GOAT.AI - Task to AI Agents電腦版

以目標為導向的代理任務編排。基本上，人工智慧代理將相互通信來執行您的任務。

例如：「選擇下個月 20 公里半程馬拉鬆的最佳日期」。 AI 將開始協作：天氣代理檢索預報，網路搜尋代理識別最佳運行條件，Wolfram 代理計算「最佳日期」。這是互聯人工智慧的藝術，透過複雜的技術簡化複雜的任務。

法學碩士作為自主代理的中央主機是一個有趣的概念。 AutoGPT、GPT-Engineer 和 BabyAGI 等演示可以作為這想法的簡單說明。法學碩士的潛力不僅在於生成或完成寫得好的副本、故事、論文和程序；它們可以被建構為強大的通用任務解決器，這就是我們在建立目標導向的代理任務組編排（GOAT.AI）時要實現的目標

為了使 LLM 代理任務組系統以目標為導向的編排能夠存在並正常運行，系統的三個主要核心組件必須正常運行

- 概述

1）規劃

- 子目標和分解：代理人將大型任務分解為更小的、可管理的子目標，從而更容易有效地處理複雜的任務。

- 反思與完善：智能體對過去的行為進行自我批評和自我反思，從錯誤中學習，並改進未來步驟的方法，從而提高結果的整體品質。

2）內存

- 短期記憶：它是指模型在回答之前可以處理的文字量，而不會降低品質。在當前狀態下，法學碩士可以在不降低品質的情況下為大約 128k 令牌提供答案。

- 長期記憶：這使得代理能夠長期儲存和調用上下文的無限量資訊。它通常透過使用外部向量儲存來實現高效的 RAG 系統。

3）行動空間

- 代理程式獲得呼叫外部 API 的能力，以取得模型權重中不可用的附加資訊（在預訓練後通常很難修改）。這包括存取當前資訊、執行程式碼、存取專有資訊來源，最重要的是：呼叫其他代理進行資訊檢索。

- 動作空間也包含不以檢索某些內容為目的的動作，而是涉及執行特定動作並獲得最終結果的動作。此類操作的範例包括發送電子郵件、啟動應用程式、打開前門等。這些操作通常透過各種 API 執行。此外，值得注意的是，代理還可以針對他們有權存取的可操作事件呼叫其他代理。