重點
- 什麼是AI Agent？
- 與傳統AI不同，AI Agent不需要明確指令，僅需給目標，AI會透過多步驟完成目標。
- AI Agent需能適應環境變化，靈活調整計畫。
- AI Agent的核心機制
- 目標 (Goal)：人類設定的任務目標。
- 觀察 (Observation)：AI對當前環境的理解。
- 行動 (Action)：AI根據觀察採取的行為，影響環境並進一步調整行動。
- 根據經驗調整行為
- AI可根據環境回饋（如錯誤訊息）改變行為，而不需重新訓練模型。
- 記憶模組 (Memory Module)：存儲重要經驗，透過檢索（Retrieval）選擇相關資訊輔助決策。
- 使用工具
- 工具的定義：AI可使用外部功能（如搜尋引擎、程式執行）解決問題。
- 多工具整合：AI透過選擇適合的工具，提升解決複雜問題的能力。
- 語言模型自建工具：AI可自行編寫程式並將其作為新工具使用。
- 計畫與執行
- 計畫能力：AI可將目標分解為多步驟行動，並根據環境變化即時調整計畫。
- 模擬未來 (World Model)：AI在「腦內小劇場」中模擬行動結果，選擇最佳路徑。
- 挑戰：避免過度思考或僅依賴模擬，需在嘗試與計畫間取得平衡。
- 應用與範例
- AI Agent可用於下棋、遊戲NPC模擬、網頁操作甚至科學研究提案等。
- 語言模型的進步讓AI Agent在複雜任務中展現更高效能。
專有名詞簡單解釋
- AI Agent：能自主完成多步驟目標的人工智慧系統。
- Observation：AI對當前環境的理解與觀察。
- Action：AI根據觀察採取的行動。
- Memory Module：存儲AI過去經驗的模組，幫助AI根據相關經驗做決策。
- World Model：模擬外部環境變化的模型，幫助AI在腦內模擬行動結果。
- Function Call：語言模型使用外部工具的過程。
- RAG (Retrieval Augmented Generation)：語言模型透過檢索外部資訊輔助生成答案的技術。
