尽管大语言模型在文本生成方面表现出色，但它们通常是被动式的一问一答。现实中，许多问题往往无法通过简单的一步回答解决。
前排提示，文末有大模型AGI-CSDN独家资料包哦！
因此，我们希望构建一种主动式的AI系统，也就是今天要介绍的Agent智能体。
Agent依然以大语言模型为核心，但通过集成更多的工具，赋予其根据环境自主进行思考和决策的能力。
Agent有什么用？
如下图所示，仅使用GPT3.5时，准确率仅有45%，使用GPT4，性能提升到65%，但如果基于GPT3.5搭建一个AI agent，性能已经超过单纯的GPT4 。
也就是说，未来大模型的发展不一定非得遵循Scale Law，一味去增加模型参数和训练数据量。
通过Agent，小模型也能达到同样的效果。
Agent是如何工作的？
根据Agent的构成来看，LLM仍然是核心，是类似于人类大脑一样的推理引擎。
Prompt
在前面讲Prompt工程时，我们已经着重强调Prompt的重要性。
Agent通常会将一个复杂任务分解成小任务，为此，模型需要记住它之前的步骤。
解决复杂问题通常需要使用思维链方法，Agent结合下面两个方法构建计划。
-
任务分解
将一个复杂任务分解成小任务。
-
反思
如果你想生成一段代码，普通LLM基于提示给出代码后也就结束了，但AI Agent会对代码进一步自检，如下图所示，Agent会利用外部组件运行代码、执行单元测试、代码Review，甚至与另一个Agent进行对抗来逐渐提升代码质量。
读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！
👉AI大模型学习路线汇总👈
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。