智能体（Agent）在人工智能和计算机科学领域是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。
智能体是一种自主系统，通过感知环境（通常借助传感器）并采取行动（通常通过执行器）来达成目标。在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并辅以几个关键组成部分：
创建智能体时，输入人设等信息，放上相关工作流。配置完成后可进行测试，但注意工作流中的某些节点使用的插件 api_token 填的是个人 token，不能直接发布，可将其作为工作流最开始的输入，用户购买后输入 api_token 再发布。
OpenAI 和 Google 都在研究智能体相关项目，如 OpenAI 会通过 GPT-4o 让 ChatGPT 具备 Assistant Agent 能力，Google 也计划推出 Gemini Live 支持类似功能。智能体除了端到端的多模态，还具有实时性特点，从文字语音聊天升级到视频直播，保持一直在线，这对算力开销大，需缩小参数规模、升级架构提升性能，让终端分担一部分计算量。智能体的发展将改变硬件产品和手机的设计，带来新的交互方式。
"智能体"（Agent）在人工智能和计算机科学领域是一个非常重要的概念。它指的是一种能够感知环境并采取行动以实现特定目标的实体。智能体可以是软件程序，也可以是硬件设备。以下是对智能体的详细介绍：[heading3]智能体的定义[content]智能体是一种自主系统，它可以通过感知环境（通常通过传感器）并采取行动（通常通过执行器）来达到某种目标。在LLM支持的自主Agent系统中，LLM充当Agents的大脑，并辅以几个关键组成部分：规划子目标和分解：Agents将大型任务分解为更小的、可管理的子目标，从而能够有效处理复杂的任务。反思和完善：Agents可以对过去的行为进行自我批评和自我反思，从错误中吸取教训，并针对未来的步骤进行完善，从而提高最终结果的质量。记忆短期记忆：所有的上下文学习都是利用模型的短期记忆来学习。长期记忆：这为Agents提供了长时间保留和回忆（无限）信息的能力，通常是通过利用外部向量存储和快速检索来实现。工具使用Agents学习调用外部API来获取模型权重中缺失的额外信息（通常在预训练后很难更改），包括当前信息、代码执行能力、对专有信息源的访问等。
创建一个智能体，输入人设等信息，放上刚才创建的2个工作流。配置完成后，就可以测试了~[heading1]千万不要直接发布！！！[content]工作流2中【所有视频片段拼接】节点使用的插件api_token填的是你的token，其他人调用这个工作流会直接消耗你的money，所以不能直接发布。你可以将api_token作为工作流2最开始的输入，用户自己购买后，输入api_token就可以使用，然后再发布。看到这里，说明你离做出来就差一步行动了，期待看到你的成果！我是五津：C端新闻、视频产品经理，2025 AI春晚节目统筹&共创者，我的微信是：wdwxhs0100，欢迎来聊~我的公众号是【宝藏智能体club】
很明显OpenAI是有计划的抢先发布，因为Google在第二天的I/O 2024大会上准备宣布他们最新的研究项目Project Astra，一个类似GPT-4o全模态模型，结果研究团队拿手机精心录制的与环境实时交互的视频，让OpenAI给提前一天全部展示了，而且功能更强大，完成度更高。OpenAI会在几个月内陆续更新ChatGPT应用，通过GPT-4o让其具备Assistant Agent能力，一个能够像人类一样互动的“数字形态”全能助理；Google也计划在今年内推出Gemini Live支持类似功能，我们可以把这种能沟通还能感知环境的AI称之为智能体（Intelligent Agent）。除了端到端的多模态之外，另一个重要的特点就是实时性，之前所有的交互都是回合对话式，包括API的调用；现在我们要从文字语音聊天升级到视频直播了，智能体保持一直在线。可以想像，用流媒体的形式来消耗Token，这对算力的开销得有多大，所以大家必须保持模型能力不变的情况下缩小参数规模，升级架构来提升性能；最好让终端也参与进来分担一部分模型的计算量。让科技变简单，是技术民主化最重要的一个趋势，没有人能抵挡住这种毫无机械感、完全类人化的交互方式。用这样的思路，可以设计从未有过的硬件产品，也能重新设计现有的产品，例如多年以前的Google Glass就可以因此而复活了；因为语音交互的流畅，智能体还能用手机之外的设备来实现视觉感知，那么手机的设计也会因此而进化，触摸交互更简单，在很多情况下，都只需要放在口袋里，给你的智能体提供本地算力。