Autonomous Agents
能长期自主运行、由 LLM 驱动执行多步骤任务的 AI 系统。与单轮对话不同，autonomous agents 能规划、记忆、使用工具、调用 API，并在完成任务过程中进行自我反思。
核心特征
- 长期规划：将复杂任务分解为子步骤，逐步执行
- 工具使用：调用外部工具（搜索、代码执行、文件操作等）
- 记忆系统：短期记忆（上下文）+ 长期记忆（向量数据库/知识库）
- 自我反思：基于执行结果调整下一步行动
代表项目
| 项目 | 特色 |
|---|---|
| AutoGPT | 早期实验性 autonomous agent，GPT-4 驱动 |
| AgentGPT | Web 界面，基于 AutoGPT |
| ChatDev | 多 Agent 协作开发软件 |
| MetaGPT | 多 Agent 软件开发框架 |
| generative-agents | 斯坦福虚拟小镇实验 |
| manus | 多模态 autonomous agent |
| open-interpreter | 在本地运行 LLM 执行代码任务 |
核心技术栈
- 规划：ReAct、CoT、ToT
- 工具调用：ReWOO、ToolFormer
- 记忆：rag-systems、向量数据库
- 多 Agent 协作：AgentVerse、ChatDev
与 Game Dev 的结合
- nanobot 系列项目：游戏内 autonomous agent 框架
- NPC 行为控制、对话系统、Roguelike 游戏机制
相关概念
- agent — Agent 概念总览
- rag-systems — 检索增强生成
- llm-inference — LLM 推理优化
- multi-agent-systems — 多智能体系统