趋近智
智能体LLM系统与记忆增强架构
章节 1: 智能体行为的基本原理
界定LLM情境下的自主行动能力
自主大型语言模型系统的组成部分
Agentic 系统设计中的挑战
先进智能体框架概览
章节 2: 进阶智能体架构与推理
ReAct 框架：推理与行动的整合
实现 ReAct 智能体
自问：通过迭代提问提升事实准确性
思维树（ToT）应对复杂问题
基于图的推理结构
推理架构的比较分析
实践：构建自定义ReAct智能体
章节 3: 设计复杂的记忆系统
记忆在智能体系统中的作用
短期记忆机制
长期记忆：向量数据库与嵌入
高级检索策略
结构化记忆表示
记忆整合与摘要技术
管理内存读写操作
动手实践：集成向量数据库记忆
章节 4: 复杂规划与工具集成
任务分解策略
分层规划方法
集成外部工具和API
工具描述与选择机制
API 错误与工具执行故障的处理
自我校正与计划优化
实践：搭建一个使用工具的多步骤规划智能体
章节 5: 多智能体系统
多智能体系统（MAS）设计原则
LLM 智能体的通信协议
协作解决问题架构
代理角色与专业分工
协调机制
竞争与谈判场景
多智能体系统扩展中的挑战
动手实践：构建协作代理团队
章节 6: 智能体系统的评估与优化
制定代理任务的成功衡量标准
评估推理与规划能力
评估工具使用的可靠性和准确性
记忆系统性能评估
智能体系统的基准测试 (AgentBench等)
复杂代理行为的调试策略
代理系统性能优化方法
大语言模型针对特定智能体角色的微调
实践：构建评估框架
代理角色与专业分工
这部分内容有帮助吗？
- AutoGen: Enabling Next-Gen LLM Applications with Multi-Agent Conversation Framework, Qingyun Wu, Gagan Bansal, Jieyu Zhang, Yiran Wu, Beibin Li, Erkang Zhu, Li Jiang, Xiaoyun Zhang, Shaokun Zhang, Jiale Liu, Ahmed Hassan Awadallah, Ryen W White, Doug Burger, Chi Wang, 2023 arXiv preprint arXiv:2308.08155 DOI: 10.48550/arXiv.2308.08155 - 这篇论文介绍了一个用于构建多智能体LLM应用的框架，直接支持具有不同角色和能力的智能体通过通信解决任务的概念。
- MetaGPT: Metaprogramming for Multi-Agent Collaboration, Sirui Hong, Mingchen Zhuge, Jiaqi Chen, Xiawu Zheng, Yuheng Cheng, Ceyao Zhang, Jinlin Wang, Zili Wang, Steven Ka Shing Yau, Zijuan Lin, Liyang Zhou, Chenyu Ran, Lingfeng Xiao, Chenglin Wu, Jürgen Schmidhuber, 2023 arXiv preprint arXiv:2308.00352 DOI: 10.48550/arXiv.2308.00352 - 这项工作展示了一个多智能体框架，为LLM智能体分配特定角色（例如产品经理、架构师、工程师）以进行协作式软件开发，实际说明了角色专业化。
- Artificial Intelligence: A Modern Approach, Stuart Russell and Peter Norvig, 2020 (Pearson) - 一本广受认可的教材，提供了人工智能的基础背景，包含关于智能体和多智能体系统的全面章节，有助于理解通用的智能体设计原则。
- Generative Agents: Interactive Simulacra of Human Behavior, Joon Sung Park, Joseph C. O'Brien, Carrie J. Cai, Meredith Ringel Morris, Percy Liang, Michael S. Bernstein, 2023 arXiv preprint arXiv:2304.03442 DOI: 10.48550/arXiv.2304.03442 - 这篇论文探讨了在模拟环境中创建具有持久身份和记忆的LLM驱动智能体，展示了智能体角色和行为如何从架构设计和提示中产生，从而有助于多智能体系统设计。