人工智能智能体不是普通的聊天机器人。
AI智能体是分配了特定角色的大语言模型，无论是英语口语教练、经理、公关专家、作家等等。
Agent，代理
其实，早在 1950 年代，Alan Turing 就将“智能”的概念扩展到了人工实体，并提出了著名的图灵测试。
这些人工智能实体通常被称为“代理（Agent）。
“代理”这一概念起源于哲学，描述了一种拥有欲望、信念、意图以及采取行动能力的实体。
在人工智能领域，这一术语被赋予了一层新的含义：具有自主性、反应性、积极性和社交能力特征的智能实体。
Agent 术语的中文译名并未形成共识，有学者将其翻译为智能体、行为体、代理或智能代理等等。
在教育技术学自留地，自留地君经常交替使用”代理”、“人工智能代理”、“智能代理”、以及“AI智能体”，所有这些，均指代 Agent。
什么是AI智能体？
AI智能体，也被称为人工智能代理，人工智能智能体。
AI智能体是一种计算机程序，它能够根据其环境、输入和预定义目标做出决策，自主执行任务。
这些AI 智能体代表了传统自动化的飞跃，因为它们不仅被设计为遵循一组指令，而且能够独立思考、适应和行动。
AI智能体是能够在无需人工干预的情况下执行任务的自主计算机程序。它们可以独立运作，也可以通过自然语言或其他通信模式与其他智能体或人类交互。
设想一下，一个AI智能体不断地评估其周围环境，从交互中学习并做出选择以实现特定目标。
想象一下，当我们为几乎所有工作角色（职业/岗位）创建一个人工智能智能体，那该是一幅怎样的场景啊？！
与人类同行一样，这些AI智能体可以团队协作来实现目标和完成目标，超越单纯的对话，而共同努力实现共同目标。
AI 智能体的潜在应用涵盖客户服务、个人助理、软件开发、游戏、机器人等，前景广阔。
AI智能体代表了人工智能技术进化的伟大飞跃。
这些AI智能体将人工智能的强大功能与类人交互和决策的复杂性融为一体。
当我们站在新时代的风口浪尖时，AI智能体不仅仅是工具，而且是战略决策和客户参与的合作伙伴，很明显，他们的影响力只会越来越强大。
AI智能体的需求
虽然大语言模型具备了足够的智慧，但是，想要让它给出精确答案，还需要输入足够精准的提示语（prompt）。
在过去这一年多的时间里，大家都有很深的感受：一个掌握了prompt的人和一个普通人使用同一个大模型提问问题，得到的答案会有很大区别：前者可以用多种技巧得到想要的结果，而后者就只能望LLM兴叹了。
因此，想要用好大语言模型，就得先学会使用提示语，这个需求已经催生出一个不小的培训市场。
提示语工程，事实上，在增加大语言模型使用难度的同时，也使得用户的使用体验有所降低。本来应该尽显自然语言优势的大语言模型，反而因为繁杂的提示语而变得对普通用户不是那么友好。
这样，提示语工程也就变成了横亘在普通人与大模型之间的一座大山。
如何更好地解决这个问题呢？
答案正是AI智能体（AI Agent）。
复旦团队的AI智能体综述
去年9月，复旦大学自然语言处理团队（FudanNLP）推出一篇 LLM-based Agents 综述论文，全文长达 86 页，共有 600 余篇参考文献！
在这篇综述文章中，作者们从 AI Agent 的历史出发，全面梳理了基于大型语言模型的智能代理现状，包括：LLM-based Agent 的背景、构成、应用场景、以及备受关注的代理社会。
同时，作者们探讨了 Agent 相关的前瞻开放问题，对于相关领域的未来发展趋势具有重要价值。
在文章中，作者们指出，AI智能体的设计原则：
1、帮助用户从日常任务、重复劳动中解脱出来，减轻人类的工作压力，提高解决任务的效率；
2. 不再需要用户提出显式的低级指令，就可以完全自主的分析、规划、解决问题；
3. 在解放用户的双手以后，尝试解放大脑：在前沿科学领域充分发挥潜能，完成创新性的、探索性的工作。
在这个基础上，代理的应用可以有三种范式：单代理场景（Singel Agent）、多代理场景（Agent-Agent）、人机交互场景（Agent-Human）
其中，人机交互（Human-Agent Interaction）是智能代理通过与人类交互，合作完成任务。一方面，代理的动态学习能力需要沟通交流来支持；另一方面，目前的代理系统在可解释性上的表现依然不足，可能会存在安全性、合法性等方面的问题，因此需要人类参与进行规范与监督。
目前，阿里、腾讯、华为等科技大厂相继推出Agent项目，创业团队也在争相发布Agent产品。办公类Agent越来越多，垂直类Agent增量明显。
原生类Agent抓人眼球，原始类Agent先声夺人。
4月11日今天早上9点
石牌校区教育科学学院411室
得闲一起来聊？