最近在研究大模型智能體也就是Agent的過程中，遇到了一個很嚴(yán)重的問題，直接影響到Agent的質(zhì)量和效果；那就是意圖識別不準(zhǔn)確，也可以說是Agent的幻覺問題。

其產(chǎn)生的原因就在于大模型有時無法準(zhǔn)確識別出用戶意圖，無法準(zhǔn)確調(diào)用相應(yīng)的函數(shù)。

意圖識別不準(zhǔn)確

現(xiàn)在大模型技術(shù)在應(yīng)用方面，主要有兩大方向；其一就是大模型的創(chuàng)作能力，簡單來說就是內(nèi)容生成方面，如生成圖片，文字，視頻，也包括RAG等。另一方向就是智能體，其目的是使大模型能夠像人類一樣，通過思考加使用外部工具的方式，能夠自動化處理一些問題。

比如說，讓大模型遇到不懂的問題，可以自己上網(wǎng)搜索；需要使用一些第三方工具，比如說調(diào)用高德的地圖接口或者調(diào)用美團(tuán)的下單接口去自主規(guī)劃旅行路線并訂購門票，酒店等。

這就是大模型的主要應(yīng)用方向——智能體。

以上是關(guān)于大模型智能體的功能介紹，下面我們從技術(shù)實現(xiàn)的角度來研究智能體。

從技術(shù)的角度來說，實現(xiàn)智能體首先大模型需要具備“思考”的能力，也就是能夠自主規(guī)劃和拆解目標(biāo)，把需求變成可行性的步驟；而這就是思維鏈技術(shù)。

而要想實現(xiàn)智能體不僅僅需要大模型具備“思考”的能力，同時還需要大模型能夠使用外部工具，簡單來說就是第三方接口。而這個在技術(shù)上怎么實現(xiàn)呢？

關(guān)于大模型調(diào)用外部工具接口的技術(shù)，就叫做function call 也就是函數(shù)調(diào)用；是通過給大模型提供一個函數(shù)列表，這個函數(shù)列表中描述了每個函數(shù)的功能，參數(shù)等；比如需要看地圖就調(diào)用地圖接口，需要看天氣就調(diào)用天氣接口等等。

雖然說函數(shù)調(diào)用從技術(shù)上來看挺簡單，但等到真正操作起來卻是很復(fù)雜的一件事；比如說作者目前就遇到了一個很嚴(yán)重的問題，就是意圖識別不明確問題。

簡單來說，你想實現(xiàn)一個Agent智能體，然后根據(jù)功能定義了一堆函數(shù)列表；然后告訴大模型根據(jù)用戶輸入的問題，去自主判斷調(diào)用那個函數(shù)。

也就是說，你要查天氣就去調(diào)用天氣接口，你要查地址就去調(diào)用地圖接口；而不是在查天氣的時候調(diào)用地址接口或者在查地址的時候調(diào)用天氣接口，這就是意圖識別。

如果說你的智能體涉及的功能比較少，需要調(diào)用的接口也比較少；可能還不會出現(xiàn)這個問題，但如果當(dāng)你智能體的功能比較復(fù)雜時，需要調(diào)用多個不同的接口；這時大模型可能就會偶爾抽風(fēng)，出現(xiàn)不知道或者調(diào)用錯誤的接口。

當(dāng)然，這種現(xiàn)象并不僅僅只是大模型的問題，我們?nèi)祟愅瑯右灿锌赡艹霈F(xiàn)這種問題。

舉例來說，有一輛三輪車和一輛小貨車，然后我說要拉東西你去把車開過來一下；這時你應(yīng)該開三輪車還是小貨車？

作為一個需求來說，如果東西比較多，可能三輪車就無法滿足你的需求；而如果東西比較少，三輪車和貨車都可以滿足你的需求；當(dāng)然，在實際操作的過程中，還需要考慮東西的體積，質(zhì)量，路程等等。

但對大模型來說，三輪車和小貨車都是拉貨的，這時它可能就會識別出錯，在應(yīng)該使用小貨車的時候，它開了一輛三輪車過來。

而這就是智能體函數(shù)調(diào)用中可能會經(jīng)常出現(xiàn)的問題；但應(yīng)該怎么解決這個問題呢？

說實話這種問題目前還沒有一個完美的解決方案，即使放到我們?nèi)祟惿砩吓紶栆矔驗闇贤ɑ蚶斫獾膯栴}導(dǎo)致出錯，在大模型上這種錯誤概率更是會被無限放大。

而我們只能盡可能的去避免這種問題的出現(xiàn)，而具體的解決辦法大概有以下幾種：

(1) 使用準(zhǔn)確清晰的描述

那個函數(shù)到底的干啥的，有什么具體的功能，最好使用最細(xì)致的描述，使歧義盡可能的降低

(2) 使用多輪對話

通過多次交流，使得能夠更準(zhǔn)確的理解需求；而這也是我們平常溝通過程中經(jīng)常用的的方法。

(3) 使用分類模型

說白了意圖識別問題，本質(zhì)上就是一個分類問題；你的描述越模糊分類越困難，因此可以使用專業(yè)的分類模型，來讓大模型確定自己的需求。

(4) 使用規(guī)則引擎

幫助大模型設(shè)計一套規(guī)則引擎，簡單來說就是當(dāng)大模型出現(xiàn)模糊判斷的時候，應(yīng)該怎么進(jìn)行兜底；比如說增加人工判斷或者重新選擇的機會等?；蛘呤褂媚撤N規(guī)則，不管意圖什么樣，只要滿足規(guī)則需求就去執(zhí)行。

總之，大模型智能體在具體實踐和技術(shù)研究中存在較大的事實差距；我們在使用的過程中需要根據(jù)具體的場景和問題，去優(yōu)化和完善我們的解決