今天分享的是：Bernstein_生成式AI 401：智能体（底层技术）
报告共计：33页
这份报告聚焦生成式AI智能体（Agentic AI）的底层技术架构与发展逻辑，拆解了其相较于基础大语言模型（LLM）的核心改进、技术组件及行业发展趋势，指出智能体是构建在基础LLM之上、位于AI软件技术栈应用层的重要体系，其核心是通过上下文工程为LLM补充能力，解决基础模型记忆缺失、信息陈旧、无法执行操作、易产生幻觉等问题。
基础LLM仅能依托训练数据和用户输入响应，而智能体通过将上下文拆解为短期记忆、长期记忆、工具、规则/工作流/技能等模块化组件，优化信息供给逻辑。其核心运行逻辑是在推理过程中为LLM补充所需的用户信息、业务场景、任务步骤、工具使用方法等上下文，但因上下文窗口存在容量限制，工程师通过组件化设计实现了信息的高效组织与调用。
报告详细解析了智能体的三大核心构建模块：记忆与外部知识模块通过总结性LLM压缩对话历史、依托RAG等技术实现外部知识检索，同时要求企业完善数据基础设施并对数据进行精细化预处理；工具与模型上下文协议（MCP）模块为LLM赋予执行能力，工具通过结构化schema实现与LLM的交互，MCP则作为标准化协议，打通智能体与第三方应用的连接，实现自然语言与代码逻辑的双向翻译，弥补了API面向人类开发者的局限性；工作流/技能/系统提示词模块则在确定性与灵活性间寻找平衡，从严格的规则、标准化工作流，到灵活的技能文件和高概览性系统提示词，形成了不同刚性程度的约束体系，以此提升输出准确性、减少幻觉。
报告指出，生成式AI正从模型内部优化转向围绕LLM构建生态、从通用化走向专业化，智能体的能力提升并非源于模型本身的改进，而是对现有LLM潜力的释放。其开发涉及大量设计与工程工作，阶跃式突破的周期将长于预训练规模化阶段，且多智能体通信、长上下文性能衰减等问题仍待解决。此外，智能体的计算环节不再以GPU为主，CPU消耗的增加将成为新的技术特征，而构建高效智能体还需完善的数据基础设施、专业的工程师团队，其落地周期也将远超市场预期。
以下为报告节选内容
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/251999.html