AutoGPT、BabyAGI、CAMEL与Generative Agents的区别与联系(翻译)

最近关于 AIGC 的热点新闻中,出现了许多以 Agent 方式使用 LLM 的项目,像 AutoGPTBabyAGICAMELGenerative Agents 这样的项目获得极大关注。笔者在研究和借助 LangChain 社区工具实现过这些项目之后,试图简单谈谈它们之间的区别以及每个项目的特性。

我的新书《LangChain编程从入门到实践》 已经开售!推荐正在学习AI应用开发的朋友购买阅读!
LangChain编程从入门到实践

背景知识

在 LangChain的术语中 Agent 一般指的是将语言模型作为一个推理引擎,并将其与两个关键部分连接起来:工具和记忆。

工具有助于将LLM连接到其他数据或计算的来源。工具的例子包括搜索引擎、API和其他数据存储。工具是有用的,因为LLM只拥有他们被训练的知识。这种知识可能很快就会过时了。为了克服这种限制,工具可以获取最新的数据,并将其作为上下文插入到提示中。工具也可以用来采取行动(例如,运行代码,修改文件等),然后该行动的结果可以被LLM观察到,并被纳入他们关于下一步行动的决定。

记忆帮助 Agent 记住以前的互动。这些互动可以是与其他实体(人类或其他 Agent ),也可以是与工具。这些记忆可以是短期的,也可以是长期的。

在LangChain中 “Agent “称为决定采取什么行动的LLM;”Tools “是Agent可以采取的行动;”Memory “是提取以前事件的行为,而AgentExecutor是在while-loop中运行Agent的逻辑,直到满足某些停止条件。

LangChain Agent 是基于Yao等人在2022年11月提出的推理和行动(ReAct)框架。这种方法的特点是有以下算法:

  1. 用户给 Agent 一个任务

  2. 思考: Agent “思考 “要做什么

  3. 行动/行动输入: Agent 决定采取什么行动(又称使用什么工具)以及该工具的输入应该是什么

  4. 工具的输出

重复步骤2-4,直到 Agent “认为 “它已经完成。在讨论其他实现和框架时,我们将把它们与这个算法进行比较。

自助 Agent 和 Agent 模拟

首先理清两个概念,自助 Agent 和 Agent 模拟

  • 自主 Agent ”项目(BabyAGI,AutoGPT)的创新之处在于它们的长期目标,这需要新型的规划技术和不同的记忆使用方式。
  • Agent 模拟”项目(CAMEL,Generative Agents)的创新之处在于它们的模拟环境和长期记忆,能够根据事件反映和适应。

AutoGPT

AutoGPT项目与传统的LangChain Agent 之间的主要区别可以归结为不同的目标。在AutoGPT中,目标往往是更开放的,而且是长期的。这意味着AutoGPT有一个不同的AgentExecutor和不同的内存方式(这两者都是为长期运行的任务而优化的)。以前,LangChain中的 Agent 记忆有两种形式:

  • Agent 步骤的记忆:这是通过保留一个与该任务相关的中间 Agent 步骤的列表来完成的,并将完整的列表传递给LLM调用

  • 系统记忆:它记住了最终的输入和输出(但忘记了中间的 Agent 步骤)。

由于AutoGPT的运行时间比较长,将 Agent 步骤的完整列表传递给LLM调用不再可行。相反,AutoGPT在中间 Agent 步骤上增加了一个基于检索的记忆。在引擎盖下,这个基于检索的内存正在对嵌入进行语义搜索,使用VectorStore。请注意,LangChain也有这种基于检索的记忆,但它以前是应用于用户与 Agent 之间的互动,而不是 Agent 与工具之间的互动。

在langchain.experimental中加入了这一版本–在我们弄清适当的抽象时,我们把更多的实验性和更新的代码放在这里。具体来说,我们已经实现了所使用的提示模板逻辑,以及用于运行 Agent 的while循环。我们已经使其与LangChain LLM包装器、LangChain VectorStores和LangChain工具兼容。

BabyAGI

BabyAGI项目在以下方面与传统的LangChain Agent 不同:

  • 与AutoGPT类似,它将基于检索的记忆应用于中间的 Agent -工具步骤。

  • 它有独立的计划和执行步骤,它一次性计划一连串的行动(而不是只计划下一个)。

与AutoGPT类似,BabyAGI是为更多的长时间运行的任务而设计的,这导致了上述两点不同。让我们来扩展一下第二点,因为这是更重要的实质性差异之一。在传统的LangChain Agent 框架(以及AutoGPT框架)中, Agent 每次都会提前一步思考。对于一个给定的世界状态,它思考它的下一个即时行动应该是什么,然后做那个行动。

BabyAGI的不同之处在于,它明确地计划了一连串的行动。然后,它执行第一个动作,然后使用这个结果来做另一个计划步骤并更新它的任务列表。我们的直觉是,这使它能够更好地执行更复杂和更多的任务,通过使用计划步骤,基本上是一个状态跟踪系统。我们观察到(轶事),对于需要许多步骤的任务,传统的LangChain Agent 有时会在几个步骤后忘记其最初的目标,所以提前规划所有的步骤可能是有益的。

Camel

这个项目的新颖之处在于什么?

这个项目的主要新颖性来自于采用两个 Agent ,每个 Agent 都有自己的个性,并让他们相互交谈。在这个意义上,有两个新的组成部分:让两个 Agent 以协作的方式相互交流的想法,以及具体的模拟环境。

两个 Agent 人互动的想法并不完全是新的。鉴于LangChain的模块化性质,我们长期以来一直支持让 Agent 使用其他 Agent 作为工具。然而,这种互动的新颖之处在于,两个 Agent 的地位是平等的–在以前的LangChain实现中,总是有一个 Agent 调用另一个作为工具,采用 “堆叠 “的方式。这种将两个 Agent 置于平等地位的想法,而不是让一个将另一个作为工具来使用,这让人感到特别有趣,可以看到不断演变的行为出现。

请注意,这些 Agent 可以有不同的工具可用,并可以围绕这一点进行专业化。例如,你可以让一个 Agent 拥有编码所需的工具,另一个拥有与线性互动的工具,等等。因此,仍然有可能实现 “堆叠 “效果(你有不同的 Agent 负责不同的事情)。

第二个新颖的组成部分是特定的模拟环境。这是一个双面的对话,并不是非常复杂,但仍然是我们看到的第一个在研究环境中的实现。

Generative Agents

Links:

这个项目有两个新的方面(而且相当复杂)。首先是模拟环境,它由25个不同的 Agent 组成。这似乎相当具体,而且非常复杂,所以我们没有过多地研究这个问题。另一个新的方面是他们为这些 Agent 创建的长期记忆。

我们在本周早些时候对此进行了深入研究。 Agent 人的记忆是由以下部分组成的:

重要性反思步骤,给每个观察结果打一个重要性分数。这个分数可以在下一步的检索中使用,以获取特别重要的记忆,而忽略基本的记忆。

反思步骤,”暂停 “并思考 Agent 人学到了哪些概括。然后,这些反思可以与正常记忆一起被检索。这个反思步骤可以起到浓缩信息和观察最近记忆的模式的作用

一个结合了回顾性、与情况的关联性和重要性的检索器。这可以让那些与当前情况类似的、不久前发生的、特别重要的记忆浮现出来。所有这些似乎都是自然反映我们人类如何 “检索 “记忆的属性。

所有这些记忆成分都是相当新颖的,而且让我们非常兴奋。

AutoGPT、BabyAGI、CAMEL与Generative Agents的区别与联系(翻译)

https://liduos.com/langchian-agent.html

作者

莫尔索

发布于

2023-04-17

更新于

2024-05-24

许可协议

评论