大語言模型（LLMs）和智能體不斷進化，已不再局限于簡單的響應(yīng)和輸出，而是在推理與行動能力上持續(xù)成熟。隨著智能體架構(gòu)的進步，記憶、回憶和知識應(yīng)用的方式，在系統(tǒng)設(shè)計和可信度方面變得愈發(fā)關(guān)鍵且復(fù)雜。RASA（Role-Aligned Software Architecture，角色對齊軟件架構(gòu)）作為一個創(chuàng)新性的認(rèn)知框架，為構(gòu)建具備強大記憶能力、能夠靈活適應(yīng)各種場景的智能體提供了全新的思路和方法。

一、LLMs現(xiàn)有記憶機制的局限與RASA的誕生背景

LLMs憑借其強大的語言處理能力，在自然語言處理領(lǐng)域取得了顯著成果。其潛在記憶功能允許它們從訓(xùn)練數(shù)據(jù)中存儲和檢索模式，卻無需顯式的存儲機制。然而，這種記憶存在諸多局限性：它是靜態(tài)的，一旦訓(xùn)練完成，記憶內(nèi)容就基本固定，難以實時更新；缺乏個性化，無法針對不同用戶的獨特需求和背景進行定制；并且很大程度上是不可見的，開發(fā)人員和用戶難以了解記憶的具體存儲和使用方式，這使得它在適應(yīng)實時變化和貼合用戶特定上下文時困難重重。

為了讓智能體真正具備自適應(yīng)、可靠和交互性，就需要一個外部系統(tǒng)來顯式地管理記憶，跨越時間、角色和推理層次。RASA應(yīng)運而生，它并非普通的工具或產(chǎn)品，而是一種思考如何構(gòu)建人工智能系統(tǒng)的全新理念，旨在打造模塊化、具備記憶感知能力且與周圍世界中的角色相匹配的AI系統(tǒng)。

二、RASA的核心架構(gòu)剖析

（一）Frames：智能體記憶的基石

Frames代表了智能體的記憶架構(gòu)和“心智狀態(tài)”，它涵蓋了智能體當(dāng)前所知道和能夠回憶起的信息，是其行動的基礎(chǔ)。RASA定義了四種類型的Frames：

1. 無狀態(tài)幀（Stateless frames）：這類幀沒有記憶功能，僅對當(dāng)前輸入做出響應(yīng)，適用于簡單的事務(wù)性任務(wù)，比如一些固定格式的信息查詢，僅依據(jù)當(dāng)前輸入的關(guān)鍵詞返回預(yù)設(shè)答案，不考慮之前的交互歷史。
2. 會話幀（Session frames）：它能夠捕捉對話中的近期交互信息，使智能體保持對話的流暢性，并能參考剛剛說過的內(nèi)容。在客服場景中，當(dāng)用戶詢問關(guān)于產(chǎn)品某一特性的更多細節(jié)時，智能體可以依據(jù)會話幀中記錄的前文，理解用戶所指的產(chǎn)品，從而更準(zhǔn)確地回答問題。
3. 短期幀（Short-Term frames）：短期幀用于總結(jié)整個會話中的模式和決策，有助于保存用戶偏好或近期選擇。例如，在音樂推薦場景中，智能體可以通過短期幀記住用戶在一次會話中多次選擇的音樂風(fēng)格，為后續(xù)推薦提供更符合用戶當(dāng)下興趣的音樂。
4. 長期幀（Long-Term frames）：長期幀用于存儲跨會話的持久信息，如用戶偏好、歷史交互記錄或?qū)W習(xí)到的知識。以個人健康管理智能體為例，長期幀可以記錄用戶長期的健康數(shù)據(jù)和偏好的健康管理方式，為用戶提供持續(xù)且個性化的健康建議。

Frames具有高度的靈活性，可根據(jù)智能體的角色和上下文進行組合。不同類型的智能體，會依據(jù)自身功能需求，選擇合適的Frames組合，以此來動態(tài)塑造智能體的“心智狀態(tài)”，決定其能夠訪問和響應(yīng)的信息。而Persona則在其中發(fā)揮著關(guān)鍵的控制作用，它能夠根據(jù)具體的使用場景、隱私級別、可信操作以及所需的認(rèn)知深度，有選擇地激活或調(diào)整Frames。

（二）Operators：智能體的行動執(zhí)行層

如果說Frames定義了智能體所“知道”的內(nèi)容，那么Operators則明確了智能體如何運用這些知識。Operators就像是智能體的認(rèn)知工具，它基于當(dāng)前的Frame對信息進行解釋、轉(zhuǎn)換或路由。常見的Operators類型包括：

1. 偏好（Preferences）：根據(jù)用戶定義或系統(tǒng)定義的偏好來塑造輸出內(nèi)容。在電商推薦系統(tǒng)中，用戶可以設(shè)置自己喜歡的商品品牌、價格范圍等偏好，智能體通過Preferences Operator將這些偏好應(yīng)用到商品推薦中，為用戶提供更符合心意的商品建議。
2. 規(guī)則（Rules）：用于應(yīng)用業(yè)務(wù)規(guī)則、進行策略檢查或執(zhí)行工作流邏輯。在金融領(lǐng)域，智能體在處理貸款申請時，會依據(jù)Rules Operator檢查用戶的信用記錄、收入水平等是否符合貸款規(guī)則，還能在面對模糊輸入時，發(fā)起LLM查詢進行推理，或者進行條件評估。
3. 啟發(fā)式方法（Heuristics）：利用輕量級推理策略或領(lǐng)域捷徑來高效地做出決策。當(dāng)需要更深入的思考時，Heuristics可以啟動思維鏈提示；當(dāng)內(nèi)部邏輯處理能力不足時，還能將控制權(quán)委托給外部工具。在圖像識別輔助系統(tǒng)中，Heuristics可以快速根據(jù)一些常見的圖像特征做出初步判斷，若遇到復(fù)雜圖像，則借助外部專業(yè)圖像分析工具進行處理。
4. 工具（Tools）：實現(xiàn)與外部系統(tǒng)、API或函數(shù)的交互，例如獲取實時數(shù)據(jù)、進行搜索和總結(jié)等。在新聞資訊智能體中，Tools Operator可以連接到新聞API，獲取最新的新聞內(nèi)容，并對其進行篩選和總結(jié)，為用戶提供有價值的新聞信息。同時，Tools還能支持檢索增強生成（RAG）工作流程，幫助智能體獲取特定領(lǐng)域的知識，使其回答更具時效性和針對性。

Operators與Frames緊密協(xié)作，從Frames中提取信息并進行相應(yīng)操作。它們具有模塊化和可組合性的特點，能夠根據(jù)任務(wù)需求或智能體的Persona進行排序、組合或選擇性激活。部分Operators是無狀態(tài)的，而另一些則依賴更深入的上下文信息。此外，Operator層是人機協(xié)作（Human-in-the-Loop，HITL）系統(tǒng)最自然的集成點。當(dāng)規(guī)則或啟發(fā)式方法遇到模糊條件或低置信度輸出時，人類可以介入進行驗證、批準(zhǔn)或推翻決策，這在關(guān)鍵工作流程、高風(fēng)險操作或需要可追溯性和監(jiān)督的企業(yè)系統(tǒng)中尤為重要。

（三）Persona：智能體的身份與協(xié)調(diào)層

Persona賦予智能體身份、角色和行為意圖。它不僅決定了智能體的行動方式，還控制著哪些Frames和Operators處于激活狀態(tài)，以及如何針對特定用戶、任務(wù)或上下文對它們進行配置。 一個Persona可以定義以下關(guān)鍵內(nèi)容：

1. 智能體的角色：例如“熱情的音樂推薦者”或“成本節(jié)約分析師”，明確了智能體在特定場景中的功能定位。
2. 語氣或風(fēng)格：決定智能體是以正式、敘事還是詼諧的方式與用戶交流，這有助于塑造智能體獨特的個性，增強用戶體驗。
3. 記憶范圍：確定智能體是無狀態(tài)運行，還是需要納入長期上下文信息，以此來靈活調(diào)整智能體對信息的處理方式。
4. 偏好工具和推理模式：選擇是優(yōu)先使用規(guī)則、啟發(fā)式方法還是人類審核，從而使智能體的決策過程更符合其角色和任務(wù)需求。

通過封裝身份和協(xié)調(diào)功能，Persona使得設(shè)計出一致且上下文感知的智能體成為可能，并且能夠?qū)⑺鼈兣c現(xiàn)實世界中的角色相匹配，避免了為每種場景都進行硬編碼的繁瑣工作。

三、RASA在不同角色中的應(yīng)用價值

（一）為架構(gòu)師提供模塊化設(shè)計藍圖

對于架構(gòu)師而言，RASA提供了一個模塊化的設(shè)計藍圖，用于構(gòu)建具備記憶感知能力且與角色對齊的智能體系統(tǒng)。它將狀態(tài)、行為和身份解耦，使得AI組件更易于測試、管理和適應(yīng)企業(yè)的多樣化需求。架構(gòu)師可以基于RASA的框架，靈活地組合Frames、Operators和Persona，設(shè)計出滿足不同業(yè)務(wù)場景的智能體架構(gòu)，提高系統(tǒng)的可維護性和擴展性。

（二）助力開發(fā)者高效實現(xiàn)功能集成

開發(fā)者在使用RASA時，能夠獲得一種結(jié)構(gòu)化的方式來插入記憶層、工具和推理步驟，無需每次都重新構(gòu)建協(xié)調(diào)邏輯。Frames和Operators為開發(fā)者提供了清晰的功能入口點，他們可以專注于實現(xiàn)具體的功能模塊，提高開發(fā)效率。在開發(fā)智能客服系統(tǒng)時，開發(fā)者可以利用RASA已有的框架，快速集成會話幀和規(guī)則Operators，實現(xiàn)智能客服對常見問題的快速響應(yīng)和處理。

（三）幫助產(chǎn)品所有者轉(zhuǎn)化業(yè)務(wù)需求

產(chǎn)品所有者可以借助RASA將業(yè)務(wù)需求轉(zhuǎn)化為模塊化的智能體行為。通過調(diào)整智能體的語氣、規(guī)則和偏好，使其與產(chǎn)品的角色設(shè)定、品牌形象和客戶工作流程相契合。在設(shè)計一款面向年輕用戶群體的社交APP智能助手時，產(chǎn)品所有者可以利用RASA設(shè)定智能體活潑、幽默的語氣風(fēng)格，并制定符合社交場景的規(guī)則和偏好，提升產(chǎn)品的用戶體驗和市場競爭力。

（四）為企業(yè)領(lǐng)導(dǎo)者提供治理思路

RASA為企業(yè)領(lǐng)導(dǎo)者提供了一個可擴展的思維模型，幫助他們理解和管理AI與客戶、員工或其他系統(tǒng)的交互方式。通過RASA，企業(yè)領(lǐng)導(dǎo)者可以清晰地把握AI系統(tǒng)的控制要點、個性化設(shè)置和人為監(jiān)督的切入點，更好地引導(dǎo)AI系統(tǒng)為企業(yè)創(chuàng)造價值，同時確保其符合企業(yè)的戰(zhàn)略方向和風(fēng)險管控要求。

（五）推動企業(yè)實現(xiàn)AI的規(guī)模化應(yīng)用

對于企業(yè)和組織來說，RASA提供了一種將智能體系統(tǒng)與組織結(jié)構(gòu)相匹配的有效途徑。智能體的角色、功能、決策策略甚至企業(yè)文化都可以在其行為、記憶和決策過程中得到體現(xiàn)，從而實現(xiàn)AI的規(guī)模化應(yīng)用，使其能夠與現(xiàn)有的工作流程無縫集成，而不是對其造成干擾。在大型企業(yè)的供應(yīng)鏈管理中，利用RASA構(gòu)建的智能體可以根據(jù)不同部門的角色和職責(zé)，如采購、物流、庫存管理等，進行有針對性的記憶和決策，優(yōu)化整個供應(yīng)鏈流程，提高企業(yè)運營效率。

四、RASA蘊含的設(shè)計理念與發(fā)展展望

RASA不僅僅是一個技術(shù)架構(gòu)，更是一種融合了目的、責(zé)任和透明度的設(shè)計理念。在智能體時代，我們不僅要關(guān)注AI能做什么，更要思考它應(yīng)該做什么。RASA鼓勵設(shè)計者和組織在每個架構(gòu)層中融入目的、倫理和可觀測性。

智能體的目的確保其行動具有明確的意圖，與角色、責(zé)任和組織目標(biāo)保持一致。倫理和安全并非事后考慮的因素，而是由Persona塑造，并通過Operators和人機協(xié)作檢查點進行管理?？捎^測性和透明度則源于架構(gòu)的模塊化，能夠追蹤決策的制定過程、所使用的記憶以及采取的行動。

目前，RASA仍處于早期探索階段，它源于人們希望利用LLMs和工具增強現(xiàn)實世界流程的愿望，試圖模擬人類的思維、決策和協(xié)作方式。盡管它并非革命性的突破，但它以新穎的方式組合了已有的概念，尤其是在構(gòu)建記憶和決策機制方面，為創(chuàng)建智能、自適應(yīng)的智能體奠定了堅實的基礎(chǔ)。在未來，隨著AI技術(shù)的不斷發(fā)展，RASA有望在更多領(lǐng)域得到應(yīng)用和完善，進一步推動智能體與現(xiàn)實世界的深度融合，助力企業(yè)和社會實現(xiàn)智能化轉(zhuǎn)型。

code:https://github.com/vedanta/rasa