A Taxonomy of Architecture Options for Foundation Model-based Agents: Analysis and Decision Model

在过去的几年里，一种新型的人工智能出现了，它不仅能回答问题，还能采取行动。这些并非遵循僵化指令列表的简单程序。相反，它们是构建在庞大的“基础模型”之上的系统，这些模型就像是人类知识与语言的浩瀚图书馆，经过训练能够理解上下文并产生新的想法。当开发者将这些模型连接到可以浏览网页、编写代码或控制软件的工具时，就创造出了“智能体”（agents）。这些智能体能够感知环境、推理问题、规划步骤序列，并采取行动以实现目标，就像人类员工一样。从管理复杂的软件项目到在虚拟世界中导航，这些系统有望彻底改变我们的工作方式。然而，随着这些智能体变得越来越强大，工程师构建它们的方式却依然处于混乱状态。由于缺乏统一的语言或清晰的选择图谱，设计者往往以一种即兴的方式来拼凑系统，其决策往往基于猜测，而非对不同部分如何组合以及会产生何种权衡的系统性理解。

一个研究小组致力于为这种日益增长的复杂性带来秩序。他们对 66 项科学研究进行了大规模综述，旨在准确理解这些基于基础模型的智能体是如何构建的。他们的目标不仅是列出组成部分，而是创建一个结构化的指南，解释每一个设计选择所带来的后果。其成果是一个全面的“分类法”（taxonomy），这本质上是一个详细的分级系统，用于组织构建智能体的多种方式。他们发现，架构师必须在智能体如何接收信息、如何记忆过去事件、如何规划行动以及如何与其他智能体协作方面做出根本性的选择。例如，一个智能体可能被设计为独立工作或作为团队的一部分，是记住它看到的一切直至永远，还是为了节省空间而遗忘旧细节，以及是遵循单一路径走向目标，还是同时探索多条可能的路径。

研究人员发现，这些选择中的每一个都带有代价。不存在一个在所有方面都表现卓越的完美设计。如果架构师选择一个具有高度灵活性且能适应意外变化的系统，他们往往会牺牲后期对其进行测试和修复的难易程度。如果他们优先考虑一个对计算机处理而言速度极快的记忆系统，可能会使人类难以理解智能体为何做出特定的决策。为了帮助工程师应对这些艰难的折衷方案，该团队构建了一个“决策模型”。该模型充当了一张地图，展示了选择某一种架构选项如何影响系统的可靠性、速度、安全性及易用性。它使隐藏的权衡变得可见，让设计者能够选择符合其特定需求的路径，无论是构建一个绝不能失败的系统，还是一个能够即时学习和适应的系统。

为了确保其研究结果有用且准确，研究人员利用来自大学和大型科技公司的十二位专家对他们的框架进行了测试。这些专家在构建复杂人工智能系统方面拥有多年经验，他们对分类法和决策模型进行了评审。专家们一致认为，该框架成功捕捉了这些智能体的核心构建模块，并提供了一种清晰、实用的推理设计方法。他们发现，该模型有助于澄清此前令人困惑的选择，例如如何在智能体的自主性需求与安全性和可预测性需求之间取得平衡。这项研究证实，该领域正从随机实验转向一种更具纪律性的工程方法，即决策是在对后果有清晰理解的基础上做出的。

这项工作并不声称解决了所有问题，也不旨在提供一种构建智能体的单一最佳方式。相反，它为下一代设计提供了一个结构化的基础。通过组织选项的版图并明确映射出其中的权衡，研究人员为架构师提供了一套通用的词汇和一套严谨的决策方法。这种转变使得该领域得以成熟，从一系列孤立的实验转向一种凝聚的学科，在其中，系统的设计是带有意图、可靠性以及对其局限性有清晰理解的。随着这些智能系统日益融入我们的日常生活，拥有关于它们是如何构建的、以及它们能做什么和不能做什么的清晰地图，对于创造既强大又值得信赖的技术至关重要。