bcrct.com

您现在的位置是:首页 > 广东聚沃贸易有限公司 大模型Agent如何解决

视界

广东聚沃贸易有限公司 大模型Agent如何解决

2024-08-05 14:42:03
1. agent框架的基础逻辑
Agent的核心如下:
Planning 规划
  • -子目标和分解:AIAgent 将大型任务分解为更小的、可管理的子目标,从而能够有效处理复杂的任务。
  • -反思和完善:Agent可以对过去的行为进行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,从而提高最终结果的质量
Memory 记忆
  • 短期记忆: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:这为AIAgent提供了长期保留和调用无限信息的能力,通常是通过利用外部向量存储和快速检索来实现。
Tool / Toolkit
  • Agent学习调用外部 AP! 来获取模型权重中缺失的额外信息,通常这些信息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工具是代理可以调用的功能,本质上就是一个函数。
2. 将Agent框架逻辑应用到客服场景
应用逻辑和过程如下:

当用户输入询问时:
1、记忆能力
  • 先通过模型的记忆能力,将用户画像、浏览记录、订单数据、历史会话记录等推送给大模型
  • 拿到解决对应问题的参考sop流程
2、计划能力+推理
  • 让模型基于用户的提问+解决的SOP,制定与用户的沟通计划
  • 根据用户反馈调整沟通计划,推理出新的步骤
3tools
  • 根据推理出来的计划、选择执行的内容
  • 比如调用ERP、知识库等
  • 最终得出结论、输出给用户
整个过程中,模型能够模拟人+参考sop流程,执行对应的任务,从而达到相应的结果