以下是关于 AI agent 的相关信息：
这个其实也像是在rag的基础上再进了一步。因为我们知道rag其实是给了大模型一个浏览器工具来使用嘛，那agent，其实就是给了大模型更多的工具。比如像是长期记忆，其实就是给了大模型一个数据库工具让其往里记录重要信息。规划和行动，其实就是在大模型的prompt层做的些逻辑，比如让其将目标进行每一步的拆解，拆解完成后，每一步去输出不同的固定格式action指令，给到工具作为输入。当然langchain或者说agent还不止这些，也会有很多其他的代码逻辑体现在其中，不过其主要的主干逻辑，其实还是在prompt层和工具层，完成的设计。说实话我对于Agent产品我还是比较看好的，当然这不仅因为我曾经落地过实际的Agent产品，实在也是因为我认为这代表了我们可以在流程中给到大模型使用工具的能力，这其实就给了大模型应用更广阔的空间。比如我可以大模型帮我把差旅安排一下，大模型首先会判断一下为完成该目标，拆解需要有哪几个步骤要做（planning能力），然后搜索近期我oa工具中的差旅记录（memory能力），然后在飞猪上帮我预订酒店和机票（tools/action能力），最终完成任务。
以下是一些Agent构建平台：1.Coze：Coze是一个新一代的一站式AI Bot开发平台，适用于构建基于AI模型的各类问答Bot。它集成了丰富的插件工具，可以极大地拓展Bot的能力边界。2.Mircosoft的Copilot Studio：这个平台的主要功能包括外挂数据、定义流程、调用API和操作，以及将Copilot部署到各种渠道。3.文心智能体：这是百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。4.MindOS的Agent平台：允许用户定义Agent的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。5.斑头雁：这是一个2B基于企业知识库构建专属AI Agent的平台，适用于客服、营销、销售等多种场景。它提供了多种成熟模板，功能强大且开箱即用。6.钉钉AI超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能。这使得它在处理高频工作场景如销售、客服、行程安排等方面表现更加出色。以上信息提供了关于6个平台的概述，您可以根据自己的需求选择适合的平台进行进一步探索和应用。内容由AI大模型生成，请仔细甄别
大型语言模型（LLM）以其令人瞩目的新能力，赢得了业界的广泛关注和赞誉，激发了研究人员探索其在构建人工智能Agent方面的潜力。这些模型被巧妙地置于Agent的"大脑"或"控制器"的核心位置，赋予它们强大的语言理解和生成能力。为了进一步扩展这些Agent的感知和行动范围，研究人员采用了多模态感知技术和工具利用策略，使Agent能够理解和响应多种类型的输入，并有效地与环境互动。通过思维链（Chain of Thought）和问题分解技术，这些基于LLM的Agent展现出了与符号主义Agent相媲美的推理和规划能力。这些Agent还能够通过从反馈中学习，并执行新的行动来与环境互动，表现出类似反应式Agent的特性。它们在大规模语料库上进行预训练，并通过少量样本展现出泛化能力，这使得它们能够在不同任务之间实现无缝转移，而无需更新模型参数。基于LLM的Agent已经在软件开发、科学研究等现实世界场景中得到应用。它们利用自然语言理解和生成的能力，能够与其他Agent进行无缝的交流和协作，甚至在竞争中也能发挥重要作用。