编者按：以下是赛勒斯在 Shaman AI的客座博客文章。我们使用客座博客文章来突出有趣和新颖的应用程序，当然是这样。最近有很多关于经纪人的讨论，但大多数都是围绕一个经纪人展开的。如果涉及多个代理，则会依次调用它们。这部作品很新颖，因为它突破了这一界限，探索了多个平行行动的代理。
重要链接：
介绍
近年来，人工智能领域取得了重大进展，人工智能代理现在能够处理复杂的任务。尽管取得了这些进展，但有效地并行和协调多个人工智能代理协同工作仍然是一个挑战。引入Agent Actors-这是一个突破性的解决方案，使开发人员能够创建和管理人工智能代理树，这些代理使用Actor并发模型在复杂任务上进行协作。
在这篇博客文章中，我们将探讨并发的参与者模型、代理参与者的关键功能、它所带来的可能性，以及如何开始构建自己的代理树。我们希望激励LLM社区尝试新的自引用LLM架构。
并发的行动者模型
Actor并发模型是管理并发计算的强大范例，使其成为Agent Actors的理想基础。在参与者模型中，“参与者”是一个独立的计算实体，通过异步消息传递与其他参与者进行通信。每个参与者都可以执行任务，创建新的参与者，并发送消息以响应传入的消息。该模型为构建具有并行性的有状态人工智能代理提供了几个优势：
- 隔离：参与者是独立的，封装他们自己的状态，从而防止不必要的数据共享或竞争条件。这种隔离确保了每个代理可以在不影响其他代理的情况下独立工作，从而更容易构建和维护并行人工智能系统。
- 异步通信：参与者通过消息传递进行通信，允许他们在不需要显式同步的情况下并发工作。这使得能够更有效地使用系统资源并提高可扩展性。
- 容错：行动者模型允许更好的故障隔离和恢复，因为一个行动者中的错误不会自动传播到其他行动者。这增强了系统的整体稳健性，这在管理多个人工智能代理协同工作时尤为重要。
主要功能和优点
Agent Actors拥有一系列强大的功能，可以构建和管理协作人工智能代理：
- 时间加权长期内存：代理Actors利用langchain.retrievers.TimeWeightedVectorStoreRetriever实现时间加权长期存储器，使代理能够轻松访问相关信息。此功能可确保始终提供最相关的数据，从而有助于提高代理输出的质量。
- 合成工作记忆：代理从他们的记忆中提取见解，并将其合成为1-12个项目的工作记忆，用于零样本提示。通过保持紧凑的工作内存，代理可以专注于最重要的信息，从而获得更准确和相关的结果。
- 计划-检查-调整（PDCA）框架：代理行为者实施PDCA框架以进行持续改进，使代理能够随着时间的推移更有效地工作。通过迭代地改进它们的性能，代理可以在从经验中学习时产生越来越好的输出，并朝着任务完成的方向执行某种梯度下降。
- 自动规划和任务分配：ParentAgent类为其子代理规划任务，并将其分配给并行执行。此功能简化了代理活动的协调，确保任务以最佳方式分配，以实现最大效率。
- 代理的并行执行：ChildAgent并行执行任务和检查结果，确保资源的有效使用和更快的结果。通过允许代理并行工作，可以更快地解决大型问题，因为独立的线程可以并行处理。
- 可定制的人工智能代理树：开发人员可以通过嵌套ParentAgents或将其与ChildAgents组合来创建自己的自主人工智能代理的树。这种灵活性使开发人员能够创建最适合其特定需求的定制解决方案。
令人兴奋的可能性
Agent Actors为人工智能协作开启了一个充满可能性的新世界：
- 分而治之Agent任务执行：将复杂的任务分解为更小、可管理的任务，让AI Agent并行工作来解决它们。通过利用并行性的力量，可以更快、更高效地解决大型问题。
- 代理研究和报告团队：组建人工智能代理团队，在研究和报告任务上进行合作。这些团队可以利用他们的集体智慧进行全面而深入的分析。
- 模拟驱动的组织行为研究：使用代理树来模拟组织行为并获得有价值的见解。这种方法可以帮助确定现实组织中需要改进的模式和领域。
- 为您编码的AutoGPT开发团队：创建人工智能代理团队，共同为您的项目开发代码。通过在多个代理之间分配编码任务，可以更有效地完成复杂的项目。
Agent 演员入门
学习《特工演员》只需要5分钟。您需要Python^3.10，并且可以使用您喜欢的包管理器（如Poetry或Pipenv）安装它。查看自述文件中的复制/粘贴说明。安装后，您可以在5分钟内通过深入我们的test_system.py文件学习Agent Actors。这将帮助您了解如何创建和管理自己的代理树。
为代理演员（Agent Actors）做贡献
Agent Actors是一个开源项目，我们欢迎社区做出贡献，帮助改进和扩展其功能。您可以贡献的一些领域包括：
- 为计划、执行、检查和调整链开发更好的提示
- 构建用于探索和组合执行树的可视化工具
- 评估不同情况下的绩效
- 解锁代理到代理的通信
通过探索并发的行动者模型并利用并行执行的潜力，代理行动者为人工智能协作提供了一种强大的新方法。无论您是希望构建定制代理树的开发人员，还是有兴趣合作创建定制解决方案的公司，agent Actors都为人工智能创新提供了一条令人兴奋的新途径。
在Shaman AI，我们很高兴能与公司合作，开展有意义的工作，使用代理树架构改进他们的工作流程。我们很想了解更多关于您正在从事的工作，以及我们如何提供帮助-如果您有兴趣合作，请点击此处！
- 登录 发表评论