(读书笔记-大模型) LLM Powered Autonomous Agents-编程知识

智能体系统的概念

规划组件

记忆组件

工具组件

案例研究

智能体系统的概念

在大语言模型（LLM）赋能的自主智能体系统中，LLM 充当了智能体的大脑，其三个关键组件分别如下：

首先是规划，它又分为以下内容：

子目标和分解。智能体将大型任务分解为更小、可管理的子目标，从而高效处理复杂的任务；
反思和完善：智能体可以对过去的行为展开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，提高最终结果的质量。

其次是记忆，分为了短期记忆和长期记忆：

短期记忆：作者认为所有的上下文学习（参见提示工程）都是利用模型的短期记忆来学习。
长期记忆：为智能体提供了长时间保留和回忆（无限）信息的能力，通常利用外部向量存储和快速检索实现。

最后是工具使用：

智能体学习调用外部 API 来获取模型权重中缺失的额外信息（通常在预训练后很难更改），包括当前信息、代码执行能力、对专有信息源的访问等。

下图 1 为 LLM 赋能的自主智能体系统概览。

规划组件

任务分解：一项复杂的任务通常涉及许多步骤。智能体必须了解任务是什么并提前进行规划。

思维链chain-of-thought：它已经成为增强复杂任务上模型性能的标准提示技术。在实现过程中，模型被指示「一步一步思考」，从而利用更多的测试时间计算将困难任务分解为更小、更简单的步骤。CoT 将大型任务转化为多个可管理的小任务，并解释清楚模型的思维过程。
思维树tree-of-thought：它通过在每一步探索多种推理可能性来扩展 CoT。首先将问题分解为多个思考步骤，并在每个步骤中生成多个思考，创建一种树结构。搜索过程可以是广度优先搜索（BFS）或深度优先搜索（DFS），其中每个状态由分类器（通过提示）或多数 vote 进行评估。
LLM+P：依赖外部经典规划器来进行长期规划。该方法利用规划领域定义语言（PDDL）作为描述规划问题的中间接口。在这一过程中，LLM (1) 将问题转化为「Problem PDDL」，然后 (2) 请求经典规划器基于现有的「Domain PDDL」生成 PDDL 规划，最后 (3) 将 PDDL 规划转换回自然语言。

自我反思Self-reflection：允许自主智能体通过完善以往行动决策和纠正以往错误来迭代改进，因而会在出现试错的现实世界任务中发挥至关重要的作用。ReAct 通过将动作空间扩展为一个任务特定的「离散动作和语言空间的组合」，将推理和动作集成在 LLM 中。离散动作使 LLM 能够与环境交互（例如使用维基百科搜索 API），而语言空间促使 LLM 以自然语言生成推理轨迹。注意，这里还可以将任务分为知识密集型任务（例如，HotpotQA、FEVER）和决策型任务（例如，AlfWorld Env、WebShop）。
- ReAct：ReAct通过将动作空间扩展为特定于任务的离散动作和语言空间的组合，在LLM中集成了推理和动作。前者使LLM能够与环境进行交互(例如使用Wikipedia搜索API)，而后者促使LLM以自然语言生成推理痕迹。
  - ReAct模板为：Thought步骤可以让整体效果更好
    - Thought: ...
    - Action: ...
    - Observation: ...
    - ... (Repeated many times)
- Reflexion：Reflexion 框架则为智能体配备了动态记忆和自我反思能力，提高了推理技能。它有一个标准的 RL 设置，其中奖励模型提供简单的二元奖励，而动作空间遵循 ReAct 中的设置。并且特定于任务的动作空间通过语言进行增强，实现复杂推理步骤。在每个动作 a_t 之后，智能体计算启发式 h_t，并选择性地根据自我反思结果来决定重置环境，从而开始新的试验。
  - Reflection框架概览：
  - 其中，启发式功能Heuristic决定轨迹何时开始效率低下或包含幻觉，以及何时应该停止。低效的规划是指花费太长时间而没有成功的轨迹。幻觉（Hallucination）被定义为遇到了一系列连续的相同动作，而这些动作导致环境中出现相同的观察；自我反思Reflection通过向 LLM 展示 two-shot 示例来创建，每个例子都是一对失败的轨迹，它们是指导未来规划中变化的理想反思。然后反思被添加到智能体的工作记忆中，最多三个，用作查询 LLM 的上下文。
- Chain of Hindsight (CoH)：鼓励模型通过显式地呈现一系列过去的输出（每个输出都带有反馈注释）来改进其自身的输出。

记忆组件

记忆类型分为三类：感知记忆、短期记忆（STM）或工作记忆以及长期记忆（LTM）。

感知记忆：这是记忆的早期阶段，它能够在原始刺激结束后保持对感官信息（视觉、听觉等）的印象。感知记忆通常只能持续几秒钟。其子类包括图像记忆（视觉）、回声记忆（听觉）和触摸记忆（触感）。

短期记忆（STM）或工作记忆：短期记忆存储着我们目前所知道的信息，以及执行复杂认知任务（如学习和推理）所需要的信息。一般来讲，短期记忆持续 20-30 秒。

长期记忆：长时记忆可以将信息存储很长时间，从几天到几十年不等，其存储容量基本上是无限的。LTM 有两种子类型：

显式、陈述性记忆：这是对事实和事件的记忆，指的是那些可以有意识地回忆起来的记忆，包括情景记忆（事件和经过）和语义记忆（事实和概念）；
隐式、程序性记忆：这种类型的记忆是无意识的，涉及自主执行的技能和惯例，比如骑自行车或在键盘上打字。

参考人类记忆的分类，我们可以得到以下映射：

感知记忆作为原始输入（包括文本、图像或其他模态）的学习嵌入表示。
短期记忆作为上下文学习，由于受到 Transformer 有限上下文窗口长度的限制，短期记忆是短暂且有限的。
长期记忆作为外部向量存储，智能体可以查询、快速检索，从而进行访问。

工具组件

MRKL（Karpas et al. 2022）是一种用于自主智能体的神经 - 符号（neuro-symbolic）架构，命名来源于模块化推理（Modular Reasoning）、知识（Knowledge）和语言（Language）的简称。每个 MRKL 系统包含一些「专家」模块，通用 LLM 作为一个路由器，负责将查询路由到最合适的专家模块。这些模块可以是神经的（如深度学习模型），也可以是符号的（如数学计算器、货币转换器、天气 API）。

HuggingGPT（Shen et al. 2023）则是一个使用 ChatGPT 作为任务规划器的框架，根据模型描述选择 HuggingFace 平台中可用的模型，并根据执行结果归纳总结出响应。

案例研究

ChemCrow 是一个由大型语言模型（LLM）设计的化学智能体，旨在完成有机合成、药物发现和材料设计等任务。通过整合 17 种专家设计的工具，ChemCrow 提高了 LLM 在化学方面的性能，并衍生出新的能力。
AutoGPT（自主人工智能）相当于给基于 GPT 的模型一个内存和一个身体。有了它，你可以把一项任务交给 AI 智能体，让它自主地提出一个计划，然后执行计划。此外其还具有互联网访问、长期和短期内存管理、用于文本生成的 GPT-4 实例以及使用 GPT-3.5 进行文件存储和生成摘要等功能。AutoGPT 用处很多，可用来分析市场并提出交易策略、提供客户服务、进行营销等其他需要持续更新的任务。

限制：

有限的上下文长度：LLM 处理上下文信息的能力有限，尽管 self-reflection 等机制可以从过去的错误中学习，但更长或无限的上下文窗口将会带来很大的好处。虽然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全注意力（full attention）强大。
LLM 在长期规划和任务分解中的挑战：LLM 在面对意外错误时很难调整规划并进行改正，与人类可以不断试错相比，LLM 鲁棒性还是比较差的。
自然语言接口的可靠性：当前的智能体系统依赖于自然语言作为 LLM 与内存和工具等外部组件之间的接口。然而，模型输出的可靠性是值得怀疑的，因为 LLM 可能会出现格式错误，偶尔还会表现出叛逆行为（例如，拒绝遵循指令）。