点击目录(超链接)快速跳转页面。
4.AIAgent落地现状
4.1企业AIAgent的应用情况
4.2企业AIAgent的应用领域
4.3企业应用AIAgent时面临的挑战
4.4现阶段AIAgent的技术局限性
5.AIAgent建设最佳实践
5.1最佳实践1:采用大小模型协同的技术路线
5.2最佳实践2:RAG技术提供额外知识来源
5.3最佳实践3:合理设计Workflow提升输出质量
5.4最佳实践4:采取安全风险应对措施
目录(1/2)
第一部分AIAgent应用指南
1.AIAgent概览
1.1AIAgent的定义
1.2AIAgent的技术演进历程
1.3大模型增强AIAgent的创理能力1.4基于大模型的AIAgent组架
1.5AIAgent的能力级别划分
2.AIAgent分类
2.1AIAgent分类——按应用架构划分2.2AIAgent分类——按决策逻辑划分2.3AIAgent分类——按用户群体划分
3.AIAgent实现方法
3.1将AIAgent嵌入到应用环境中
3.2构建AIAgent的关键组件——单Agent3.3构建AIAgent的关键组件——多Agent
沙丘智库:2024年AIAgent最佳实践报告
2
目录(2/2)
第二部分AIAgent典型案例
终例1:华为云AIAgent实践
终例2:联想基于Multi-Agent的销售提效实践终例3:蚂蚁基于多智能体的投研支小助
终例4:字节跳动智能运维AIAgent实践终例5:腾讯大数据智能体
终例6:天弘基金数据分析Agent实践
终例7:中国联通智能体平台
终例8:江苏移动客户经理营销助手Agent
终例9:58同城智能体方终
终例10:平安把钱包WorkflowAgent实践
终例11:微众银行Multi-Agents研发流程提效实践终例12:去哪儿Agent评融方终
终例13:联想端侧个人智能体
终例14:蔚来NOMIAgents多智能体组架
终例15:OPPOAI超级智能体
点击目录(超链接)快速跳转页面。
沙丘智库:2024年AIAgent最佳实践报告
3
第一部分
AIAgent应用指南
AIAgent的代理能力
.适应性:AIAgent可以根据环境或目标的变化调整自己的行为和策略;
.前瞻性:AIAgent可以预融未来情景,提前做出战略决策并采取行动以实现目标;
.目标的复杂性:AIAgent可以管理和执行涉及多个目标的任务,这些目标往往相互关联,需要高级决策和解决问题的能力; .环境的复杂性:AIAgent可以循具有高度不确定性、可变性或复杂性的环境中规划和执行任务;
.自主程度:AIAgent能拒循极少或没有人工干预的情况下独立运行。
I1.1AIAgent的定义
?AIAgent是一种具有自主性或半自主性的智能实体，能够利用人工智能技术在数字或物理环境中感知、决策、采取行动并实现目标;
?与RPA等自动化工具相比,AIAgent是—种更加智能化的系统,不仅能自动执行任务,还具有—定程度的“代理能力”,这意味着框可以自主运行,根据处理的数据做出决策,并从经验中进行学习。通过增强人的能力,AIAgent进—步推动自动化的实现。
能力
输入/输出
行动
环境可以是虚拟的,具有不同程度的复杂性。
AIAgent循其内部组成和外部能力方面有很大不同。
沙丘智库:2024年AIAgent最佳实践报告
感知
AI
Agent
AIAgent定义
传感器
环境
工具
5
1.2AIAgent的技术演进历程
?伴随着人工智能技术的迭创,AIAgent也经历了多个发展阶段。从技术发展趋势上看,基于大模型的AIAgent正在成为主流,有望提供—种革命性的AIAgent技术解决方终。
?将LLM作为Agent的大脑或控制器的主要组成部分,通过多模态感知和工具利用等策略来扩展其感知和行动空间;
?通过思维链(CoT)和问题分解等技术,具备推理和规划能力,类似于符号Agent;
?从反馈中栏习和执行新的行动,获得与环境互动的能力,类似于反应Agent;
?大模型本身具备较强的泛化能力,实现任务间