參考：DataWhale wow agent 課程https://github.com/datawhalechina/wow-agent
Agents 的核心組件#
一個完整的 Agent 主要由三個核心組件構成：
1. 模型 (Model):
- 角色：作為 Agent 的 “大腦”，負責理解用戶輸入，進行推理和規劃，並選擇合適的工具進行執行。
- 類型：常用的模型包括 ReAct、Chain-of-Thought、Tree-of-Thought 等，它們提供不同的推理框架，幫助 Agent 進行多輪互動和決策。
- 重要性：模型是 Agent 的核心，其推理能力決定了 Agent 的行動效率和準確性。
2. 工具 (Tools): - 角色：作為 Agent 與外界互動的 “橋樑”，允許 Agent 訪問外部數據和服務，執行各種任務。
- 類型：工具可以是各種 API，例如數據庫查詢、搜索引擎、代碼執行器、郵件發送器等。
- 重要性：工具擴展了 Agent 的能力，使其能夠執行更複雜的任務。
3. 編排層 (Orchestration Layer): - 角色：負責管理 Agent 的內部狀態，協調模型和工具的使用，並根據目標指導 Agent 的行動。
- 類型：編排層可以使用各種推理框架，例如 ReAct、Chain-of-Thought 等，幫助 Agent 進行規劃和決策。
- 重要性：編排層是 Agent 的 “指揮中心”，負責協調各個組件，確保 Agent 的行動符合目標。
Agents 的運作機制：從輸入到輸出#
Agent 的運作過程可以概括為以下幾個步驟：
- 接收輸入：Agent 接收用戶的指令或問題。
- 理解輸入：模型理解用戶的意圖，並提取關鍵信息。
- 推理規劃：模型根據用戶輸入和當前狀態，進行推理和規劃，確定下一步行動。
- 選擇工具：模型根據目標選擇合適的工具。
- 執行行動：Agent 使用工具執行行動，例如查詢數據庫、發送郵件等。
- 獲取結果：Agent 獲取工具執行的結果。
- 輸出結果：Agent 將結果輸出給用戶，或進行下一步行動。
Agents 的應用：從智能客服到虛擬助手#
Agents 的應用範圍非常廣泛，例如：
- 智能客服：Agent 可以自動回答用戶問題，處理訂單，解決客戶問題，提高客戶滿意度。
- 個性化推薦：Agent 可以根據用戶的興趣和行為，推薦商品、內容、服務等，提升用戶體驗。
- 虛擬助手：Agent 可以幫助用戶管理日程、預訂行程、發送郵件等，提高工作效率。
- 代碼生成：Agent 可以根據用戶的需求，自動生成代碼，提高開發效率。
- 智能創作：Agent 可以根據用戶的需求，創作詩歌、小說、劇本等，激發創作靈感。
- 知識圖譜構建：Agent 可以從文本中提取知識，構建知識圖譜，用於知識管理和推理。
Agents 的開發工具：從 LangChain 到 Vertex AI#
為了方便開發 Agents，Google 提供了多種工具和平台，例如：
- LangChain：一個開源庫，可以幫助開發者構建和部署 Agents。LangChain 提供了一套 API，方便開發者將 LLMs 與工具和編排層結合，構建功能強大的 Agents。
- LangGraph：一個開源庫，可以幫助開發者構建和可視化 Agents。LangGraph 提供了一套圖形化界面，方便開發者設計和測試 Agents。
- Vertex AI：一個雲平台，提供各種 AI 工具和服務，例如 Vertex Agent Builder、Vertex Extensions、Vertex Function Calling 等，可以幫助開發者快速構建和部署 Agents。Vertex AI 提供了強大的基礎設施和工具，方便開發者進行 Agent 開發、測試、部署和管理。