随着LLM的发展，ChatGPT能力不断增强，AI不断有新的概念提出，一种衍生类型的应用AI Agent也借着这股春风开启了一波话题热度，各种初创公司，包括Open AI内部也都在密切关注着AI Agent领域的变化阿里集团内的AI团队也有很多基于Agent的尝试，Xlangchain和阿里LangEngine有很多Agent的例子，手猫端在过去一年中始关注AI技术动向，不断在手猫端上做面向用户的AI产品尝试，也结合结合Agent技术结合购物组手业务做探索本文就手猫在探索Agent能力和智能助手业务结合过程、技术侧遇到的问题、想法和实践做简单总结，欢迎大家一起讨论、交流意见什么是Agent？OpenAI应用研究主管Lilian Weng在一篇长文中提出了Agent = LLM（大型语言模型）+记忆+规划技能+工具使用这一概念AI Agent需要具备感知环境、做出决策并执行适当行动的能力在这些关键步骤中，最重要的是理解输入给Agent的内容、进行推理、规划、做出准确决策，并将其转化为可执行的原子动作序列，以实现最终目标一个精简的Agent决策流程：感知（Perception）→ 规划（Planning）→ 行动（Action）感知（Perception）是指Agent从环境中收集信息并从中提取相关知识的能力规划（Planning）是指Agent为了某一目标而作出的决策过程行动（Action）是指基于环境和规划做出的动作Agent通过感知从环境中收集信息并提取相关知识然后通过规划为了达到某个目标做出决策最后，通过行动基于环境和规划做出具体的动作Planning是Agent做出行动的核心决策，而行动又为进一步感知提供了观察的前提和基础，形成了一个自主的闭环学习过程借用网上的一个案例来解释agent的执行：当一个人问Agent是否会下雨时，感知模块将指令转换为LLM可以理解的表示然后，大脑模块开始根据当前天气和互联网上的天气预报进行推理最后，动作模块做出响应，将伞交给人类通过重复上述过程，智能体可以不断地获得反馈并与环境进行交互在以LLM驱动的Agent系统中，LLM扮演着Agent的大脑角色，并辅以几个关键组件：规划：LLM能够进行全面的规划，不仅仅是简单的任务拆分它可以评估不同的路径和策略，制定最佳的行动计划，以实现用户给出的目标记忆：可以利用LLM具有的记忆功能，存储和检索过去的信息和经验这使得它能够在处理用户查询时，利用之前学到的知识和经验，提供更准确和个性化的答案工具使用：LLM通过理解工具的描述，来学习使用各种工具和资源，并灵活运用它们来支持任务的完成，在构建Agent的时候可以让Agent感知自己可以使用什么工具工具的实现可以是利用搜索引擎、数据库、调用API等，获取和整理相关信息，以满足用户的需求这里关于Agent不过多介绍，网上关于Agent的文章很多，感兴趣的可以查看这几位大神的文章了解Agent的更多知识：Agents 能力解密：https://blog.csdn.net/youyi300200/article/details/132864191AI Agent到底是什么：https://zhuanlan.zhihu.com/p/681639504手猫端智能体业务探索了解了Agent的概念后，结合手猫在做的智能助手相关探索，PD希望把Agent技术与智能助手业务结合起来做用户侧的创新PD希望在手猫APP中可以提供一个交互页面，可以使用LLM智能体的自然语言理解能力、思维规划能力、工具使用等能力，直接理解用户输入的需求，然后通过Agent规划能力，决策出实现用户述求的行动路径，并调用智能体对应的工具实现用户需求，最后把结果展示在页面上，解决用户述求先看做出来的demo版本的视频，再在来介绍整体的思路，时长00:37结合下图的工程侧实现方案，串联整个链路大致做了以下几件事情：搭建端到LLM直接信息传输链路，完成工程侧业务管理能力建设搭建用户会话管理、多场景识别、链路分发机制完成Agent模版到工具协议串联，把工具抽象化、按照协议“喂”给tpp Agent模版工程，完成Agent的使用工具的动态构建和在线灵活管理完成Agent工具抽象模版化建设以及工具描述的步步调优，提升Agent整体链路规划准确性完成工具&LLM输出到端展示的视图层转换，页面流式协议引入，提升端上输出稳定性▐端展示方案Agent方案中，LLM有理解工具描述、区分工具使用场景的能力，可以按照工具的约定，将指定的参数结构化的输入到接口内部，总结下来我们LLM能力解决了人类非结构化语言到工具结构化输入的问题但是现在手猫APP端页面的展示，都需要转化为非常复杂的结构化数据结构才行，经过测试LLM输出复杂结构化展示数据的稳定性非常的差，面对复杂的页面展示逻辑，至少现在无法达到面向C端用户放开的标准因为业务产品是无法容忍对线上用户透出内容的不确定性，所以解决LLM非结构化输出到端上结构化数据转化问题，才能解决APP展示端的问题，也是大模型项目能够面向C端用户顺利上线的前题为了解决LLM输出非结构化数据到端上展示的问题，我们根据工具实现功能的特性和页面交互特征不同，把工具分类抽象和分别建模（具体可见4-工具类型与定义），根据工具类型与端上约定特定协议，同时把工具的返回做区分，工具返回定义了Object（给LLM消费的内容）和 ViewDTO（app端消费数据结构）两个数据结构，在Agent侧做数据解析，把Object内容输入给LLM做下次ReAct推演，同时把ViewDTO输出到端上展示在定义工具的展示协议，也抽象化定义了工具异常、模型中断、用户选择等交互模式，实现整体的用户交互方案，详见下图工程侧会在视图层，做页面工具数据的解析和转化，具体逻辑大致如下图所示：首先会在视图层会根据agent执行输出内容，判断整体Agent思维和执行流程是否使用工具，如果没有使用工具，会直接返回大模型的输出结果返回到C端做文案展示如果流程使用工具，会解析整个思维链中最后一个工具的返回结果，判断是否有给端上的展示数据结构viewDTO，如果有返回viewDTO，使用viewDTO内容展示如果工具没有返回viewDTO，直接使用模型返回文案经过上述的逻辑解析，可以覆盖每一个既定场景的端上交互，然后再根据用户下一步的输入或者选择，继续新的一轮交互Agent抽象&管理业务PD做AI技术结合业务场景的尝试时，需要经常做技术可行性尝试，例如需要测试Agent智能体的推理过程是否合理，是否能按照自己的思维路径落地，推理一致性问题等在基建没有完成之前，资源有限的情况下，如果通过写脚本支持业务反复验证测试、参数调整等，技术成本比较高体会到AI项目与传统项目落地的差异后，意识到后续不同场景的迭代都会经历这样的过程，提供给产技一个类似大学“实验室”的地方，让他们做自己各种各样的验证，是AI项目落地过程中必不可少的一环，于是就有了搭建Agent实验室的想法，提供给产技做业务探索和提效工具，提高业务迭代效率▐Agent101实验室基于自己对AI技术的理解，做数据建模、类型抽象，搭建了自己的AI运维实验室，并不断地完善和补充功能，让AI“实验室”应用到产技日常开发和业务迭代中去，AI实验室设计思路如下图搭建Agent实验室，是为了提供给产技快速构建Agent，验证业务想法的测试场地，提供可以组合现有的已有工具，搭属于自己的私有Agent模版的平台，让业务技术快速试错Agent实验平台提供能力如下：提供Agent抽象、管理和测试，每个人都能基于现在的工具快速搭建自己的智能体，做业务场景验证和工具串联验证类似于你提供一个注入"tool"工具，构建"Agent" Spring bean的方式，可以在页面做Agent调用和能力验证Agent管理页面提供工具定义抽象，工具描述管理、工具类型抽象，让工具管理可视化，实现工具的可视化配置,根据工具功能抽象通用工具、中断器、选择器等工具类型详见下图图-工具管理页面提供工具接口数据mock等能力，通过Agent测试链路中mock工具返回，实现在没有工具功能实现的前提下，能验证LLM智能ReAct流程对工具的理解和判断，评测Agent是否能达到业务预期，降低业务试错成本图-工具数据mock&Agent测试页面工具类型和定义▐工具分类Agent可以通过学习调用外部API来获取模型权重中所缺少的额外信息，这些信息包括当前信息、代码执行能力和访问专有信息源等这对于预训练后难以修改的模型权重来说是非常重要的掌握使用工具是人类最独特和重要的特质之一我们通过创造、修改和利用外部工具来突破我们身体和认知的限制同样地，我们也可以为语言模型（LLM）提供外部工具来显著提升其能力，LLM可以利用搜索引擎、数据库、API等工具，获取和整理相关信息，以满足用户的需求在工具的使用过程中，有必要对工具的类型进行归类使用，确认工具边界后，开发者在定义和使用工具过程中，能更好的根据业务提供更好工具目前FC部门内部工具的分类，是根据不同工作的作用来划分目前平台支撑的工具类型有以下分类▐工具类型定义工具的类型是以工具的使用特性为标准抽象的，一类工具的定义，会与底层Agent模版工程做协议，Agent模版工程会区分不同的类型，做不同的动作例如通用工具，Agent会使用通用工具模版，按照工具提供的描述拼接给LLM，LLM规划使用工具时候，Agent模版工程会按照通用工具的协议，执行配置接口/方法的调用，按照返回协议，解析工具返回，给到Agent做Observations：中断的定义：中断是指Agent在做规划和调用工具时候的一种行为Agent执行用户指令的时候，遇到不能继续执行的情况，可以先中止流程的继续执行，需要外部输入或者反馈后，继续后续推理流程的动作例如用户需要执行一个订单退款操作，但是在订单查询的时候，查到了多个订单，这个时候需要先中断退款的操作，反馈给用户，让用户选择其中的一个订单继续执行通用类型是否中断：否执行：Agent执行到通用类型工具的时候，不会中断推理-执行的流程通用型工具定义：LLM判断需要调用工执行，系统需要执行一段工程化指令来获取答案，并且不会中断ReAct流程的时候，可以使用通用型工具通用型工具目前支持外调服务（tpp/hsf）来获取答案，也支持调用本地方法来获取结果使用场景：业务场景中，需要借助外部工具查询信息、执行操作、逻辑处理等，都可以抽象成通用工具给LLM使用例如外调订单接口，查询用户的历史订单；外调商家接口，查询商家信息等等支持类型：HSF ：工程以hsf方式，提供外调服务执行查询、写、等业务定制操作TPP ：工程TPP形式，提供外调服务执行查询、写、等业务定制操作LOCAL：工程本地方法、JAR包形式，提供定制业务操作其他：待扩展类型中断类型执行这个类型的工具，会中断ReAct推理过程，等待外部反应或者用户输入，才能继续推理流程选择器是否中断：是执行：Agent执行到选择器类型工具的时候，会中断推理-执行的流程选择器定义：工具实现一个集合的输入，让用户做一次选择使用场景：在业务实现的过程中，往往会遇见需要用户再次决策的场景，例如让用户选择目标商品集合的一个继续操作，这个时候就需要使用选择器支持类型：订单选择器：如果LLM判断使用一个工具只需要一个订单，而上一个工具查询出多个订单的时候，可以使用订单选择器，让用户确认一个订单，继续继续使用工具做后续流程商品选择器：如果LLM判断使用一个工具只需要一个商品，而上一个工具查询出多个商品的时候，可以使用商品选择器，让用户确认一个商品，继续继续使用工具做后续流程使用选择器的时候，需要注意前台做样式的适配和定制，目前支持的订单选择器和商品选择器，需要APP端适配展示卡片中断器是否中断：是执行：Agent执行到中断器类型工具的时候，会中断推理-执行的流程中断定义：工具实现一个自定义输出，输出可以是一个页面地址或者一个协议地址，让用户做反馈使用场景：在业务实现的过程中，会遇见需要用户补充信息的场景，例如盯降级的场景，如果用户没有给出需要盯降价的商品，【盯降价】的工具就无法继续执行，这个时候可以使用中断器，中断流程后，返回盯降价的商品选择页面让用户补充信息，用户盯价商品后，LLM使用【盯降价】工具创建盯价任务支持类型：业务中断器：使用中断器，中断流程，返回页面动作，让用户反馈信息使用中断器时候，需要注意中断以后跟端上协议，中断器要配合APP端上动作，才能起到让用户补充信息的作用▐工具异常定义正常一个工程接口的返回示例如下：
{ "code":200, "success":true, "pageDTO":null, "message":null, "class":"com.alibaba.test.api.response.Result", "object":[ { "itemId":665788007683, } ], "viewDTO":{ "sceneName":"showOrder", }}Agent模版工程解析工具异常路径如下：会优先取object字段，如果object字段不为空，直接输出给LLM，做下次ReAct如果object为空，会取message字段输出给LLM做下次ReAct，不会再判断message是否为空目前tools返回异常不会中断ReAct流程，无论是系统异常还是业务异常举例1：如果系统发生异常，直接使用以下方式返回tools结果
return Result.buildFail(-1, "系统异常");{ "code":-1, "success":false, "message":"系统异常", "class":"com.alibaba.test.api.response.Result", "object":null}这个时候因为object里没有值，给到LLM的就是：“系统异常”举例2：如果业务查询异常，返回了空list，使用以下方式返回tools结果
List<Obejct> list = null;return Result.buildSuccess(list);{ "code":200, "success":true, "class":"com.alibaba.test.api.response.Result", "object":[]}这个时候因为object里有值，给到LLM的就是："[]"举例3：如果业务正常
{ "code":200, "success":true, "pageDTO":null, "message":null, "class":"com.alibaba.test.api.response.Result", "object":[ { "itemId":665788007683, } ], "viewDTO":{ "sceneName":"showOrder", }}这个时候因为object里有值，给到LLM的就是："[{"itemId":665788007683} ]"，viewDTO不会给到LLM消费,只是页面展示用异常页面展示输出如果异常想提示给用户，需要把异常按照特定格式设置到ViewDTO中，这样页面才能按照协议展示最简单的在胶囊展示提示如下，"sceneName":"showError" 这个写死：
{ "code":-1, "success":false, "pageDTO":null, "message":"没有权限", "class":"com.alibaba.test.api.response.Result", "object":null, "viewDTO":{ "sceneName":"showError", "showTips":"抱歉，你暂时没有权限", }}Tools工具定义粒度▐粒度的概念工具定义粒度就是工具实现功能范围的大小，工具实现的功能越多，工具的粒度越大；工具实现的工具越小，工具的粒度越小例如要实现一个订单退款场景，如果工具定义的粒度大，可以一个工具就实现订单查询+订单退款操作；如果工具定义的粒度小，可以分订单查询工具，订单退款工具▐工具粒度大小的优劣工具定义粒度的大小，会影响到很多因素Agent是ReAct(Thought-Action-Observation)的模式，工具使用的多，就意味着多轮的ReAct，会让执行链路变得更长，消耗更多的RT.
工具粒度优势劣势大1、减少执行轮次，整体RT会变短2、更多的是逻辑代码执行，LLM执行的准确度会变高3、工具粒度越大，整体的工具量会变少，减少LLM消费的Token数，单次执行时间会变小1、业务灵活度变差，多种场景的情况下，工具复用性比较差2、单个工具执行RT会变长3、单工具业务复杂度变高小1、业务领活度更高，LLM可以根据工具的组合，实现更多的功能2、单个工具执行RT变小3、单工具业务复杂度变小，原子性更强1、Agent执行轮次变多，整体复杂度变高，业务执行链路变长，RT变长2、整体复杂度变高，LLM执行准确度下降3、整体工具变多，LLM消费Token数变多，单次执行RT变长▐工具实现安全的思考开发者在实现LLM调用的工具时候，一定要注意接口的安全策略，应用工具的调用者是LLM，使用过程会比一般的程序开发者更加“开放”，无法预知LLM使用工具的前置条件，所以在工具实现的时候，要更加谨慎和保守，前置校验也需要更规范建议如下：参数透传：安全级别比较高的参数，一定要使用系统层透传，不要让LLM设定传入参数，防止LLM“臆造”、“篡改”，例如用户id，设备id等参数，影响代码稳定性和数据安全代码防腐层：建议设计代码防腐层，用来隔离LLM传入参数和下游调用参数参数合法性校验：对于比较关键的参数，一定要校验合法性，例如订单号一定是数字，位数在10位以上等，防止LLM“臆造”的参数对下游系统造成影响数据状态校验：对应执行类工具（存在写操作的实现），执行前一定要对数据状态进行校验，防止非法操作存在接口幂等：LLM在ReAct流程中可能会重复执行接口，对于幂等要求比较高的操作，设计时候要考虑接口幂等性多阶段事务：对于业务比较复杂的场景，尽量保证事务操作在一个工具内实现，防止跨工具事务的工具实现问题&总结项目上线和迭代的过程中，遇见的问题也特别多，大致总结如下：面向C端的AI创新，对于结果的正确率要求很高，经过对底层模型针对场景的语料的需求和评测，正确率提示至80+%，但是对于面向C端全面开发还有很长的路要走大模型解决了用户输入的自然语言到底层工具结构化输入的转化，但是大模型直接输出到端上的结构化展示错误率比较高，直接透出给用户风险比较大，目前只能依赖工具的结构化输出做页面展示，缺点是失去输出内容展示的灵活性随着智能体中工具的数量增加，智能体对工具的理解和组合会变得不稳定，影响特定场景的正确率，固定Agent和多Agent方案应该是未来的方向，但是要解决Agent智能体分发的问题LLM对工具的返回复杂度有要求，不能返回太复杂的对象，入参也不能过于复杂，否则成功率会降低感谢项目组的人员一起学习排解难题、落地思路，虽然在项目的过程中遇见很多问题，但是探索的过程中积累了很多项目经验，毕竟“书上得来终觉浅”，要知Agent要躬行另外也要感谢阿里巴巴集团提供的大量学习平台，让我们在学习和接触AI新技术的过程更加方便快捷，集团内技术平台和框架的推出，给业务创新屏蔽了底层技术细节，为上层业务快速落地打下基础也希望随着AI技术的越来越成熟，未来阿里巴巴能有更好结合C端的场景落地服务于用户参考文献Agents能力解密：https://blog.csdn.net/youyi300200/article/details/132864191AI Agent到底是什么：https://zhuanlan.zhihu.com/p/681639504基于大模型的人工智能代理：https://zhuanlan.zhihu.com/p/657937696聊聊我对AI Agents技术的一些看法：https://baijiahao.baidu.com/sid=1781584417814332210&wfr=spider&for=pc作者:昱彦 来源-微信公众号:大淘宝技术出处:https://mp.weixin.qq.com/s/vTT3hgoYVehkwZ1p9vFykg
0 评论