智能体时代来临：大型语言模型智能体综合调查
智能体的黎明
人工智能领域正在经历一场革命性的变革。我们正目睹大型语言模型（LLM）驱动的智能体的出现，这些智能体能够感知环境、推断目标并自主执行操作。与仅响应用户输入的传统人工智能系统不同，这些现代智能体通过持续学习、推理和适应来积极地与环境互动。
今天，我们很高兴分享我们的综合调查报告：《大型语言模型智能体：方法、应用和挑战综述》，该报告系统地探讨了这一快速发展的领域。
本调查报告为何如此重要
三大关键进展的融合将理论智能体构建为实际系统
- 大型语言模型前所未有的推理能力
- 工具操作和环境交互的进步
- 支持长期经验积累的复杂记忆架构
商业人工智能智能体系统（例如，DeepResearch、DeepSearch 和 Manus）体现了这一范式转变——自主执行从深入研究到计算机操作的复杂任务，同时适应特定的用户需求。
一种新颖的方法论框架
我们的调查报告提出了一个统一的分类法，将智能体构建、协作机制和演化路径联系起来。我们提供了关于智能体如何定义、如何单独或集体运作以及如何随时间演化的全面视角。
构建-协作-演化框架
我们的方法论核心从三个相互关联的维度审视智能体系统
1. 构建
智能体的构建方式，包括配置文件定义、记忆机制、规划能力和行动执行。
2. 协作
智能体如何通过集中控制、分布式协作或混合架构进行互动和协作。
3. 演化
智能体如何通过自学习、多智能体协同演化和外部资源随时间推移进行学习和改进。
超越以往的调查报告
我们的工作与现有调查报告的区别在于
- 以方法论为中心的分类：我们将LLM智能体系统分解为基本的方法论组成部分
- 构建-协作-演化框架：我们整体分析了三个相互关联的维度
- 前沿应用和现实世界关注：我们研究了尖端工具、通信协议以及包括安全、隐私和伦理在内的现实世界挑战
跨领域应用
LLM智能体已经在各个领域中展现出变革潜力
科学发现
从化学到生物学，多智能体系统通过假设生成、实验设计和数据分析加速科学研究。
游戏
智能体正在彻底改变游戏玩法（作为智能NPC）和游戏生成（创建动态内容）。
社会科学
经济模拟、心理研究和社会行为建模通过基于智能体的方法得到增强。
生产力工具
通过集成LLM智能体，软件开发和推荐系统变得更高效和个性化。
挑战与未来方向
尽管取得了显著进展，但仍存在重大挑战
- 多智能体系统中的可伸缩性和协调问题
- 限制长期适应的记忆限制
- 高风险领域中的可靠性问题
- 动态、多轮交互的评估框架局限性
- 安全部署的监管和伦理考量
未来之路
在我们迈向智能体时代的过程中，我们预计协调协议、混合架构、自监督学习和安全机制将发生变革性发展，进一步提升智能体在各个领域的能力。
本调查报告旨在为研究人员和从业者提供一个结构化的分类法，以便从不同角度理解、比较和推进LLM智能体。随着这些系统越来越多地融入各种关键领域，理解其架构基础不仅对研究人员至关重要，对政策学者、行业从业者和整个社会也同样重要。
查阅完整调查报告
论文链接：LLM Agent Survey
GitHub仓库：Awesome-Agent-Papers