传统AI模型和AI代理的区别

[robiulhasan]

适合：

谷歌英文白皮书（PDF）：“代理”——人工智能代理的结构和功能
简单的人工智能模型和这些高级代理之间的区别至关重要。传统模型仅限于训练数据中包含的知识。他们根据用户的即时查询做出个人结论或预测。除非明确实现，否则它们不会维护会话历史记录或连续上下文，例如聊天历史记 孟加拉国数据 录。它们也不具备与外部系统本地交互或执行复杂逻辑过程的能力。虽然用户可以通过智能建议和推理框架（例如 Chain-of-Thought 或 ReAct）来引导模型做出更复杂的预测，但实际的认知架构并不本质上锚定于模型。

相比之下，人工智能代理拥有更广泛的知识，这些知识是通过所谓的“工具”连接到外部系统而获得的。它们管理会话历史记录，以根据用户请求和编排层中的决策进行多级推理和预测。 “移动”或交互被定义为交互系统和代理之间的交换。工具集成是代理架构的一个组成部分，并利用采用预定义推理框架或代理结构的本机认知架构。

工具：通往现实世界的桥梁
这些工具对于代理如何与外界交互至关重要。传统语言模型虽然在处理信息方面表现出色，但缺乏直接感知或影响现实世界的能力。这限制了它们在需要与外部系统或数据交互的情况下的有用性。您可能会说，语言模型的好坏取决于它从训练数据中学到的东西。无论向模型输入多少数据，它都缺乏与外界交互的基本能力。工具填补了这一空白，并实现了与外部系统的实时、上下文交互。