理解智能体自主性

当我们讨论大型语言模型（LLM）智能体时，它们与简单程序甚至基本LLM交互的不同之处在于其自主能力。但在这里，“自主性”到底指什么？它并非指智能体拥有自己的秘密计划或愿望。相反，它是指智能体在无需人类指示每个步骤的情况下，操作并做出决策以达成指定目标的能力。

想想使用简单计算器与委托研究任务之间的区别。使用计算器时，你一步步输入数字和操作，它完全是被动的响应。而一个LLM智能体，当被赋予“查找伦敦当前天气并总结明天的预报”这样的目标时，它能够自行采取一系列行动。它可能会决定使用搜索工具、解析结果，然后形成摘要，这一切都无需你手动指导每个子任务。这种朝向目标的自主推进，正是智能体自主性的核心所在。

这种操作自由与传统自动化脚本形成鲜明对比。脚本就像一个非常严格的食谱：它遵循预设的命令序列，不能偏离。如果出现意外情况，脚本通常会失败或产生不正确的结果。LLM智能体凭借大型语言模型的推理 (inference)能力，具备更大的灵活性。尽管其行动仍受其编程和LLM训练的指引，但它能以更具动态性的方式解释情况并选择下一步行动。

需要理解的是，这种自主性并非无限。智能体在开发者设定的范围内运作。它们被赋予特定目标，能够使用一套限定的工具（我们将在第4章中进一步说明），其“思考”基于它们所用LLM中存在的模式和信息。它们不具备意识或个人意图。它们的自主性是一种功能性能力，使它们能够以一定程度的自我管理来达成目标。

下图展示了不同的任务执行模式，突出了智能体自主性与直接人工控制和固定脚本的区别：

该图展示了一种演进：直接人工控制的每一步都需要持续输入。固定脚本自动化了序列但无法适应。具备自主性的智能体可以接收一个目标，然后循环进行观察、思考和行动，以朝着该目标前进。

那么，为什么这种自主性有益呢？

1. 处理多步骤任务：智能体能够管理需要多个操作的任务，例如从多个来源收集信息、处理信息，然后根据结果采取行动。
2. 适应轻微变化：由于大型语言模型能够理解语境，智能体或许能够处理输入中的轻微变化或意料之外（但并非完全不可预见）的中间结果，而不会立即失败。例如，如果一个网站的布局略有变化，设计良好的智能体可能仍能找到它需要的信息。
3. 减少繁琐工作：通过不仅自动化执行，还自动化部分中间决策，智能体可以使人类用户从任务的更多操作细节中解脱出来。

设想你给同事分配一项任务，比如：“请查明Alpha项目的项目经理是谁，获取他们的电子邮件地址，并替我草拟一封询问简要状态更新的介绍性邮件。”你的同事不需要你告诉他们如何找到项目经理（例如，查看内部目录、询问其他团队成员），也不需要你告诉他们草稿中每一句话的具体措辞。他们有一个目标，并具备自主决定中间步骤的能力。大型语言模型智能体力求实现类似的职能自主性，尽管是在一个更结构化和数字化的范畴。

这种具备一定自主性进行操作的能力，是使大型语言模型智能体变得强大的根本所在。在学习本课程的过程中，你将了解更多关于规划（第5章）、工具（第4章）和记忆（第6章）等组成部分，它们支持并塑造了这种自主性，使智能体能够执行日益复杂的任务。