论文：

Generative Agents: Interactive Simulacra of Human Behavior

shadow

前阵子在一场线下活动，我们展开了对生成式智能体的分享和研讨，同时也介绍了Earth在实现智能体系统的思考和实践。

最近有一篇文章把LLM驱动的智能体的构成讲解的很清楚，基于LLM，意味着自然语言作为一种接口，串联了系统的各个模块，我们尤其要关注自然语言的写法（Prompt工程）。全文字数比较多，我提取了我比较关心的要点（尤其是prompt相关的）

https://lilianweng.github.io/posts/2023-06-23-agent

以下为原文精简后的整理：

AutoGPT、GPT-Engineer和BabyAGI等几个项目，演示了以LLM（大语言模型）作为核心控制器构建智能体的可行性。

# 智能体

在 LLM 支持的智能体系统中，LLM 充当大脑，并由几个关键组件组成：

- 规划

• • 子目标和分解：将任务分解为更小的、可管理的子目标，从而能够有效处理复杂的任务。

  • 反思和完善：可以对过去的行为进行自我批评和自我反思，从错误中吸取教训，并针对未来的步骤进行完善，从而提高最终结果的质量。

任务分解可以通过:

(1) 通过 LLM 进行简单提示，如"Steps for XYZ.\n1."、"What are the subgoals for achieving XYZ?"、 

(2) 通过使用特定于任务的指令；例如，"Write a story outline."用于写小说

(3) 人工输入。

- 记忆

• • 短期记忆：上下文学习都是利用模型的短期记忆来学习。

  • 长期记忆：长时间保留和回忆（无限）信息的能力，通常是通过利用外部向量存储和快速检索。

可以粗略地对应起来：

• 感觉记忆作为原始输入的学习嵌入表示，包括文本、图像或其他形式；

• 短期记忆作为情境学习。它是短且有限的，因为它受到 Transformer 有限上下文窗口长度的限制。

• 长期记忆作为代理在查询时可以处理的外部向量存储，可通过快速检索进行访问。

- 工具使用

• • 智能体学习调用外部 API 来获取模型中缺失的额外信息，包括代码执行能力、对专有信息源的访问等。

一种典型做法是 LLM 作为路由器将查询到最合适的专家模块（包括API调用注释）

HuggingGPT的提示工程（关键提示摘录）：

任务规划：

任务必须从以下选项中选择：{{可用任务列表}}。任务之间有逻辑关系，请注意他们的顺序。如果用户输入无法解析，则需要回复空JSON。

模型选择：

仅输出最合适模型的模型id。输出必须采用严格的 JSON 格式：{“id”：“id”，“reason”：“您选择的详细原因”}。我们有一个模型列表供您从{{候选模型}}中进行选择。请从列表中选择一种id。

AutoGPT的提示工程：

- 当前的一些技术限制

• 上下文长度有限：上下文容量有限，限制了历史信息、详细说明、API 调用上下文和响应的包含。系统的设计必须适应这种有限的通信带宽。尽管向量存储和检索可以提供对更大知识库的访问，但它们的表示能力不如大模型那么强大。

• 长期规划和任务分解的挑战：长期规划和有效探索解决方案仍然具有挑战性。LLM 在遇到意外错误时很难调整计划。

• 自然语言接口的可靠性：当前的智能体依赖自然语言作为LLM与外部组件（例如工具）之间的接口。然而，模型输出的可靠性不稳定，LLM 可能会出现格式错误，并且偶尔会拒绝遵循指示。

- mixcopilot 解决方案

针对技术限制，我们认为一套好用的分解、测试任务的工具显得格外重要。特别是模型输出不稳定的问题，我们的工具可以随时人为干预模型输入和输出。

【视频演示】

扫码

加入智能体社群