具身智能 概念
具身智能指 AI 通过身体(机器人/虚拟体)与环境物理交互学习与执行任务,强调感知-行动闭环,融合视觉、语言、操作与强化学习,2024 年起成为 AI 前沿热点。
大模型 · 万物互联 · 人工智能的结构化知识库。人人可阅读、可贡献、可追溯。
具身智能指 AI 通过身体(机器人/虚拟体)与环境物理交互学习与执行任务,强调感知-行动闭环,融合视觉、语言、操作与强化学习,2024 年起成为 AI 前沿热点。
人机协作研究人与 AI 如何互补分工:人在环(Human-in-the-Loop)、人审 AI 产出、AI 辅助人决策,兼顾效率与责任,是 AI 落地的现实形态。
对话智能体通过自然语言多轮交互完成任务(问答/客服/助手),由对话管理、意图理解、检索/生成与工具调用组成,大模型使其从「规则脚本」走向「开放任务」助手。
多智能体协作让多个角色化 Agent 分工合作完成任务:讨论辩论、相互审查、分层管理,MetaGPT、ChatDev、AutoGen 展示软件研发等复杂场景的协作范式。
智能体编排是设计多智能体/步骤的组织方式:顺序、并行、分层、状态机与条件分支,LangGraph、CrewAI 等框架用图/流程建模,决定任务的执行效率与可靠性。
Dify 是开源 LLM 应用开发平台:可视化编排 Agent、RAG 工作流与模型管理,提供知识库、工具、观测与发布一体化能力,是中文社区使用最广的 LLM 应用平台之一。
LlamaIndex(原 GPT Index)是面向「数据连接 + 检索」的 LLM 应用框架:提供文档加载、切分、索引(向量/树/知识图谱)、查询引擎与 Agent 数据访问,是 RAG 深度应用的主力工具。
LangChain 是 2022 年发布的大模型应用开发框架,提供 LLM 抽象、提示模板、链(Chain)、Agent、记忆与 RAG 组件,以及 LangGraph 状态化编排,是 LLM 应用生态的事实标准之一。
BabyAGI 是 2023 年 4 月发布的极简自主智能体参考实现:用任务队列 + LLM 执行 + 结果存储的循环完成目标,百行代码展示了 Agent 的最小骨架,影响深远。
AutoGPT 是 2023 年 3 月开源爆火的自主智能体项目:让 GPT-4 自主规划、记忆与执行长任务(写代码、做研究),定义了「自主 Agent」范式,尽管可靠性有限。
检索增强式 Agent 把 RAG 与 Agent 结合:智能体自主决定何时检索、检索什么、如何多跳查询与工具调用,克服静态 RAG 的单轮检索局限,实现深度知识密集型任务。
Agent 记忆系统让智能体跨对话保留信息:短期记忆(上下文窗口)、长期记忆(向量库/知识库)与工作记忆(任务状态),是自主 Agent 多轮一致性与持续学习的关键。
任务分解把复杂目标拆为可执行子任务(层次式/顺序式/并行式),是 Agent 规划的第一步,LLM 通过提示或专用规划器完成,配合子任务结果合并实现复杂任务。
Agent 的规划与推理能力指把目标拆解为子步骤并排序执行,方法从经典规划器(PDDL)到 LLM 的思维链、Plan-and-Execute、树搜索(ToT)与自我反思(Reflexion)。
ReAct 让 LLM 在推理(Thought)与行动(Act)间交替:生成思考→选择动作→观察结果,显著提升 Agent 的任务完成率与可解释性,是现代 Agent 的事实标准范式。