本文将深入探讨智能体的概念、为何“具有智能体特性”变得如此重要，以及这一趋势如何影响我们对未来技术的构想。
什么是智能体？
传统应用程序 通常遵循预先定义好的规则和逻辑，而 智能体 则不同，它可以根据LLM的理解和判断，动态地选择下一步操作，这使得智能体能够处理更加复杂和不确定的任务。
简单来说， 智能体 就是一个利用LLM来决定应用程序控制流程的系统，可以被视为一种能够自主决策和执行任务的系统。它通过与外部数据和计算资源的交互，来实现复杂的任务。
智能体与传统应用程序的区别
以LangChain生态为例，通过LangChain创建的很多LLM应用的工具，特别是那些作为 推理引擎并与外部数据源和计算资源交互的系统 ，这些系统通常被称为 智能体 。
智能体的定义可能因人而异。技术上讲， 智能体 是一个利用LLM来决定应用程序控制流程的系统。
然而，这样的定义并不完美。人们往往认为智能体是高级的、自主的、类似人类的系统，但一个简单的系统也可以通过LLM在两条不同路径之间进行路由，这也符合技术定义。这表明，智能体的定义并不单一，而是具有多样性。
举个例子，想象一下一个智能客服机器人。传统的客服机器人只能根据预设的关键词进行简单的问答。但智能客服机器人则可以利用LLM理解用户的真实意图，并根据情况选择不同的对话策略，例如：
Agentic意味着什么？
可以理解为“具有智能体特性”。一个系统越“具有智能体特性”，就意味着LLM在决定系统行为方面的作用越大。
Agentic谱系
我们可以把Agentic看作一个连续谱系：
当然，大多数实际系统都处于这个谱系的中间地带。例如，一个智能客服机器人可能在回答简单问题时没有，但在处理复杂问题时就需要一定的**Agentic。
吴恩达 提出了一个观点，即智能体的能力可以被视为一个谱系，就像自动驾驶车辆有不同的自动化等级一样，智能体的能力也可以有不同的等级,因而在现阶段使用定义比更加合适。这个观点得到了广泛的认同，并且有助于更好地理解智能体的不同层次。
LLM的作用程度
根据系统中LLM的作用程度，可以将智能体划分为不同的等级：
尽管这些定义看起来比较技术性，但在设计和描述LLM系统时，这些技术定义是非常有用的。
Agentic为何有价值？
理解的概念对于构建和使用基于LLM的系统至关重要。它可以帮助我们：
总而言之，Agentic是一个需要根据具体问题和应用场景进行权衡的因素。
更进一步说，理解你的系统可以有多“具有智能体特性”，可以在开发过程中指导你的决策——包括构建、运行、交互、评估，甚至监控。
Agentic在开发过程中的作用
理解和利用系统中智能体特性的谱系，可以提高开发过程的效率和系统的鲁棒性。
Agentic是新趋势
随着LLM技术的不断发展，我们正在构建越来越多的具有Agentic的系统。例如：
随着我们在智能体谱系上走得更远，支持工具的整个生态系统都需要重新构想。我们需要开发新的编程模型、调试工具和评估指标，以支持这些更复杂、更智能的系统。
传统的工具和基础设施可能无法满足需求,例如，LangGraph和LangSmith就是为了帮助构建、运行和交互智能体而设计的新工具。
LangGraph和LangSmith
随着智能体特性的不断发展，我们需要重新构想整个支持工具的生态系统，以适应智能体应用的需求。
总结
和是理解和构建基于LLM的系统的关键概念。随着LLM技术的不断发展，我们可以预见，未来将会出现更多更强大的智能体，为我们的生活带来更多便利和可能性。
智能体技术的探索之路还很长，但通过不断地学习和创新，我们有望构建一个更加智能、更加互联的未来。
本文转载自，作者：