LLM（大型语言模型）是基于大量数据进行预训练的超大型深度学习模型，具备逻辑推理、总结提炼、任务规划等能力。相比于移动互联网/区块链/元宇宙，LLM可能是历史上首个未经推广就广泛受到各行各业关注的技术，它注定要为人类的发展带来非常大的变革。
LLM技术演进路线
大致分为三个阶段：
阶段一：prompt engineering
通过调整LLM的交互指令，高效完成特定的任务，比如角色扮演、样本提示等。
阶段二：LLM外挂
由于LLM自身存在的一些限制，引入外挂扩展LLM的能力。比如：
- RAG：召回外界知识，扩大知识面、提升时效性。
- UseTool：使用外界工具，对接第三方系统等。
阶段三：面向目标的LLM Agent智能体
LLM根据目标做任务拆解，按计划执行每个任务，并基于任务执行结果反馈下一步的执行任务，不断迭代直至目标达成，每次决策都会基于之前的结果和记忆。
LLM Agent
LLM和Agent的关系类似于IOS/Android和APP，Agent是一个能感知并自主地采取行动的实体，人类可能是这个星球上最强大的Agent。
在LLM出现之前，自动化是通过算法编排的确定性流程，更多的是偏结构化固定模式环境中的操作，而LLM Agent具备类似于人类的通用智能，借助记忆检索、决策推理、行动反馈等选择合适的操作等，通过学习不同的知识、思考模式、经验记忆等，演变成不同的角色、专家，成为人类的智能合作伙伴， 把自动化程度提升到了新的高度，开启了AI全面接管的自动化时代。
AGI概述
AGI（Artificial General Intelligence）简称通用人工智能，能够比肩人类的智能
AGI的发展带来了一些变化：
- 设计范式：面向过程架构 => 面向目标架构（计算过程是不确定的，围绕目标拆解步骤、感知环境、最终达成目标）
- 协作方式：人类为中心 + AI辅助 => AI为中心 + 人类辅助
- 交互方式：语言通信 => 更高效的通信（意念？脑机无线接口）
- 。。。