基于大语言模型的AI Agents—Part 1

代理是自主感知环境并采取行动的智能体，利用大语言模型提升智能程度。

代理的决策流程包括感知、规划和行动，形成闭环学习过程。

记忆分为感觉记忆、短期记忆和长期记忆，分别对应不同的信息处理阶段。

反思是代理生成的更高级别思考，帮助代理进行更深层次的决策。

计划是代理为实现目标而制定的长期策略，能够递归生成更细粒度的动作。

代理在执行过程中会根据环境变化更新计划，并进行对话互动。

LangChain中的Agent和Chain的区别在于Agent使用LLM进行动态决策，而Chain是硬编码的动作序列。

记忆流记录代理的所有经历，帮助代理在决策时检索相关信息。

代理的记忆检索包括近期性、重要性和相关性三个评分标准。

反思和计划都被储存在记忆流中，增强代理的决策能力。