AgentSquare是清華大學團隊推出自動在模塊化設計空間中搜索大型語言模型代理。基于標準化的模塊接口抽象，實現AI智能體的高速自我演化和自適應演進。框架包含任務規劃、常識推理、工具使用和記憶學習四個核心模塊，支持智能體針對不同任務場景的優化設計。AgentSquare基于模塊重組、模塊進化和代理評測模型，解決智能體設計的搜索問題，顯著提升智能體的性能，有效控制推理成本。
AgentSquare的主要功能模塊化設計空間：AgentSquare提出一個包含規劃、推理、工具使用和記憶四個基本模塊的模塊化設計空間，支持研究人員輕松構建和優化LLM代理。模塊重組：基于智能體頂層架構的優化，AgentSquare能重組現有的高性能模塊，探索更優的智能體設計。模塊進化：AgentSquare在代碼層面探索和生成新的模塊設計，引入創新性設計并擴展設計空間。性能預測：引入代理評測模型（Surrogate Model）預測智能體性能，減少昂貴的實時評估成本，加速搜索過程。自動化搜索：AgentSquare自動發現和優化LLM代理設計，無需人工干預，實現自動化的智能體設計搜索。AgentSquare的技術原理模塊化智能體搜索（MoLAS）：AgentSquare基于MoLAS問題，基于模塊化方法自動優化LLM代理設計。模塊重組機制：用大型語言模型（LLM）作為重組提議者，基于性能評測經驗，提出新的模塊組合方案。模塊進化機制：基于LLM作為模塊編程器，結合進化元提示（Evolutionary meta-prompt），探索新的模塊設計。性能預測模型：用上下文替代模型（in-context surrogate model）預測新提出的LLM代理的性能，減少評估成本。迭代搜索算法：AgentSquare基于迭代搜索算法，結合模塊重組和模塊進化，發現性能更優的代理設計。標準化接口：基于標準化不同模塊的輸入輸出接口，AgentSquare支持模塊間的無縫集成和替換，便于新模塊的快速集成和測試。AgentSquare的項目地址：項目官網：tsinghua-fib-lab.github.io/AgentSquare_websiteGitHub倉庫：https://github.com/tsinghua-fib-lab/AgentSquarearXiv技術論文：https://arxiv.org/pdf/2410.06153AgentSquare的應用場景自動化客戶服務：在客戶服務領域，AgentSquare設計智能體自動回答客戶咨詢，處理訂單和提供個性化服務。智能個人助理：作為個人助理，AgentSquare幫助用戶管理日程、提醒重要事件、搜索信息和執行日常任務。教育和學習：在教育領域，AgentSquare創建智能教學輔助工具，提供個性化學習計劃和輔導。醫療咨詢：AgentSquare能輔助醫療行業，用智能體提供初步診斷、健康咨詢和醫療信息檢索。金融決策支持：在金融領域，AgentSquare設計智能體分析市場趨勢、提供投資建議和風險評估。 
