GOAT.AI

自由流动的自主人工智能

以目标为导向的代理任务编排。基本上，人工智能代理将相互通信来执行您的任务。

示例：“选择下个月 20 公里半程马拉松的最佳日期”。 AI 将开始协作：天气代理检索预报，网络搜索代理识别最佳运行条件，Wolfram 代理计算“最佳日期”。这是互联人工智能的艺术，通过复杂的技术简化复杂的任务。

法学硕士作为自主代理的中央主机是一个有趣的概念。 AutoGPT、GPT-Engineer 和 BabyAGI 等演示可以作为这一想法的简单说明。法学硕士的潜力不仅仅在于生成或完成写得好的副本、故事、论文和程序；它们可以被构建为强大的通用任务解决器，这就是我们在构建面向目标的代理任务组编排（GOAT.AI）时要实现的目标

为了使 LLM 代理任务组系统以目标为导向的编排能够存在并正常运行，系统的三个主要核心组件必须正常运行

- 概述

1）规划

- 子目标和分解：代理将大型任务分解为更小的、可管理的子目标，从而更容易有效地处理复杂的任务。

- 反思和完善：智能体对过去的行为进行自我批评和自我反思，从错误中学习，并改进未来步骤的方法，从而提高结果的整体质量。

2）内存

- 短期记忆：它是指模型在回答之前可以处理的文本量，而不会降低质量。在当前状态下，法学硕士可以在不降低质量的情况下为大约 128k 令牌提供答案。

- 长期记忆：这使得代理能够长期存储和调用上下文的无限量信息。它通常通过使用外部矢量存储来实现高效的 RAG 系统。

3）行动空间

- 代理获得调用外部 API 的能力，以获取模型权重中不可用的附加信息（在预训练后通常很难修改）。这包括访问当前信息、执行代码、访问专有信息源，最重要的是：调用其他代理进行信息检索。

- 动作空间还包含不以检索某些内容为目的的动作，而是涉及执行特定动作并获得最终结果的动作。此类操作的示例包括发送电子邮件、启动应用程序、打开前门等。这些操作通常通过各种 API 执行。此外，值得注意的是，代理还可以针对他们有权访问的可操作事件调用其他代理。