动手实践：分析一个简单代理的任务执行过程

为了让代理系统的抽象想法更具体，这里分析一个AI代理执行任务的简化示例。此示例说明了包括LLM、工具、内存（即使是基础的）和提示在内的组成部分如何协同工作。目标是观察并了解代理的决策过程，即使是在模拟环境中。

场景：一个简单信息获取任务

假设用户问我们的AI代理：“法国的首都是哪里，它目前的居住人口是多少？”

这是一个直接的问题，但它可能要求代理执行多个步骤：识别所需的两部分信息，获取它们（可能借助工具），然后综合答案。

我们的代理工具包（简化版）

为进行此次演示，我们的代理配备了：

• 一个大型语言模型（LLM）： 这是代理的“大脑”，负责理解请求、规划步骤、解释工具输出，并生成最终回应。我们假设它是一个能遵循指令的模型。
• 一个 web_search(query: str) 工具： 这个工具允许代理在互联网上查找信息。它接受一个字符串形式的搜索查询，并返回包含搜索结果的文本片段。
• 短期记忆： 对于这个简单任务，代理的短期记忆通过LLM的上下文 (context)窗口隐式管理。思想、行动和观察的历史被保留，以指导后续步骤。

指导代理的主提示

为了指导代理的行为并确保其遵循结构化方法，我们为其提供了一个“主提示”或一组系统级指令。这个提示概述了代理应如何思考、行动和使用其工具。它是代理行为提示工程 (prompt engineering)的一个非常基本的要素。

以下是这样一个主提示的示例，它促使代理形成类似ReAct（推理 (inference)与行动）的循环：

你是一个AI助手。你的任务是准确回答用户的问题。
你可以使用以下工具：
- web_search(query: string): 根据查询在互联网上搜索信息并返回摘要。

要回答问题，请重复以下步骤：
1. 思维：简要说明你的计划或下一步将采取的行动。
2. 行动：指定要使用的工具及其输入。如果你有了答案，请声明 'Final Answer:'。
3. 观察：记录工具的结果。
根据需要重复步骤1-3，直到你能提供最终答案。

用户问题：法国的首都是哪里，它目前的居住人口是多少？

这个提示明确告诉了代理：

• 它的总体目标（回答用户问题）。
• 可用的工具以及如何调用它们。
• 其内部推理（思维）、工具使用（行动）和处理工具输出（观察）的结构化格式。
• 如何表明它已完成任务（Final Answer:）。

模拟代理的执行轨迹

现在，让我们模拟代理在主提示的指导下，处理用户问题时的内部思考和行动。

第一次迭代：查找首都

• 思维： 用户的问题包含两部分：法国的首都及其居住人口。我应该首先查找法国的首都。
• 行动： web_search("capital of France")
• （模拟工具执行：web_search 工具被调用。它查询搜索引擎并处理结果。）
• 观察结果： “法国的首都是巴黎。”

此时，代理已成功获取第一部分信息。“观察结果”现在是其工作上下文 (context)的一部分。

第二次迭代：查找居住人口

• 思维： 我已查到巴黎是首都。现在我需要查找它的当前居住人口。
• 行动： web_search("current population of Paris")
• （模拟工具执行：web_search 工具再次被调用。）
• 观察结果： “根据近期估算，巴黎目前的居住人口约210万。”

代理现在已获取第二部分信息。

第三次迭代：综合最终答案

• 思维： 我已拥有两部分信息：法国首都是巴黎，其居住人口约210万。我现在可以构建最终答案了。
• 行动： Final Answer: 法国首都是巴黎，其目前居住人口约210万。

代理发出信号表示它已得到完整答案，整个过程结束。

分析代理的流程

这个简单的执行轨迹展现了代理系统的几个重要方面：

• 主提示的作用： 主提示起到了重要作用。它不仅告诉代理做什么，还告诉如何处理问题：通过循环地思考、行动和观察。这种结构化方法是提示工程 (prompt engineering)的直接成果。
• 任务分解： LLM在提示和问题性质的指导下，隐式地将主要任务（“回答关于法国首都和居住人口的问题”）分解为子任务（查找首都，查找居住人口）。
• 工具选择与使用： 代理正确识别何时需要工具，并为 web_search 工具制定了适当的查询。主提示对工具的描述对此很重要。
• 信息整合： 代理在不同迭代中保持了上下文 (context)。第一次搜索的结果（巴黎）为第二次搜索（巴黎的居住人口）的查询提供了信息。然后它结合两部分信息来构成最终答案。
• LLM作为推理 (inference)引擎： 每个“思维”步骤都代表着LLM的推理过程。它评估当前状态，规划下一步行动，并最终决定何时完成任务。

工作流程可视化

代理的操作可以被可视化为一系列状态和转换，由其内部推理 (inference)和与工具的互动驱动。

图示代理在信息获取任务中的迭代思维-行动-观察循环。

此图显示了代理如何循环地进行思考、行动（通常涉及工具）和观察结果，更新其内部状态或上下文 (context)，直到它能生成最终答案。

联系章节起始主题

本次动手实践分析虽然简化，但直接关联到本章的起始主题：

• AI代理的核心组成部分： 我们看到了LLM作为推理 (inference)核心，web_search 工具作为外部能力，以及隐式使用短期记忆（上下文 (context)窗口）来连接步骤。
• 提示工程 (prompt engineering)的作用： 主提示是提示工程如何指导和构建代理行为的一个典范示例，使其能够有条不紊地执行多步骤任务。特定的思维:、行动:、观察: 格式是一种基于提示的机制。
• 代理提示与标准提示的对比： 主提示比LLM的简单问题更复杂。它包含关于流程、工具使用和输出格式的指令，这是代理提示的特点。
• 代理架构概述： 思维 -> 行动 -> 观察 循环镜像了ReAct等代理架构的核心循环，我们对此进行了简要介绍。这个示例提供了一个实用的视角，展示了此类架构如何运作。
• 评估代理性能的方法： 在本例中，评估是直接的：代理是否提供了正确的首都和合理的居住人口数字？对于更复杂的任务，前面讨论的评估方法变得更有意义。

通过剖析一个简单的代理任务，我们开始认识到不同组成部分如何协同工作，以及仔细的提示设计所扮演的重要作用。随着课程的进行，我们将在这些基本原理上继续，构建和管理更复杂的代理工作流。