近日，國內(nèi)領(lǐng)先的人工智能大模型公司面壁智能又放大招，聯(lián)合清華大學(xué) NLP 實(shí)驗(yàn)室共同研發(fā)并推出大模型「超級(jí)英雄」——XAgent。

通過任務(wù)測試，XAgent 在真實(shí)復(fù)雜任務(wù)的處理能力已全面超越 AutoGPT。

• 現(xiàn)已在 GitHub 正式開源，地址 https://github.com/OpenBMB/XAgent
• 案例展示地址：https://x-agent.net/
• 博客地址：https://blog.x-agent.net

XAgent 何許「人」也？

XAgent 是一個(gè)可以實(shí)現(xiàn)自主解決復(fù)雜任務(wù)的全新 AI 智能體，以 LLM 為核心，能夠理解人類指令、制定復(fù)雜計(jì)劃并自主采取行動(dòng)。

傳統(tǒng)智能體通常受到人類定制規(guī)則的限制，只能在限定范圍內(nèi)解決問題。它們更像是為人類所用的「工具」，而不是真正的「自主智能體」，難以自主解決復(fù)雜問題。

相反，XAgent 被賦予了自主規(guī)劃和決策的能力，使它能夠獨(dú)立運(yùn)行，發(fā)現(xiàn)新的策略和解決方案，不受人類預(yù)設(shè)的束縛。

它的能力已全面超越 AutoGPT，在眾多場景任務(wù)上展示出了驚人的自主性和復(fù)雜任務(wù)的求解能力，將 AI 智能體的智能水平提升到了一個(gè)全新高度。

那么問題又來了：它是如何實(shí)現(xiàn)的呢？

「左右腦」協(xié)同，雙循環(huán)機(jī)制

正如人類具備「左腦」 和「右腦」，在處理復(fù)雜任務(wù)時(shí)通常從「 宏觀」和「微觀」 兩個(gè)視角進(jìn)行考慮，既要針對(duì)全局進(jìn)行統(tǒng)籌和規(guī)劃，也要從執(zhí)行層面來考量。

相較于 AutoGPT，面壁智能和清華大學(xué)在 XAgent 的設(shè)計(jì)中創(chuàng)新地引入了一種「雙循環(huán)機(jī)制」：

• 外循環(huán)：負(fù)責(zé)全局任務(wù)規(guī)劃，將復(fù)雜任務(wù)分解為可操作的簡單任務(wù)。
• 內(nèi)循環(huán)：負(fù)責(zé)局部任務(wù)執(zhí)行，專注于細(xì)節(jié)。

通過雙循環(huán)機(jī)制的協(xié)作，XAgent 如同大模型領(lǐng)域的「超級(jí)英雄」，它在應(yīng)對(duì)復(fù)雜任務(wù)的不同環(huán)節(jié)時(shí)，展現(xiàn)出超強(qiáng)的專業(yè)度和豐富的技能。

就像漫威宇宙中的「美隊(duì)」，XAgent 既有全局觀的領(lǐng)導(dǎo)力，也有細(xì)致入微的執(zhí)行力。

在外循環(huán)中，XAgent 展現(xiàn)出作為一個(gè)「規(guī)劃」（PlanAgent）的領(lǐng)導(dǎo)力，它會(huì)把復(fù)雜任務(wù)拆分成若干簡單任務(wù)，并監(jiān)督問題解決的完整過程。

首先，它將給定的復(fù)雜任務(wù)分解成更小、更易管理的「子任務(wù)」，生成「初始規(guī)劃」，形成任務(wù)序列。

隨后，它將逐次把每個(gè)子任務(wù)傳遞給內(nèi)循環(huán)解決。在這個(gè)過程中，外循環(huán)會(huì)不斷監(jiān)督任務(wù)的進(jìn)度和狀態(tài)，并根據(jù)反饋對(duì)后續(xù)規(guī)劃進(jìn)行「迭代優(yōu)化」。

在內(nèi)循環(huán)中，XAgent 快速轉(zhuǎn)變身份，展現(xiàn)出作為一個(gè)高效「執(zhí)行者」（ToolAgent）的專業(yè)度，確保外循環(huán)傳遞的子任務(wù)達(dá)到預(yù)期。

根據(jù)子任務(wù)性質(zhì)的不同，它可以從外部系統(tǒng)中檢索工具，并針對(duì)子任務(wù)進(jìn)行一步步求解。

在子任務(wù)完成后，它將生成當(dāng)前子任務(wù)執(zhí)行過程的反思，反饋給外循環(huán)，指示當(dāng)前任務(wù)是否完成，以及任務(wù)執(zhí)行中的潛在優(yōu)化點(diǎn)。

如圖所示，用戶給 XAgent 提交了 iris.zip 文件，讓 XAgent 對(duì)數(shù)據(jù)進(jìn)行分析。

可以看到，XAgent 首先通過外循環(huán)將這個(gè)任務(wù)分解成了 4 個(gè)子任務(wù)：

1. 對(duì)數(shù)據(jù)進(jìn)行檢查與理解；
2. 檢查系統(tǒng)的 Python 環(huán)境，查看相關(guān)數(shù)據(jù)分析庫是否存在；
3. 編寫數(shù)據(jù)分析代碼，對(duì)數(shù)據(jù)進(jìn)行處理與分析；
4. 根據(jù) python 代碼執(zhí)行結(jié)果撰寫分析報(bào)告。

隨后，在執(zhí)行每一個(gè)子任務(wù)時(shí)，XAgent 通過內(nèi)循環(huán)熟練地使用文件讀寫、 shell 命令、python notebook 及相應(yīng) pandas、sci-kit learn、seaborn、matplotlib 等數(shù)據(jù)分析庫，甚至?xí)?duì)數(shù)據(jù)進(jìn)行可視化分析。

AutoGPT 在執(zhí)行相同任務(wù)時(shí)，并沒有制定檢查 python 環(huán)境與相關(guān)庫的規(guī)劃，而是直接開始寫代碼執(zhí)行，導(dǎo)致使用相關(guān)庫時(shí)失敗報(bào)錯(cuò)，最終也沒有完成對(duì)數(shù)據(jù)的復(fù)雜分析。

人機(jī)協(xié)作：智能體交互新范式

雖然 AutoGPT 在一定程度上突破了傳統(tǒng) GPT 模型的局限性，但它仍然存在死循環(huán)、錯(cuò)誤調(diào)用等執(zhí)行出錯(cuò)的現(xiàn)象，需要人工干預(yù)才能解決。

而 XAgent 在設(shè)計(jì)之初就針對(duì)相關(guān)問題進(jìn)行了考量，并引入了專為增強(qiáng)人機(jī)協(xié)作的交互機(jī)制：它可以自主與用戶進(jìn)行交互，并向人類發(fā)出干預(yù)和指導(dǎo)的請(qǐng)求。

對(duì)于一個(gè)智能體而言，「是否能夠與人類協(xié)作」也是體現(xiàn)其智能程度的重要指標(biāo)。

首先，XAgent 具備直觀的界面，用戶可以直接覆蓋或修改它提出的建議，從而將 AI 效率與人類的直覺和專業(yè)知識(shí)有效結(jié)合。

其次，在面臨陌生挑戰(zhàn)的情況下，XAgent 具備「向人類尋求幫助」能力，它會(huì)向用戶征求實(shí)時(shí)反饋、建議或指導(dǎo)，確保即使在不確定的領(lǐng)域，智能體也能發(fā)揮出最佳作用。

圖片

這種交互范式，將 AI 的自主性與人類的智慧有機(jī)融合，展示了人與 XAgent 之間的全新的協(xié)作關(guān)系。

如圖所示，用戶想讓 XAgent 幫忙推薦一些好吃的餐館來和朋友聚會(huì)，但是卻沒有提供具體詳細(xì)的信息。

這個(gè)時(shí)候 XAgent 可以意識(shí)到目前用戶所提供的信息不夠充足，難以進(jìn)行推薦，于是向人類提出請(qǐng)求，詢問用戶的傾向地點(diǎn)、預(yù)算范圍、口味喜好、有哪些忌口等等，在得到用戶的反饋后從而提供了推薦的餐廳。

而 AutoGPT 則直接開始到網(wǎng)絡(luò)上搜索餐館信息進(jìn)行推薦，最終推薦的結(jié)果地點(diǎn)不對(duì)，也沒有考慮用戶的預(yù)算，沒有符合用戶的需求。

高效通信語言，超強(qiáng)工具調(diào)用

無論「雙循環(huán)」的運(yùn)轉(zhuǎn)機(jī)制，還是「人機(jī)協(xié)作」 的交互能力，在 XAgent 的總體設(shè)計(jì)中，面壁智能和清華團(tuán)隊(duì)著重考慮的是智能體的穩(wěn)定、高效和安全等核心特性。

而結(jié)構(gòu)化的通信方式同樣是建立強(qiáng)大、穩(wěn)定智能體的重要因素之一。

XAgent 采用 Function Call 作為其內(nèi)部的通信語言，具備結(jié)構(gòu)化、標(biāo)準(zhǔn)化、統(tǒng)一化等優(yōu)勢。

• 結(jié)構(gòu)化：Function Call 具備清晰且嚴(yán)謹(jǐn)?shù)母袷?，可以明確表述所需內(nèi)容，從而最小化了潛在的錯(cuò)誤。
• 標(biāo)準(zhǔn)化：Function Call 可以將與外部工具的交互過程標(biāo)準(zhǔn)化，提供一種通用語言，使智能體具備使用和整合多種工具的能力，解決復(fù)雜任務(wù)。
• 統(tǒng)一化：通過將信息摘要、任務(wù)規(guī)劃、工具執(zhí)行等所有環(huán)節(jié)轉(zhuǎn)化為特定的 Function Call 形式，確保每個(gè)環(huán)節(jié)均以統(tǒng)一的方式進(jìn)行處理，從而簡化系統(tǒng)設(shè)計(jì)。

此外，工具調(diào)用也是評(píng)價(jià) AI Agent 是否具備解決復(fù)雜問題的重要能力之一。

XAgent 在設(shè)計(jì)中原創(chuàng)了工具執(zhí)行引擎 ToolServer，可以實(shí)現(xiàn)更安全、高效、可擴(kuò)展的工具執(zhí)行能力。

它在隔離的 Docker 環(huán)境中運(yùn)行，確保工具執(zhí)行不會(huì)危及主系統(tǒng)的穩(wěn)定性或安全性。

這種設(shè)計(jì)帶來多重好處：

• 安全：在 Docker 容器內(nèi)運(yùn)行工具可以保護(hù)主系統(tǒng)免受潛在危害。
• 高效：系統(tǒng)可以根據(jù)需求和使用模式啟動(dòng)、停止和重啟節(jié)點(diǎn)，實(shí)現(xiàn)最佳資源使用。
• 可擴(kuò)展：方便管理代碼，調(diào)試和擴(kuò)展性更強(qiáng)。

ToolServer 的關(guān)鍵組件包括：ToolServerNode、ToolServerMonitor、ToolServerManager，在執(zhí)行操作、節(jié)點(diǎn)檢查、周期管理等方面提供強(qiáng)大的能力。

目前，XAgent 的 ToolSever 支持 FileSystemEnv、PythonNotoBook、WebEnv、ExecuteShell、RapidAPIEnv、AskHumanforHelp 等多種工具。

XAgent 不僅可以幫我們做一些簡單的任務(wù)，它甚至可以幫助我們訓(xùn)練模型。

比如，用戶希望能夠?qū)﹄娪霸u(píng)論進(jìn)行分析，判斷一下大眾對(duì)電影評(píng)價(jià)的好壞。這個(gè)時(shí)候 XAgent 會(huì)首先下載 imdb 數(shù)據(jù)集去訓(xùn)練一個(gè) BERT 模型，并使用訓(xùn)練好的 BERT 模型對(duì)電影評(píng)論進(jìn)行預(yù)測。

釋放大模型潛力，全面超越 AutoGPT

經(jīng)過在一系列任務(wù)中的測試可以看到（如下圖 a、b 所示），基于 GPT-4 的 XAgent 表現(xiàn)效果在所有基準(zhǔn)測試中都超過了原始的 GPT-4，并全面超越了 AutoGPT。

這些任務(wù)需要 Agent 推理規(guī)劃和使用外部工具的能力，包括：用搜索引擎回答問題的能力（FreshQA+HotpotQA）、Python 編程能力（MBPP）、數(shù)學(xué)推理能力（MATH）、交互式編程能力（InterCode）、具身推理能力（ALFWorld）、真實(shí)復(fù)雜任務(wù)等。

圖 a：XAgent 在真實(shí)復(fù)雜任務(wù)處理中全面超越 AutoGPT

圖 b：超越 AutoGPTXAgent 在六大 AI Agent 基準(zhǔn)測試中全面領(lǐng)先 GPT-4

可以看出，XAgent 的系統(tǒng)設(shè)計(jì)能夠充分釋放 GPT-4 的基礎(chǔ)能力，并達(dá)到極高的測試效果和人類傾向（Human Preference)。

這不僅表明 XAgent 在需要推理規(guī)劃的傳統(tǒng) AI 測試中表現(xiàn)出色，而且在處理復(fù)雜的實(shí)際指令時(shí)具有更高的性能

拓展應(yīng)用邊界，堅(jiān)實(shí)技術(shù)基礎(chǔ)

AI Agent 的出現(xiàn)讓整個(gè)行業(yè)看到了大模型技術(shù)的重要落地方向，無需進(jìn)行復(fù)雜的 prompt 探索，就可以實(shí)現(xiàn)整套工作流的任務(wù)執(zhí)行。

作為具有無限潛能的大模型「超級(jí)英雄」，XAgent 可以成為每一個(gè)普通的人的「個(gè)人助理」。它可以幫助我們規(guī)劃日程，安排行程，管理生活和工作的時(shí)間和資源分配。

它還可以自主使用多種數(shù)據(jù)采集、處理和分析工具，全自動(dòng)地完成對(duì)海量數(shù)據(jù)的分析并形成報(bào)告，幫助用戶高效獲取重要信息。

此外，XAgent 還能結(jié)合外部工具與自主規(guī)劃算法，根據(jù)環(huán)境信息做出決策，以實(shí)現(xiàn)更高效和精確的任務(wù)執(zhí)行。

XAgent 的研發(fā)團(tuán)隊(duì)是由來自面壁智能和清華大學(xué) THUNLP 實(shí)驗(yàn)室的多位大模型領(lǐng)域的專家和學(xué)者組建。他們更像是大模型領(lǐng)域的「超級(jí)英雄」。

這一創(chuàng)新成果之所以能夠成功推出，正是團(tuán)隊(duì)在長期的科研工作過程中構(gòu)建了一系列前沿創(chuàng)新的大模型 Infra，堅(jiān)實(shí)技術(shù)基礎(chǔ)，拓展創(chuàng)新和研發(fā)的邊界。

面壁智能聯(lián)合清華大學(xué) NLP 實(shí)驗(yàn)室、OpenBMB 開源社區(qū)打造了一個(gè)「三位一體」 的大模型產(chǎn)學(xué)研生態(tài)布局，提出并發(fā)布了多個(gè)大模型工具使用框架和引擎：

• Tool Learning：大模型工具學(xué)習(xí)范式，將專業(yè)工具與大模型的優(yōu)勢相融合，從而在問題解決方面達(dá)到更高的準(zhǔn)確性、效率和自主性。
• BMTools：大模型學(xué)習(xí)引擎，是讓語言模型使用擴(kuò)展工具的開源倉庫，同時(shí)也是開源社區(qū)構(gòu)建和共享工具平臺(tái)。
• ToolLLM，大模型工具學(xué)習(xí)框架，給大模型接入 16000+ 真實(shí) API，讓大模型可以通過調(diào)用外部工具以完成更復(fù)雜的用戶指令任務(wù)。
• WebCPM，中文領(lǐng)域首個(gè)支持聯(lián)網(wǎng)搜索的模型框架，填補(bǔ)國產(chǎn)大模型該領(lǐng)域的空白，讓大模型能像人類一樣在網(wǎng)頁上實(shí)時(shí)搜索答案，提高了 AIGC 的實(shí)時(shí)性和準(zhǔn)確性。

XAgent 拓展了 AI 智能體在執(zhí)行復(fù)雜任務(wù)中的能力上限，讓我們看到大模型技術(shù)融入生產(chǎn)和生活的前沿趨勢和無限潛力。