第一章习题

[EverySeptember]

习题1:

case A：非智能体，他只能被动根据输入进行确定的输出

case B：是智能体
根据内部决策结构的分类：模型式，它需要根据前方障碍物体模型以及道路模型来确定避障策略
基于时间和反应性的分类：反应式，它需要在最少的时间内做出决策
基于知识表示的分类：神经符号，对于避障系统，它需要有大量预训练数据支撑它快速识别障碍物与道路，以便做出决策；其次，在障碍物/人与驾乘人员安全冲突的情况，需要有特定规则决定安全等级去决定避障策略

case C：是智能体
根据内部决策结构的分类：基于效用，围棋规则有明确的目的性，它需要考虑的是吃掉更多的子，且在多个方案中判断效用值高低，保证在未来数十步达到最优解
基于时间和反应性的分类：混合式，智能体需要尽可能多的制定策略，但是考虑到围棋规则的时长要求，所以认定为混合式
基于知识表示的分类：亚符号主义，AlphaGo是自主学习模式，在决策时并不会采用硬编码规则

case D：是智能体
根据内部决策结构的分类：基于目标，智能客服的首要目标是解决客户问题，有明确且唯一的目标，如果考虑到有多个解决方案，可能有少量基于效用的功能，但总体来说还是偏基于目标
基于时间和反应性的分类：混合式，智能客服在解决问题的时候，既要考虑客户诉求，解决成本等问题，还客服本身业务性，需要考虑问题解决时效性，所以是混合式
基于知识表示的分类：神经符号，首先智能客服分析问题的能力需要大量预训练数据支撑；其次在执行问题解决动作的时候，需要公司预定义规则来保证问题解决流程规范性，解决成本，合规性等问题

习题2:

P：运动监测对性能度量要求高，制定运动计划要求较低
E：体重秤、血压仪等数据采集设备，用于采集身高、体重、血压等用户身体状况；这些数据部分可见，在运动或制定规划时，大概率无法实时获取，依赖于客户上次测量或者手动输入的数据
智能穿戴设备、摄像头等，用于采集心率、血氧、血压等用户运动实时状态；该部分数据随机性较强，客户不同运动方式，当天身体状况等实时变化
各种天气网站服务、智能家居环境等，用于获取天气、温度、室外、室内等用户所处环境；这部分数据在短期内确定性较强，如客户在进行运动前获取，基本上已经确定且变化不大，反而在制定长期计划时这部分数据可参考性不大，可以不予考虑
A：将提示信息输送到客户能够感知到的各种设备的能力，如声音生成，体态渲染，震动提醒等
S：各种监测设备或者手动输入表单，需要对不同设备的输出数据进行结构化处理，最好能有前置程序处理为统一格式

习题3：

方案A：
优点：高效，规则清晰，成本低
缺点：未知情况应对不足，可能被“羊毛党”薅羊毛造成经济损失，或者大量审核工单涌入导致工作量骤增；仅能进行规则执行，对商品与客户状态无法判断

方案B：
优点：系统自主性强，对未知情况有学习能力，可以减少后续类似工单的人工处理数量；可以评估商品状态等因素综合判断
缺点：成本高，错误处理路径无法判断，无人工审核兜底，有可能存在合规性风险

workflow适用于量大且单一，对规则覆盖率较好的品类
agent适用于商品状况复杂，交易量小，规则覆盖率低的特殊品类

workflow更适合作为agent的后置流程：优先由agent判断并阻断大部分非正常请求，然后由workflow流程进行兜底，并保证规则合规，最后workflow覆盖不到的场景由人工处理

习题4：

AGENT_SYSTEM_PROMPT = """
你是一个智能旅行助手。你的任务是分析用户的请求，并使用可用工具一步步地解决问题。

# 可用工具:
- `get_weather(city: str)`: 查询指定城市的实时天气。
- `ask_preferences()`: 询问用户喜好。
- `get_attraction(city: str, weather: str, preferences: str)`: 根据城市、天气和喜好搜索推荐的旅游景点。
- `check_satisfaction(recommended_content: str)`: 用户是否对推荐内容满意。
- `clear_preferences()`: 清空用户喜好。
- `get_available_tickets(attraction: str)`: 获取景点门票数量。

# 输出格式要求:
你的每次回复必须严格遵循以下格式，包含一对Thought和Action：

Thought: [你的思考过程和下一步计划]
Action: [你要执行的具体行动]

Action的格式必须是以下之一：
1. 调用工具：function_name(arg_name="arg_value")
2. 结束任务：Finish[最终答案]

# 重要提示:
- 每次只输出一对Thought-Action
- Action必须在同一行，不要换行
- 当客户完成确认时，必须使用 Action: Finish[最终答案] 格式结束

# 工作流程
1.在搜索推荐的旅游景点之前，先获取足够的信息(城市、天气、客户喜好)
2.当获取足够的信息可以回答用户问题时，必须首先向用户询问是否对推荐内容满意
  2.1.如果客户满意，获取景点门票数量，若还有余票，则完成确认；若余票已空，重新回到流程1
  2.2.如果客户不满意，重新回到流程1；如果客户连续 3 次拒绝推荐，清空用户喜好，重新回到流程1

请开始吧！
"""

习题5：

智能机器人的行为控制
以机器人拳击赛为例：
机器人决定攻击/防守策略的部分，应该由系统1完成，它更多的来源于学习、训练；如果使用规则的方式去定义他的行为，那么各种各样位置状况都会击垮整个系统
控制机器人身体做出各样的动作，如肩关节、肘关节各运动多少角度，指关节是控制出拳还是出掌，这些应该由系统2完成，它需要严格统一的逻辑支撑，保证各个关节之间相互协调，相互配合
配合方式：首先由系统1做出攻击/防守策略，记下来的目标是做出哪些动作，受到攻击之后如何防守等等；然后将这些目标动作传给系统2，由系统2分析如何由当前的动作变更为目标动作，分析完成之后传递信号至相关控制器，由控制器驱动结构完成动作

习题6：

1.幻觉大多由亚符号主义智能产生，它的知识来源于自主学习，而不是逻辑推理；在训练素材不足、或者训练素材质量差的情况下，有可能造成超出AI认知范围以外的情况，同时在它逻辑推理能力弱的情况下，它不能很好的处理这些与现实违背的情况，所以就产生了幻觉
2.在上下文构建不好的时候，智能体可能陷入死循环，因为依据现有的上下文，智能体无法做出合理的判断，就会导致一直循环；同时产生的错误Observation会被添加到上下文中，进一步污染上下文，导致上下文内容越来越差，智能体更不能做出合理的判断，直至完全发散，陷入死循环
3.这个问题没有头绪，以下是我能想到的部分解决方案
1）定义一组问题集，并提供相应的答案，让智能体对问题集进行回答，然后与答案进行比对
2）考察其对测试用例的覆盖率
3）对于发散问题，考察其获取其推理过程，最好能将其公式化，判断逻辑是否自洽

[YuetongCui]

1