技术专栏 | 基于LLM扩展的智能体简介-华院新闻

技术专栏 | 基于LLM扩展的智能体简介

2026-02-11

LLM 扩展智能体

在《思考，快与慢》这本书里面有一个概念，认为大脑中有两个系统，即系统1和系统2。系统 1 的运行是无意识且快速的，不怎么费脑力，没有感觉，完全处于自主控制状态；系统 2 将注意力转移到需要费脑力的大脑活动上，例如复杂的运算，其运行通常与行为、选择和专注等主观体验相关，目前的智能体（AI Agent）和智能对话（AI Chat）最大的区别可能就是所谓的系统 2（慢思考），慢思考是以语言为载体进行，但并没有输出到外部世界的思维过程。换言之，慢思考是一个自然语言过程，其操作对象是大脑内部的状态。

例如，人类大脑的幻觉也很严重，记忆很多时候不准确，但人类会在输出之前，先在脑子里反思一遍答案到底靠不靠谱，这就是一个慢思考的过程。思维链和“逐步思考”之所以能大幅提高模型的准确率，也是因为给了模型足够的时间（更多token）来思考。这些思考过程事实上也类似慢思考的过程，对于人类而言是在内部进行的，并没有说出来或者写下来，但自己是可以感知到的。

智能体

智能体（Agent）其根源可以追溯到亚里士多德和休谟等思想家，它描述了一种拥有欲望、信念、意图以及采取行动能力的实体。而在人工智能（AI）领域，称为AI智能体（AI Agent），这个智能体被赋予了一层新的含义，它的重要特性包括自主性、反应性、积极性和社交能力。自主性指的是Agent能够独立地进行决策和行动，而不需要人类的干预。反应性指的是Agent能够快速对环境中的变化作出反应。积极性指的是Agent能够主动制订目标导向的行动计划，并采取相应的行动。社交能力指的是Agent能够与其他Agent和人类进行交互和合作。这些特性使得AI Agent能够展现出类似于人类的智能行为，并具备广泛的应用场景和潜力。

AI智能体能够感知其环境，通过自己的决策和行动来改变环境，并通过学习和适应来提高其性能。这种智能体同时使用短期记忆（上下文学习）和长期记忆（从外部向量存储中检索信息），有能力通过逐步“思考”来计划、将目标分解为更小的任务，并反思自己的表现。AI智能体通常包含了多种技术，如机器学习、自然语言处理、计算机视觉、规划和推理等，这些技术使智能体能够自主地处理信息并做出决策。

如图9.29所示，有研究人员将基于大规模语言模型的AI Agent的工作流程分为感知、思考和行动三个模块。首先，感知模块将外部环境的信息转换成可理解的表示，并将其传递给思考模块。在思考模块中，主要由LLM组成，LLM进行信息处理、推理和决策等活动，并根据当前环境和目标制订相应的行动计划。最后，行动模块根据思考模块的输出进行具体的行动执行，并与环境进行互动和反馈。通过不断重复这个过程，AI Agent能够与环境进行持续的交互和学习，不断提升自身的能力。

图 9.29 AI Agent 的工作流程分为感知、思考和行动三个模块

在大规模语言模型的加持之下，AI Agent也逐步衍生出了自主智能体（Autonomous Agent）和生成智能体（Generative Agent）。

1. 自主智能体

自主智能体是由人工智能驱动，能够理解以自然语言描述的需求，并自动执行一系列任务以实现目标。在必要的时候，可以接受人为引导，具有服务于人类的工具属性，例如AutoGPT。当给定一个目标时，这类智能体能够自主地创建任务、执行任务、调整任务优先级，并不断重复这个过程，直到完成目标。因此，自主智能体主要扮演高效的工具角色，协助人类完成各类任务。目前业界讨论的智能体多数是基于大语言模型的自主智能体，它也被视为迈向通用人工智能最具潜力的途径之一。

有研究者对基于LLM的自主智能体做了系统综述，如图9.30所示，系统将智能体定义为大语言模型（LLM）、记忆模块（Memory）、任务规划（Planning Skills）以及工具使用（Tool Use）的集合，其中LLM是核心大脑，记忆模块、任务规划以及工具使用等则是智能体系统实现的三个关键组件，并对每个模块下实现路径进行了细致的梳理和说明。当前的智能体是一个以大语言模型为核心，通过规划与工具调用来解决问题的系统。大语言模型的核心能力在于意图理解与文本生成，若能进一步让大语言模型学会使用工具，并且执行规划模块分配的任务，其能力边界将得到大大拓展。智能体系统正是这样一种解决方案，它让大语言模型这一“超级大脑”有望成为人类的“全能助手”，未来将为更多个人与组织提供服务。

图 9.30 基于LLM 的自主智能体系统概览图

2. 生成智能体

一种具有数字原生意义的智能体，其行为并非直接服务于人的需求，例如斯坦福大学的“虚拟小镇”项目。生成智能体的结构主要包括观察、规划和反思三个组件，这些组件协同工作，使生成智能体能够生成符合其个性、偏好、技能和目标的现实且一致的行为。每个智能体都具有记忆系统，并通过计划制定，行动响应与自我反思等机制实现自主活动，从而能够模拟真实社群的运作。

在“斯坦福小镇”中，生成智能体的架构如图9.31所示，智能体可以感知环境，所有感知都存储于一个称为记忆流的模块中，该模块记录了智能体的完整经历。系统会根据智能体当前感知，检索相关的记忆并据此决定行动。同时，这些检索到的记忆也用于形成长期规划与高层级反馈，并重新写回记忆流中，从而实现行为的持续演化。

图 9.31 基于LLM 的生成智能体系统概览图

但是，目前智能体模拟运行的时长也有限，比较难确保长时间的运行下Agent的记忆、行为模式的演化，社群整体目标的探索与推进等方面的效果。而且，从应用角度来看，目前也主要集中在社会活动模拟、游戏应用等，是否能拓展到任务处理、知识探索等更广阔的领域，还有待进一步探索。

全文引自《开启智能对话新纪元：大规模语言模型的探索与实践》