从LLM到AI智能体

我们在这门课程的第一单元中了解到，AI智能体能够进行规划和决策。
虽然LLM使得与NPC的交互更加自然，但智能体AI更进一步，允许角色做出决策、规划行动并适应不断变化的环境。

为了说明这种差异，请设想一个经典的RPG游戏中的NPC

• 有了LLM：NPC可能会以更自然、更多样化的方式回答你的问题。这对于对话来说非常棒，但NPC仍然是静态的，除非你先做些什么，否则它不会行动。
• 有了智能体AI：即使你不直接与NPC交互，NPC也可以决定去寻求帮助、设置陷阱或完全避开你。

这个小小的转变改变了一切。我们正在从脚本响应者转向游戏世界中的自主行动者。

这一转变意味着NPC现在可以通过目标导向的行为直接与环境交互，最终带来更动态和不可预测的游戏玩法。

智能体AI赋予NPC以下能力

• 自主性：根据游戏状态做出独立决策。
• 适应性：根据玩家行为调整策略。
• 持久性：记住过去的交互以指导未来的行为。

这将NPC从被动实体（响应你的输入）转变为游戏世界中积极的参与者，为创新游戏玩法打开了大门。

智能体的主要限制：目前它很慢

然而，我们现在还不能过于乐观。尽管智能体AI潜力巨大，但目前在实时应用中仍面临挑战。

推理和规划过程会引入延迟，使其不适合像《毁灭战士》或《超级马里奥兄弟》这样的快节奏游戏。

以克劳德玩宝可梦为例。如果你考虑到思考所需的令牌数量，再加上行动所需的令牌数量，就会清楚地发现，我们需要完全不同的解码策略才能实现实时游戏。

大多数游戏需要以每秒30帧左右的速度运行，这意味着实时AI智能体需要每秒行动30次，这对于当前的智能体LLM来说是不可行的。

然而，像《宝可梦》这样的回合制游戏是理想的选择，因为它们允许AI有足够的时间进行思考并做出战略决策。

这就是为什么在下一节中，你将构建自己的AI智能体，在宝可梦风格的回合制战斗中进行对战，甚至可以亲自挑战它。让我们开始吧！

< > 在 GitHub 上更新