接待来到AI居品司理从0到1研习之旅巨屌。

在这个公众号的菜单中，我预界说了“AI本事”“AI居品”“AI Agent”三大块，迄今为止AI Agent如故0分享

图片

实属不该。

这一次，它来了！

小序

在2018年的开导者大会上，谷歌晓示的一款 AI 助手——Google Duplex，一个通过电话完成执行任务的东谈主工智能系统。它概况进行复杂的对话，况且 统统自主 地完成大部分任务，无需东谈主工参与。虽然它也具备自我监控功能，当识别到无法自主完成任务时（举例，安排极端复杂的约聚），它会向可以完成任务的东谈主类操作员发出信号 。

图片

举例用户让它预约一个商家，Google Assistant就融会过Duplex致电商家来安排预约，在过程中是助手自行与商家的接线员对话，预约见效后再反馈用户也曾完成。在预约餐馆的例子中，商家的东谈主类接线员（因英文不好给疏通带来了贫困）出了不少错，然则Duplex依然概况冒昧。

图片

那时这个信息如故挺火的，而稳健好意思业连锁门店业务系统需求的我，收到了雇主的发问：“你们不是在作念主顾自助预约的功能么，能弗成像谷歌这么作念到主顾说一句话，就自动实践预约呢？”这么的功能折服用户体验很好！

那时我只笑笑不话语——这种AI本事，咱们自研的可能性可以说为0；而那时候也还莫得目下这些大模子和智能体框架。不是我不想，而是弗成。

而跟着以GPT大模子为代表的东谈主工智能（AI）2.0期间的本事发展，从深度学习、机器学习、当然语言处理到狡计机视觉，AI本事按捺冲破限制，为浩荡行业带来了创新性的变革，从提供客户做事的聊天机器东谈主到为医疗保健和制造业创建的复杂机器东谈主。额外所以GPT、Claude、Gemini等大模子的发布，使得这么的智能助手对于小企业、普通东谈主而言也有了垂手而得的可能性。

这，便是本文所要探讨的AI Agent（东谈主工智能代理，也称为AI智能体）。

01

—

AI智能体概述

尽管ChatGPT、Midjourney、Runway、Pika等原生AI应用额外火爆，微软、谷歌、百度、淘宝等大厂在聚会LLM的才能更新迭代我方的居品，好多套壳应用也数见不鲜，但LLM的后劲可远远不啻于用来生成好的案牍、图片和视频，或者用来优化学习、体验、搜索等，它可以被界说为一个广大的通用问题求解器——也便是本文所要探讨的AI智能体。

什么是AI Agent

AI Agent 并不是一个新兴的倡导，早在多年前就已在东谈主工智能范畴有了磋商。在《东谈主工智能：现代要领（第4版）》一书中，作家默示：

任何通过传感器（sensor）感知环境（environment）并通过实践器（actuator）作用于该环境的事物王人可以被视为智能体（agent）。

图片

从这个倡导上而言，围棋机器东谈主AlphaGo、苹果手机助手Siri、天猫精灵智能音箱等，王人可以知晓是AI Agent。

不外，我想要探讨的是一种更先进的、面向明天的东谈主工智能代理——AI Agent旨在知晓、分析和反映东谈主类输入，像东谈主类一样实践任务、作念出决策并与环境互动。它们可以是除名预界说章程的简便系统，也可以是字据陶冶学习和适合的复杂、自主的实体；可以是基于软件的实体，也可以是物理实体。它们被用于各样范畴，包括机器东谈主、游戏、捏造助理、自动驾驶汽车等。这些智能体可以是反应性的（径直对刺激作念出反应）、三想尔后行的（计算和决策），甚而具有学习才能（字据数据和陶冶调整它们的活动）。

比较起来，智能汽车的自动驾驶（L5级别）、（明天更完整形态的）特斯拉东谈主型机器东谈主Optimus这么的智能应用，会更适当我所说的AI Agent的终极形态。

图片

AI Agent的出现鲜艳着咱们向通用东谈主工智能（AGI）迈出了一步。在AGI中，机器将在不同范畴效法东谈主类般的机动性和无与伦比的老成度（然则成果上可能远高于东谈主类）。

AI Agent和LLM、RPA的隔离

大语言模子和 AI Agent 的隔离在于 AI Agent 可以沉寂想考并作念出活动，和 RPA 的隔离在于它概况处理未知环境信息：

图片

与植根于固定参数和检会数据的圭表自动化过程比较，AI Agent在不笃定的环境中高贵发展，在未知的范畴中自主导航，并处理多半新数据。它们是智能自动化的新状貌。但AI Agent又不单是是智能的——它擅长使用电脑，不管是径直浏览互联网、经管应用圭表，如故进行金融来回和限度修复，其功能普通而通用。

然则LLM/LMM的冲破和发展，为AI Agent的罢了铺平了谈路，这亦然为什么ChatGPT发布后对于AI Agent的商量愈动怒热。以大模子为驱动的东谈主工智能代理具有以下上风：

语言交互：它们固有的知晓和生谚语言的才能确保了无缝的用户交互。决策才能：大型语言模子具有推理和决策的才能，使其擅长措置复杂问题。机动的适合性：代理的适合性确保它们可以针对不同的应用进行调整。配合交互：代理可以与东谈主类或其他代理配合交互，为多方面交互铺平谈路。

GPTs自身也可以是智能体，因为它相沿“Action”。举例径直浏览网页（使用webpilot插件）：

图片

跨软件发送音信：

图片

自动整理信息（举例字据在线客服对话提真金不怕火出商机印迹入库）：

图片

AI Agent 可以类比为自动驾驶的 L4 阶段，距离确凿罢了仍有差距（或者说，目下的阐扬还不睬想）：

图片

AI Agent的类型

从职责模式来看，AI智能体可以分为单Agent、多Agent、夹杂Agent（东谈主机交互Agent）三种类型：

图片

单Agent：这种代理侧重于实践单一任务或一系列关联任务，且不需要与其他智能体进行交互。单个代理可以字据任求实践不同的操作，如需求分析、技俩读取、代码生成等。举例手机上的Siri或Google Assistant，你可以要求它缔造闹钟、查询天气、播放音乐等，每个肯求王人是由单个AI代理沉寂处理的，它字据你的大喊实践特定的任务。

图片

图：单代理当用场景的三个脉络：任务导向、创新导向、生命周期导向。

多Agent：这种模式侧重于智能体之间的互动（合作或叛逆）和信息分享，多个智能体协同职责，互相交流信息，共同完成更复杂的任务或方针。多agent应用场景在软件行业开导、智能分娩、企业经管等高度协同的职责中额外有匡助。

图片

图：多代理当用场景的两种交互神情：合作型互动、叛逆型互动。

在这里，给各人分享一个我在旧年12月份所体验的一个基于LLM的多智能体框架——MetaGPT来匡助知晓，详见下方的视频。在它的基础版块中，MetaGPT里面包括居品司理 / 架构师 / 技俩司理 / 工程师等多个Agents，用户只需要输入一句话的需求，它就会我方想考并最终输出用户故事、竞品分析、 需求文档、 数据结构 、APIs 、代码文献等（尽管还不完整，但也曾让我摇荡）。

图片

夹杂Agent：这种模式中，东谈主工智能系统和东谈主类共同参与决策过程，交互合作完成任务，强调的是东谈主机配合的紧迫性和互补性。智谋医疗、智谋城市等专科范畴可以使用夹杂智能体来完成复杂的专科职责。以智谋医疗为例，医师和AI系总共同进行病情会诊，AI系统可以快速分析病东谈主的医疗记载、影像贵寓等，提供初步的会诊提议；而医师则可以基于AI的分析扫尾和我方的专科常识和陶冶，作念出最终的会诊决定。

图片

图：东谈主机交互场景的的两种范式：Instructor-Executor  vs. Equal Partnership

从决策制定和活动模式的角度看，AI智能体可以分为以下类型：

简便反射型Agent：基于“如若-那么”章程径直反映面前的环境情状，不存储任何历史数据或情状。它们的遐想简便，反应速即，但适用边界有限。

图片

举例一个简便的客户印迹网罗机器东谈主，在抖音有新增意向客户（举例照应或留资）时，就触发企业微信的见告音信到群里。这类代理稳当处理一些章程明确、不需要深度逻辑或历史高下文知晓的任务。

图片

基于模子的反射型Agent：领有环境的里面模子，概况基于对环境的知晓和畴前的陶冶作念出更复杂的决策。它概况适合环境变化，处理更复杂的任务。

图片

举例智能家居系统中的温度限度器，它不仅概况字据面前的室温转念空调，还能学惯用户的偏好，并预计何时需要提前调整温度。

图片

基于方针的Agent：这类决策从压根上不同于前边描摹的要求-动作章程，因为它波及对明天的计议，包括“如若我这么作念会发生什么？”和“这会让我舒畅吗？因为了解环境的近况并不老是足以决定作念什么。举例，在一个路口，出租车可以左转、右转或直行。正确的决定取决于出租车要去那处。换句话说，除了面前情状的描摹除外，智能体还需要某种描摹联想情况的方针信息，举例设定特定的主义地。

图片

偶然，基于方针的动作取舍很径直，举例，单个动作概况坐窝罢了方针的情况。偶然会更毒手，举例，智能体为了找到罢了方针的要领而不得不计议很长的复杂序列。道路蓄意便是很好的例子，它字据主义地、起程地以及旅途计策缔造，为用户量身遐想出行决策，同期可聚会及时交通，匡助用户绕开拥挤路段。只须将主义地指定为方针，就可以很容易地改换基于方针的智能体的活动，以到达不同的主义地。

图片

基于效力的Agent：基于效力的代理旨在最大化效费力能或价值，全心挑选具有最高预期效力的活动，以计算扫尾的故意程度。由于这种遐想，基于效力的代理擅长于在复杂和不笃定的场景中使用，机动适合各样情况。

图片

在大多数环境中，仅靠方针并不及以产生高质料的活动。举例，许多动作序列王人能使出租车到达主义地（从而罢了方针），但有些动作序列比其他动作序列更快、更安全、更可靠或更低廉。相同是在“道路蓄意”中，可能会有“地铁优先”“步碾儿最少”“换成少”“时刻短”等不同的选项，这些便是用户渴望的效力。

图片

学习型Agent：这些代理遐想用于在未知环境中运行。他们从我方的履历中学习，并跟着时刻的推移调整我方的活动。深度学习和神经集聚频频用于开导学习代理。

图片

在 DeepMind 的一项磋商中，就展示了基于宇宙模子的通用可延迟的算法 DreamerV3在莫得东谈主类数据或主动素质的情况下从零脱手在《我的宇宙》（Minecraft）中网罗钻石。演示视频披露它网罗的第一颗钻石，发生在 30M 环境步数 / 17 天游戏时刻之内。

图片

还有一些其他的分类，尽管莫得出目下《东谈主工智能：现代要领》一书中，但也值得一提：

信念-渴望-意图Agent：模拟东谈主类的决策过程，具有对环境的信念（融会）、方针（渴望）和计算（意图），概况进行复杂的推理和蓄意，以达成其方针。咱们在著作开始所提到的Google Duplex便是一个额外好的例子，可以被认为是接近于信念-渴望-意图（B-D-I）模子的AI代理。信念（Belief）：Duplex具有对环境的融会，比如知晓用户的需求、知谈餐厅的绽放时刻和预约章程。它概况网罗和处理信息，变成对面前环境的知晓。渴望（Desire）：它基于用户的指示，有明确的方针或渴望，如为用户预订特定日历和时刻的餐厅。意图（Intention）：Duplex制定计算和活动要领来罢了这一方针，比如通过电话与餐厅交流，筹商可用时刻，阐述预约细节。复杂的推理和蓄意：在进行电话预约时，Duplex概况字据对方的回答进行即时的推理，作念出合适的反映，并字据对话情况调整其活动计算，以罢了用户的预约意图。基于逻辑的Agent：往往基于一系列逻辑章程，通过推理来措置问题，稳当需要高度逻辑判断的场景，举例法律照应聊天机器东谈主，通过分析用户的问题和现存的法律章程库，逻辑推理出最合适的法律提议或解答。

图片

分层的AI Agent：按层组织的代理，高等代理稳健融合初级代理。这些级别字据系统的复杂性量身定制，在机器东谈主、制造和运载等不同范畴阐扬出色，擅长无缝融合多个任务和子任务。xAgent的组成部分和职责机制就可以被知晓为分层的AI代理。在分层AI代理体系中，不同层级的代理稳健完成不同抽象脉络的任务，从高层的任务蓄意到底层的具体实践，各脉络之间互额外合，以罢了复杂任务的灵验处理。

图片

其中：🤖 调度器：位于体系缚构的最高层，稳健动态实例化和分配任务给不同的智能体。它允许咱们添加新的智能体和改进智能体的才能。这一层额外于高层决策层，对新的智能体进行整合和调度，确保系统概况机动适合新任务和环境变化。🧐 蓄意器：处于中间层，稳健为任务生成和调动计算，它将任务剖析为子任务，并为它们生成里程碑，使智能体概况缓缓措置任务，桥接了高层的调度决策和底层的实践活动。🦾 活动者：位于体系缚构的最底层，稳健遴荐活动罢了方针和完成子任务。活动者运用各样用具来措置子任务，它也可以与东谈主类合作来措置任务。它径直与环境交互，罢了具体方针。

02

—

基本组成和本事旨趣

AI Agent的基本组成

复旦大学NLP团队在《A Survey on Large Language Model basedAutonomous Agents》一文中回来性地指出，如若基于大语言模子构建AI Agent，其总体框架由大脑、感知和活动三个要害部分组成：

图片

大脑：主要由一个大型语言模子组成，该模子不仅存储常识和顾忌，还承担信息处理和决策功能，概况呈现推理和蓄意过程，以很好地处理未知任务。感知：感知模块的中枢主义是将主体的感知空间从纯文才略域延迟到文本、听觉和视觉模式。活动：在代理的构建中，活动模块收受大脑模块发送的动作序列，并实践与环境交互的动作。在感知环境后，东谈主类会对大脑中感知到的信息进行整合、分析和推理，并作念出决策。随后，他们运用神经系统限度我方的体魄，并进行适合性或创造性的活动，如交谈、侧目破裂或生火。当一个智能体领有访佛大脑的结构，以及常识、顾忌、推理、蓄意、泛化才能和多模式感知才能时，它也有可能对周围环境作念出各样访佛东谈主类的反应。在智能体的构建过程中，动作模块收受大脑模块发送的动作序列，并实践与环境交互的动作。

对细节感酷好可进一步查阅原论文：https://arxiv.org/pdf/2309.07864.pdf

从上头的架构中咱们可以看到，AI Agent可能波及的组件额外之多。咱们无法逐个列举，但可以对其中的一部分稍作探讨：‍感知：感知是东谈主工智能主体从其环境中收受的感官输入。这些提供了对于代理操作的可不雅察环境确面前情状的信息。举例，如若东谈主工智能代理是客户做事聊天机器东谈主，感知可以包括：用户音信用户建树文献信息用户位置聊天历史记载语言首选项（举例汉文简体or英文）时刻和日历用户首选项用户表情识别Agent Function：智能体体系缚构的中枢是智能体的Function。它将代理对环境的感知映射到它应该遴荐的活动。换言之，代理功能允许东谈主工智能字据网罗到的信息笃定应该遴荐什么活动。这便是代理的“智能”所在，因为它波及推理和取舍活动来罢了其方针。软件Agent和AI tools具有学习元素和性能元素，这意味着现代理实践任务时，代理功能会字据代理的历史和检会数据进行改进。实践：实践器实质上是代理的“肌肉”，实践Agent功能所作念的决策。这些动作可以是一系列普通的任务，从驾驶自动驾驶汽车到在聊天机器东谈主的屏幕上键入文本。‍一些常见的实践器包括：文本反映生成器：该实践器稳健生成基于文本的反映并将其发送给用户。它收受聊天机器东谈主基于文本的回复，并通过聊天界面将其发送给用户。做事集成API：聊天机器东谈主可能需要集成一个系统，如公司的CRM系统，以拜访客户数据、创建相沿票证或检查订单情状。这些集成波及看成实践器的API调用，允许聊天机器东谈主与外部系统交互，并字据需要检索或更新信息。见告和提醒：见告实践器可以向用户的修复发送电子邮件见告、短信或推送见告，提醒他们行将到来的约聚、订单情状改换、促销或其他关联更新。这些实践器有助于让用户了解情况并参与其中。‍常识库：常识库是东谈主工智能代理存储其对于环境的开动常识的场所。这些常识往往是预界说的或在检会期间学习的。它是代理东谈主决策过程的基础。举例，自动驾驶汽车可能有一个包含谈路章程信息的常识库，而客户做事的自动代理可以拜访关联公司居品的详备信息。‍反馈：跟着时刻的推移，反馈对于东谈主工智能代理的改进至关紧迫。这种反馈可以来自两个来源：评估者或环境自身。评估者可以是东谈主类，也可以是用于评估Agent性能的另一个AI系统。或者，环境可以以由Agent的活动产生的扫尾的神情提供反馈。这种反馈轮回使代理概况适合，从陶冶中学习，并在明天作念出更好的决策。

需要强调的是，字据取舍的不同具身要领，智能体概况以软件操作、机器东谈主、自动驾驶汽车等多种神情阐扬。而并不是惟有软件圭表层面的Action（举例字据需要决定调用指定的插件/API）。

图片

比如有名AI各人李飞飞团队推出的具身智能框架——VoxPoser，便是将大模子接入机器东谈主，把复杂指示转动成具体活动蓄意（无需额外数据和检会），让其在模拟和现实宇宙的各样机器东谈主操作任务中赢得了很可以的阐扬：

图片

而自动驾驶，则是迄今为止我心目中最为高等的具身智能神情了：

图片

AI Agent的职责旨趣

旨在完成指定方针的典型AI Agent基本除名以下要领（但要领的法令可能会因智能体遐想的不同建树或方针而异）：AI Agent的职责与其他流行的AI措置决策访佛，即要求用户输入方针，然后智能体通过参与后台操作的中枢语言学习模子来启动其迈向方针的旅程，以复返其第一个输出并展示其敌手头任务的知晓。接下来是全心制作任务清单。在既定的方针的驱动下，智能体制定一系列任务，按完成法令摆设优先级。一朝对其计算感到惬意，它就会深远磋商信息检索。Agent的功能就像一个实验性的狡计机用户，在互联网的广阔范畴中导航以网罗关联信息。一些高等Agent与其他东谈主工智能模子配合，罢了图像生成、狡计机视觉功能等专科任务的拜访（即Function call和用具使用）。统统网罗到的数据王人由Agent全心经管，用于将信息传递回用户，并完善其计策以罢了更优化的进程。当每项任务完成时，Agent王人会积极寻求外部来源和里面想维过程的反馈，以推断其与最终方针的距离。在罢了方针之前，代接待按捺迭代，制定新的任务，并寻求更多的数据和反馈，以朝着方针前进。以AutoGPT为例>>>

图片

AutoGPT是一个基于 GPT-4 的自动化生成内容的AI Agent框架，它最引东谈主闪耀的场所在于其险些可以统统沉寂职责（偏诗人性的，举例征集和整理行业信息、撰写市集磋商陈诉、生成代码等），少量需要东谈主为打扰。底下，咱们将通过一个简便的过程先容来讲明AutoGPT是若何收受任务、处理信息，并给出措置决策的：开动化和方针设定：脱手使用AutoGPT时，领先是为它缔造一个标记（比如名字），并明确它需要完成的任务。这一要领匡助AutoGPT明确方针标的，为后续的决策和任求实践奠定基础。数据分析：AutoGPT从你提供的信息脱手入辖下手职责，它会深远分析这些数据，识别其中的模式和要害细节。这个过程加深了它对任务的知晓，为生成措置决策的领导打下了基础。生成领导：基于对数据的分析，AutoGPT概况生成用于措置任务的自生成领导。这些领导引导AutoGPT若何灵验地达成方针。自主信息征集：AutoGPT不单是局限于脱手时提供的数据，它还会主动在互联网上征集更多信息，以丰富我方的常识库，从而提升任务处理的深度和准确度。数据审查和优化：网罗到的新信息会被系统仔细审查和评估，以确保统统信息的真实性和灵验性。任何误导性或不准确的内容王人会被放置，保证决策依据的可靠性。持续学习和改进：AutoGPT珍重从每个任务中学习和自我改进。通过分析实践扫尾和反馈，系统按捺调整和优化，使其在处理后续任务时愈加高效和精确。输出扫尾：经过一系列的分析、学习和优化后，AutoGPT会提供一个详尽了统统可用信息和分析的措置决策。这个输出是对任务的深远知晓和全面回复。这是它早期的一个Demo演示：

图片

03

—

应用场景与案例

AI Agent的应用

AI Agent也曾/可以在欠亨过的范畴/场景中得到应用，举例：捏造助理：像Siri、Google Assistant和Alexa这么的捏造助理便是比较常见的AI Agent例子（只不外它们出生之初并不是基于LLM，但在明天一定会全面集成）。它们王人能感知用户的语音，处理音频，并决定对任何特定筹商的最好回复。机器东谈主：机器东谈主范畴的AI智能体包括分娩线上的工业机器东谈主到自动驾驶汽车系统。这些智能体感知多种维度的事物，并将它们糅合在沿途进行合理、快速的活动反映。集聚安全：用于集聚安全的东谈主工智能代理可以检测坏心软件、集聚入侵和DDoS报复。智能体能感知极端的集聚流量等情况，并提醒运维东谈主员细心。游戏：游戏中的AI Agent通过为非玩家扮装增多深度，让玩家在游戏宇宙中嗅觉到更大的NPC活力。虽然还有更多的其他例子，举例：提供个性化调养计算的医疗保健Agent，在家和不在家时调整温度的智能家居监测Agent，以及追踪天气模式和作物产量并提醒科学家变化的环境监测Agent。不外，如若聚会目放学术界和产业界基于大型语言模子（LLM）开导的AI Agent应用情况，咱们可以简便归纳为两种主要类型：

图片

自主智能体：这类AI Agent专注于复杂经过的自动化。当给定一个方针后，它们可以独当场遐想任务经过、实践任务，并在完成后络续生成和优先排序新任务，轮回进行直到最终方针达成。这种智能体的特质是需要较高的实践准确度，因此，它们频频依赖外部用具来裁汰大型模子带来的不笃定性，确保任务的成功完成。智能体模拟：这类AI Agent旨在创造出愈加传神、着实的模拟智能体，它又可以细分为两个子类：一类是强调情谊智能的智能体，旨在模拟东谈主类的情谊和情商；另一类是强调交互性的智能体，往往应用于多智能体环境中，概况产生超出遐想者预期的场景和才能。对于这类智能体来说，大模子固有的不笃定性反而可以转动为上风，增多智能体的各样性和传神度，使其成为AI生成内容（AIGC）的紧迫组成部分。字据中国东谈主民大学高瓴东谈主工智能学院的磋商团队在旧年8月份的一篇论文，基于LLM的AI智能体范畴居品增长情况如下：

图片

咱们可以看到有不同范畴的智能体纷繁推出，其中好多王人火出圈了。底下这张图片展示了更多：

图片

一个愈加具体的可应用案例

腾讯前一阵子推出了AppAgent的Demo版块——一种多模态智能代理（Agent）框架，由大型语言模子提供相沿，与传统的智能助手如 Siri 不同，AppAgent概况掌持和运用你手机上的任何应用圭表来实践复杂的任务，通过模拟东谈主类的点击、滑动、输入等操作与酬酢媒体、电子邮件、舆图、购物和复杂的图像裁剪用具等App交互。

图片

<未完待续，这里又挖了个坑>

...不知谈什么时候才能续上...

这一篇就先分享到这吧

后续再深远个案的研习

毕竟，这是我最看好的AI的明天应用

如若你以为我的分享还可以或者对你有匡助，不妨点个眷注、在看。

也接待你在留言区与我互动。

参考贵寓：

https://lilianweng.github.io/posts/2023-06-23-agent/

https://blog.research.google/2018/05/duplex-ai-system-for-natural-conversation.html

https://botpress.com/blog/what-is-an-ai-agent

https://medium.com/humansdotai/an-introduction-to-ai-agents-e8c4afd2ee8f

https://redis.com/blog/what-is-an-ai-agent/

https://medium.com/@henryhengluo/intro-of-ai-agent-ai-agent-projects-summary-52f4a364ab86

https://techcommunity.microsoft.com/t5/educator-developer-blog/building-ai-agent-applications-series-understanding-ai-agents/ba-p/4046944

https://medium.com/how-i-use-ai/whats-an-ai-agent-and-what-are-its-current-advantages-and-possible-future-87b577719f24

《AI期间新开始，寻新投资标的（三）AI Agent，大模子期间紧迫落地标的》，东吴证券

《智能体专题陈诉之一：智能体大开智驾与机器东谈主的星辰大海》，中银证券

《AI Agent：基于大模子的自主智能体，在探索 AGI 的谈路向前进》，东吴证券

https://zapier.com/

https://www.jijyun.cn

https://github.com/geekan/MetaGPT

https://appagent-official.github.io/

https://cloud.tencent.com/solution/smart-home

色站

https://mp.weixin.qq.com/s/SBvkWOA8H3eK3FpvZ1C4Sg

https://github.com/PKU-YuanGroup/ChatLaw

https://medium.com/@amiable_cardinal_crocodile_398/robotics-voxposer-composable-3d-value-maps-for-robotic-manipulation-with-language-models-84938e41cc51

https://www.maartengrootendorst.com/blog/autogpt/

https://arxiv.org/pdf/2309.07864.pdf

https://arxiv.org/pdf/2308.11432.pdf

https://github.com/e2b-dev/awesome-ai-agents?tab=readme-ov-file巨屌

本站仅提供存储做事，统统内容均由用户发布，如发现存害或侵权内容，请点击举报。