企业软件指满足各政府、企业等组织需求的软件,我们可以简单的把企业软件分为数字化底座和应用工具两大块,应用工具主要指工业软件(专业工具)和信息化应用,如下图所示。

数字化底座是信息化和专业应用(工业软件)的基础平台。一般来说,包括云基础设施、数据集成平台、业务应用集成平台等。随着云、容器、微服务等技术的发展,基础资源管理和服务部署的解决方案已经形成共识,企业数字化应用的难点聚焦到应用和数据集成。企业软件从一体化应用到组装式应用的演进,本质上是要解决个性化应用、业务/数据敏捷集成、成果复用的问题。

通过低代码工具实现组装式应用的开发、集成和治理被视作个性化用户体验和业务组装能力的一种方式,近年来成为数字化底座的一种基本能力。但从实践来看,业务理解、组件适配和集成编程这三大环节中,编程并不是难点。随着IT部门和业务部门融合成为新的趋势,理解业务的团队同时具备IT及编程能力,核心还是回到组件产品本身的研发和基于业务理解的个性化适配与组装,依靠传统的软件方法,很难在这个问题上有实质性突破。针对这一点,大模型智能体(LLM-based agents)的应用,可以给我们新的思路。

LLM在数字化应用的各个层面,几乎都能给我们加持,其预训练知识、上下文学习能力、泛化能力等已经在各种应用场景上已经取得广泛的成功。在应用或算法中,LLM可以承担编码器、预测器、助理、智能体等各种角色,下图是其能力和应用的简单示意[2]。

AI智能体是指能感知输入,目标推理,并和环境互动以完成任务的自动化系统[3]。在过去的AI研究中,智能体一般用于强化学习,其基于简单单一的策略行动,在孤立和受限环境中学习。而基于LLM的智能体(LLM-based agents)是指在开放真实的环境中,将LLM作为核心推理模块来理解输入、规划行为和产生输出的具备类人决策能力的自动化系统[4]。下面我们从LLM智能体的构建、协同和演进几个层面来简单说明,如下图[5]。

LLM智能体的构建基于其强大的推理能力、工具使用和环境交互能力以及记忆能力。近来,基于COT(Chain of thought)开创的任务分解和基于反馈的迭代提升方法,使LLM智能体的推理规划能力大为提升,这已经成为了智能体的典型工作范式[6]。显然,在这个流程中,评估也可以基于LLM,即所谓LLM-as-a-Judge。

工具使用显然大大拓展了智能体的能力边界,近来大热的MCP(模型上下文协议)让LLM安全、便捷地连接并使用各种外部工具和服务,快速形成了生态。所谓记忆能力,可以分为短期记忆(Short-Term Memory)和长期记忆(Long-Term Memory),前者处理会话保持、超长输入等问题,而后者可以表现为大火的RAG(Retrieval augmented generation),即通过数据库、互联网检索等方式获取知识,增强模型能力。关于RAG是个非常热门的研究和工程实践领域,如下图[7]所示,针对不同的场景,可采用不同的方法,甚至可以专门为RAG做一个智能体,即Agentic RAG[8]。

协同主要指多智能体框架下的智能体间协作解决问题,从目前实践看,单智能体,或者有明确专业分工的中心控制多智能体方案具有较好的效果,而去中心化架构、群体智能演进等研究在学术上是一个挺热的方向。LLM智能体要达到好的效果,关键是在迭代过程中自我学习,能力提升,这既包括通过微调等手段提升LLM本身的能力,也包括对智能体系统中的辅助模块进行优化,比如提示词、工具、知识记忆等。迭代中演进大大增强了LLM智能体的泛化能力,使其更易适应新的任务和环境,下图是一些典型的学习范式[9],限于篇幅,就不展开了。

从LLM智能体的应用来看,包括各种生产力工具;具有特定流程的业务,比如软件研发、科研过程;用于游戏、社交等领域的角色扮演等。我们回到企业应用场景,在业务集成、数据集成、专业工具上都可以大展身手。

应用集成组装至少可以从两个层面加强,首先是对业务的理解和应用组装方案,这其实就是一个推理和规划的过程,可以用LLM智能体来实现。其次,所谓的低代码/零代码平台,一般分为可视化开发,用DSL (domain-specific language)表达,或者说X as Code,然后用集成总线执行实现三个阶段,我们可以直接用LLM实现DSL的开发。组装式研发的另一个难点数据集成,不管是使用传统的ETL环节处理数据,还是采用数据主线,元模型驱动架构,都可以使用LLM智能体来辅助操作,理解匹配数据,或者直接生成数据处理代码。

企业级应用研发的重点是历史代码的理解和重用、基于数字资产的DSL编码和企业数字应用集成、企业应用环境测试等,这些领域我们基于LLM智能体进行了探索,大大加快了企业应用研发和组装的过程。

LLM智能体在企业软件的应用中,有两个关键要点,一个是数据,一个是闭环,两者相辅相成。这里数据是指企业数据、用户数据、业务数据,在闭环过程中沉淀,积累知识,提升能力,如下图[10]。闭环迭代是智能体演进和智能能力涌现的基础,这里的关键是评估和判断,针对不同的场景,要能明确Metrics

总之,LLM智能体将极大地促进企业软件演进,几乎在各个层面上使企业软件能力得到提升,企业软件的研发与应用将进入“硅基时代”!

AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型,我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来,我也真心希望帮助大家学好这门技术,如果日后有什么学习上的问题,欢迎找我交流,有技术上面的问题,我是很愿意去帮助大家的!

如果你也想通过学大模型技术去帮助就业和转行,可以扫描下方链接👇👇
大模型重磅福利:入门进阶全套104G学习资源包免费分享!

在这里插入图片描述

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点
在这里插入图片描述
​

02.AI大模型学习路线图(还有视频解说)

全过程AI大模型学习路线

在这里插入图片描述
​在这里插入图片描述

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了,这些是我精选出来的

在这里插入图片描述
在这里插入图片描述

04.大模型面试题目详解

在这里插入图片描述

在这里插入图片描述

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制,且资料与智泊AI共享,相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。

在这里插入图片描述
在这里插入图片描述

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌,通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌,构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论,还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事‌!

在这里插入图片描述
如果说你是以下人群中的其中一类,都可以来智泊AI学习人工智能,找到高薪工作,一次小小的“投资”换来的是终身受益!

应届毕业生‌:无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。

零基础转型‌:非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈:传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型‌。

👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

在这里插入图片描述

Logo

更多推荐