Agent

原文：[LLM Powered Autonomous Agents

Lil’Log (lilianweng.github.io)](https://lilianweng.github.io/posts/2023-06-23-agent/)

Agent系统概览

在一个LLM驱动的自动Agent系统中，LLM作为agent的大脑，由几大组件补完：

planning

• 小目标分解：将大任务拆分成小的可以管理的小目标，使其能处理复杂任务
• 反思和改进：Agent能通过过去的行为进行自我批评和自我反思，从过去错误学习经验并在未来改进。

memory

• 短期记忆：所有上下文的学习都是通过模型的短期记忆进行学习
• 长期记忆：通过向量库等方法，使Agent能够记住额外的信息

tool use

• agent能够调用外部的api来获取更多信息

Planning

任务分解

• Chain of thought(CoT)，一个常用的提示语工程技巧，让模型一步一步思考。

• tree of thoughts，对cot的扩展，对cot结果中每一步进行进一步扩展。

任务分解实现方式

1. LLM的简单的提示语,,
2. 使用和任务相关的指令
3. 人工提问xx任务的步骤是什么？

反思

• agent
• ai