Agents 发展非常迅速,但仍面临的问题
- 如何感知环境和拥有记忆。
- 如何合理规划和拆解任务。
- 如何自主决策并并执行行动。
- 如何将 Agents 落地到企业真实的业务场景中。
像组建团队一样去构建 Agents
GPTBots 通过具象的职业角色来构建多个 Agents 来响应任务。
设定任务目标
为 Agents 设定一个清晰和明确的任务目标,这个任务目标将影响 Agents 的任务规划和输出成果。
定义最佳团队组合
为 Agents 定义完成任务目标所需参与的职业角色,不同的角色将在任务中发挥不同的作用,会自主协同和同步信息。
配备有效的工具
为 Agents 配备的工具决定了能力边界。GPTBots支持的知识库、记忆力、数据库、代码解释器、Tools 等能力,可以让 Agents 更好的完成任务目标。
为 Agents 配置的运行环境
GPTBots 提供了 2 个不同等级的运行环境,以满足不同规模业务的需要。
标准配置
提供独立的代码沙箱硬件环境,用于执行代码任务。高级配置
为高级用户提供更高性能的沙箱硬件环境,更快的执行代码任务。
让 Agents 自主地感知、规划和执行的关键
提供各种组件,让真正强大 LLMs 和 Plugins 提供驱动力,同时让 LLMs 变得可控和稳定。
知识库
为 Agents 配备的知识库,不但兼容各类格式的知识,也具有强大的 RAG 知识召回方案。
记忆能力
具备了用户维度的长期记忆、短期记忆、用户属性和定时任务。
Tools
不仅支持调用调用面向 LLM 的插件,传统的 API 调用也轻而易举。
代码解释器
写代码、执行代码、构建服务。
独立运行环境与数据库
数千个 python 库,独立的服务运行空间和 MySQL 数据库。
LLMs
自主选择 LLM,可有效降低成本。
支持选择不同能力象限的专业模型。
智能路由避免超频,保障服务稳定性。