Agent 的研发和运营

下图所示,展现了 Agent应用 的 应用 研发的链条。

image.png

产品是具体用户看得见可以用的 网站/app/client。Agents 业务框架包含:Agent framework、Components、Pipelines的实现。产品的业务逻辑以Pipeline的形式共建,所以产品会依赖 agent 框架的pipeline 调用,Demo 是具体展示 pipeline业务逻辑的jupyter slides。Agent 的业务框架关于AI模型使用的部分,会依赖一个推理系统,将提供所有模型的推理。Infra 系统中模型需要迭代更新,更新过程会遵循企业中的 研发流。

产品侧的功能

分3个层面分析:

Demo的作用
Agents 业务逻辑框架

该层是实现一个Agent系统,它支撑一切业务逻辑,有agent framework、framework 所依赖的具体components,外部方法的调用和创建、General 的Pipeline 案例。Agents会依赖AI模型的调用和无数的外部工具的调用,例如,搜索引擎、文件解析器、代码执行器等等。

Infra

这是一个处理Agents 和AI Models 关系的系统,例如开源的 VLLM,Ollama等。目前20247月这个时间,该系统能稳定提供的功能是 模型推理服务。关于提供Function call,开源作用正在研发中,大部分闭源产品可以提供,比如 Openai、Kimi、Google等等。关于模型的训练、微调,少数闭源产品可以提供,比如Openai、Google,国内还不存在。Function call和模型的训练、微调早晚会在开源项目中实现。
站在一个Infra 提供商的视角,推理服务有三类:

  1. 转发 Openai、Kimi、Google已有模型调用
  2. 使用 GPU(Nvidia) 提供模型推理。这就能直接使用例如VLLM的开源项目。
  3. 使用自研Device 提供模型推理。这需要做开源项目例如VLLM的硬件兼容,或自研推理框架。
R&D

Infra中的模型需要不断的更新,这是企业中 R&D (Research and Develop) 流做的事,进行模型的训练和微调,相应的Device、Driver、Runtime的升级。