2023年9月14日 · LLM-Agent-Survey
The Rise and Potential of Large Language Model Based Agents: A Survey：LLM智能体的崛起与潜力综述
该综述系统梳理了基于大语言模型（LLM）的智能体概念、框架与应用。文章从哲学起源追溯至AI发展，论证LLM作为通用智能体基础的优势，提出包含大脑、感知、行动三组件的通用框架，并覆盖单智能体、多智能体及人机协作三大应用场景，同时探讨智能体社会中的行为、个性及涌现现象。
EVENT STORY
发展脉络
- 首次出现The Rise and Potential of Large Language Model Based Agents: A Survey：LLM智能体的崛起与潜力综述arXiv cs.AI
- 当前判断该综述为AI应用开发提供了蓝图，尤其在自动化客服、虚拟助手、游戏NPC、机器人控制等领域具有直接指导意义。多智能体协作研究可推动供应链优化、金融模拟等复杂系统应用，而人机合作则影响教育、医疗等行业的AI辅助工具设计。Agent Pulse · 分析
本文是LLM智能体领域的里程碑式综述，首次提出统一的“大脑-感知-行动”框架，将分散的研究整合为系统化知识体系。它明确了LLM作为通用智能体核心的可行性，为后续研究提供了理论基石和分类标准，推动了从专用模型向通用智能体的范式转变。
文章提出LLM智能体通用框架：大脑（LLM核心，负责推理、规划、记忆）、感知（多模态输入处理）、行动（工具调用、环境交互）。评估方面，综述了单智能体任务（如问答、代码生成）、多智能体协作（如辩论、模拟）及人机合作（如辅助决策）的进展。边界在于框架高度抽象，缺乏具体实现细节和标准化评测基准。
该综述为AI应用开发提供了蓝图，尤其在自动化客服、虚拟助手、游戏NPC、机器人控制等领域具有直接指导意义。多智能体协作研究可推动供应链优化、金融模拟等复杂系统应用，而人机合作则影响教育、医疗等行业的AI辅助工具设计。
建议企业基于该框架开发垂直领域智能体产品，例如：1）采购LLM API（如GPT-4）构建客服智能体；2）利用多智能体模拟优化物流调度；3）在内部工具链中集成智能体以自动化代码审查和测试。
未来需关注：1）多智能体社会涌现行为的可控性验证；2）LLM智能体在真实环境中的鲁棒性测试；3）跨模态感知与行动的统一基准建立；4）安全与伦理对齐的标准化评估。