过去一年，人工智能行业的风向标不断发生变化，最开始备受关注的是如雨后春笋般涌现的大语言模型及 AIGC 应用，接着又出现很多基于大语言模型打造的 AI 辅助应用。如今 AI Agent 成为激烈角逐点，是 AIGC 下一阶段的关键。
去年 11 月， OpenAI 发布 AI Agent 初级形态产品 GPTs，让人看到智能体的应用前景。谷歌、亚马逊在该领域也有所涉猎。比尔・盖茨认为 AI Agent 是 AI 的未来，并预言不久的将来，所有人都将拥有专属 AI 助理。
AI Agent一种能够理解自然语言并生成对应回复以及执行具体行动的人工智能体。它不仅是内容生成工具，而且是连接复杂任务的关键纽带。新加坡科技研究局人工智能研究员黄佳最新出版的图书《大模型应用开发—动手做AI Agent》内容包括从技术框架到开发工具，从实操项目到前沿进展，通过带着读者动手做7个功能强大的Agent，全方位解析Agent的设计与实现。本书最后展望了Agent的发展前景和未来趋势。
6月11日19:00-21:00，机器之心最新一期直播邀请到黄佳老师带来分享，重点探讨如何利用大模型为Agent认知框架的选型带来创新和提升。同时探索如何结合最新的技术进展，特别是大型语言模型（LLMs）如GPT-4，来优化认知框架的选择和应用。
分享主题：利用大模型优化Agent认知框架选型与应用
分享摘要：本次演讲将分享如何结合大模型技术，特别是最新的语言模型，来指导和优化Agent认知框架的选择和实践。我们将介绍一系列的最新认知框架，如Function Calling、CoT（Chain of Thought）、ToT（Tree of Thought）、ReAct、Plan-and-Execute以及Self-ask/Reflexion 等，并探讨它们在具体任务中的实际应用和效果。通过案例和Demo展示，我们将深入分析如何利用大模型来辅助进行认知框架的选型，以及对各种大模型认知框架的优势和局限做一些简单的探索。
分享提纲：
1. 引言与背景介绍
什么是Agent
什么是Agent认知框架
2.最新认知框架介绍与原理解析
Functions Calling：强调模型自我功能调用
CoT（Chain of Thought）：逐步逻辑推理的重要性
ToT（Tree of Thought）：多维度思考路径
ReAct：实时反应和动态决策
Plan-and-Execute：系统化规划与执行
Self-ask：自我提问与反思
3.认知框架的适用场景与技术选型
任务类型：简单重复任务对比复杂开放任务
领域适用性：通用解决方案与特定垂直领域应用
资源支持：外部数据和API的整合使用
应用目标：效率、准确性、可解释性与创新性
4.基于大模型的认知框架选型
通过提示工程进行基于LLM的认知框架选型
整体流程与实际应用Demo
5.认知框架Demo展示
展示如何使用OpenAI Assistants、OpenAI API及LangChain等工具实现框架
分析各种技术方案的优势和局限，以及在实际应用中的表现
6.总结与未来展望
未来Agent发展机遇和挑战
嘉宾介绍：黄佳，笔名咖哥，新加坡科技研究局人工智能研究员。主攻方向为 NLP 大模型的研发与应用、持续学习、AI in FinTech。黄佳深耕人工智能领域多年，积累了丰富的科研项目和政府、银行、能源、医疗等领域 AI 项目落地实战经验，目前正与 PlatoX.AI 展开富有前景的技术合作。
直播间：关注机器之心机动组视频号，立即预约直播。
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
