在不同场景中的实用性和交互能力。

AI Agent 的基础技术

1. 提升模型能力

AI Agent 作为大模型应用的一个新方向，其核心在于提升大模型的能力和降低应用成本。首先，在提升能力方面，强化学习和多模态技术是两个重要手段。通过 PPO、DPO 等强化学习技术，可以显著提高大模型在处理复杂任务时的表现。此外，模型从文本理解拓展到多模态（如图片、表格等），进一步增强了其逻辑推理和认知能力。

2. 降低应用成本

降低大模型应用成本的关键在于模型的结构优化。百川智能利用专家模型（MOE，Mixture of Experts）技术来提高训练和推理效率，尤其在推理规模达到万亿参数甚至更大时，MOE 是不可或缺的。云结合技术则通过在不同环境下调度大小模型，以更好地实现性能和成本的平衡。

3. 大模型操作系统架构

百川智能提出了一套完整的大模型操作系统架构，旨在使大模型能够通过工具、记忆和交互实现复杂任务的执行。该架构包括输入、模型的记忆模块、工具调用能力、搜索增强等，保证模型不仅能理解用户的输入，还能通过外部工具和知识库来扩展其能力。例如，通过调用搜索引擎或代码解释器，Agent 可以生成更复杂的结果和执行任务。

百川智能的 AI Agent 实践探索

1. 搜索增强技术

在实际应用中，百川智能的 AI Agent 通过与外部搜索引擎和知识库的结合，显著提升了模型的时效性和知识覆盖范围。例如，在遇到时效性较强的问题时，Agent 能够判断是否需要进行外部搜索，并通过多轮搜索优化来确保获取最相关的结果。

百川智能还为企业内部提供了自建搜索引擎的解决方案，帮助企业整合其内部知识资源。通过倒排索引和向量检索的结合，百川智能实现了企业级知识库的多路检索，提升了搜索的准确性和效率。

2. 数据分析中的 Agent 应用

百川智能与舒适科技合作，在数据分析任务中构建了一个更为可靠的 SQL 生成系统。与传统的自然语言到 SQL 转换相比，该系统通过大模型进行意图理解和逐步拆解查询需求，显著提高了 SQL 转换的准确性，并避免了长查询导致的性能瓶颈。

3. NPC 角色生成与定制

在 NPC 模型的探索上，百川智能通过搜索技术简化了角色创建的流程，尤其是对于一些知名的 IP 角色，可以通过预设的模板快速生成角色设定，大幅降低了人工配置的成本。此外，通过系统提示词的优化和强化学习的引入，百川智能能够在 NPC 模型中实现角色的个性化定制，满足不同场景下的应用需求。

AI Agent 的未来展望与挑战

1. 端云结合的探索

随着终端设备算力的提升，百川智能致力于将大模型的部分能力下放至本地终端设备，实现端云结合的 Agent 系统。终端设备可以通过本地模型处理一些低复杂度任务，而云端则处理更为复杂的逻辑推理和任务拆解。这种端云结合的方式不仅提升了系统的可靠性和响应速度，还增强了数据隐私的保护能力。

2. 个性化与增强学习

在未来的发展中，百川智能计划继续探索个性化模型的定制以及通过 DPO、PPO 等强化学习算法优化 Agent 的性能。通过不断调整和优化大模型的能力，Agent 将能够在更多垂直领域中展现出其强大的应用潜力。

结语

AI Agent 作为大模型技术的前沿应用，已经在多个行业中展现出巨大的潜力。百川智能通过多模态、强化学习、搜索增强等技术的结合，不断推动 Agent 在实际场景中的落地和发展。在未来，随着大模型能力的不断提升和端云结合技术的进一步成熟，AI Agent 将会在更多复杂场景中扮演重要角色。

百川智能也将继续秉持其“普惠知识”的使命，通过技术创新帮助更多人轻松获取世界知识，为人类创造更大的价值。