ai agent与gpts有什么关系

“大型语言模型的潜力不仅仅在于创作出流畅的文本、故事、论文和程序；它还可以被视为一个强大的通用问题解决工具。”和开头提到的计算机领域的通用比，Lilian进一步具体化了Agent的能力模型：在Lilian看来，Agent的能力被具象为三大类：1.规划2.记忆3.使用工具（工具+行为Action）你可能有印象——在之前的GPT-4，画图工具Dall-E，Bing搜索，插件，和代码解释器，都需要切换不同的会话/窗口实现的。后来GPT-4成为了GPT：All-Tools，可以在一个会话里根据用户需求和上下文自行选择工具，并且做出行动——这个行动，就是OpenAI定义的“Action”，如下图：当你在让它搜索，画图的时候，GPT会先思考决定怎么使用工具，然后会出现一个小图示，告诉你他尝试使用工具来完成你的任务。现在你应该能够认清AI-Agent、GPT和Action之间的联系了：GPT（All-Tools，也是现在大家正在开发的“GPTs”），是OpenAI之于传统Agent定义交上的一份答卷——具体的描绘了在大语言模型（LLM）驱动下Agent的系统实现方式。即：使用LLM驱动，通过外部API获取信息和执行的行动（Action），也是本文后半部提到的Action的定义，如下：

解释了GPTs目前还不是真正的智能代理,但它可以通过结构化提示完成一些有用的任务。随后介绍了如何通过对话与AI交互来构建GPT模型,以及如何修改和完善结构化提示来提升GPT模型的功能。文章还提到GPTs可以连接到其他系统中,比如邮箱或购物网站,从而让AI能够完成更广泛的任务,预示着下一代更智能的AI将要来临。同时也指出连接到更多系统会带来更高的安全风险。文章重点介绍了如何利用GPTs为教育和工作创造有用的工具。比如通过GPT为写作指导创建一个交互式写作辅导工具。同时也提到如何为自己教授的课程创建定制化的GPT助教。

本文不代表智谱认同文中任何观点。为鼓励自由发言，我们也暂时不披露参与者个人信息，不做流水账，抛开敏感信息，分类整理如下。后面继续办，一起来聊！?以下为本文目录，建议结合要点进行针对性阅读。一、Agent什么是Agent？具备什么能力？观点一：狭义的Agent，由OpenAI定义观点二：广义的Agent，具有基础智能、角色管理、技能调用、复杂思维、及未来更多的可扩展性Agent在B端的落地到底情况如何？观点一：设想与现实之间的gap有多大？人和大模型长期共存观点二：在Autonomy Agent或multi-agent成熟之前，大模型应从“对外业务”和“简单功能”切入To B服务观点三：大模型要做专家知识，还是通用知识？观点四：人机边界识别，工程落地能力，基座模型能力，并驾齐驱，同样重要未来可能有机会的方向二、在DevDay之后，国产大模型和OpenAI之间的差距是扩大了还是缩小了？三、AI LLMOps及开源社区OpenAI对AI Ops的态度如何？观点一：中间件挡住了Open AI的数据飞轮，注定会被吞没，开源中间件是在帮助OpenAI打磨产品那么，什么形态的AI Ops会/不会挡住OpenAI数据飞轮？观点一：哪些AI Ops会挡住OpenAI数据飞轮观点二：哪些AI Ops不会挡住OpenAI数据飞轮AI Ops公司们应该怎样调整入场姿势？