Architecture sous-jacente de l’IA
Le diagramme suivant montre l’architecture complète du système d’IA, des grands modèles de fondation aux applications d’agents :
| Couche | Composants principaux | Rôle principal | Capacités typiques |
|---|---|---|---|
| Couche fondamentale (Modèle) | LLM & Token, architecture Transformer, tokenisation, mécanisme d’attention | Cœur computationnel sous-jacent de l’IA ; responsable de la compréhension du texte, de la prédiction de Token et de la génération de langage | Compréhension du langage naturel, génération de texte, modélisation du contexte, prédiction de probabilités |
| Couche de contexte (Mémoire) | Fenêtre de contexte、Prompt、Mémoire、RAG | Gère le contexte d’entrée du modèle ; responsable de la mémoire à court terme, de la mémoire à long terme et de l’injection de connaissances externes | Contrôle des prompts, mémoire de session, récupération de connaissances, augmentation du contexte |
| Couche d’extension des capacités (Outils) | MCP、Appel d’outils、API、Base de données | Rend l’IA plus qu’un simple chat ; étend les capacités opérationnelles du monde réel grâce aux appels d’outils | Recherche en ligne, exécution de code, requêtes de base de données, appels API |
| Couche Agent (Prise de décision) | Agent、Explorer、Planifier、Agir | Cerveau décisionnel autonome de l’IA ; responsable de la compréhension des objectifs, de la décomposition des tâches, de la planification et de l’exécution en boucle fermée | Planification des tâches, raisonnement multi-étapes, prise de décision autonome, exécution en boucle fermée |
| Couche d’application (Action) | Compétence d’agent、Workflow、Automatisation | Cible des scénarios métier spécifiques ; encapsule les capacités de l’Agent dans des produits déployables | Workflows automatisés, assistants IA sectoriels, systèmes intelligents d’entreprise, applications IA SaaS |
Définitions des terminologies clés
- TransformerL'architecture centrale actuelle des grands modèles, qui établit des relations entre les Tokens via le mécanisme d'auto-attention.
- TokenLa plus petite unité de texte traitée par le modèle ; elle peut être un sous-mot, un mot, un caractère ou un symbole.
- PromptL'instruction d'entrée donnée au modèle, utilisée pour définir les rôles, contrôler le comportement et normaliser le format et les objectifs de sortie.
- RAGGénération augmentée par récupération ; récupère d'abord une base de connaissances professionnelle externe, puis laisse le LLM intégrer et générer des réponses précises.
- MCPModel Context Protocol (Protocole de contexte de modèle), unifiant la norme de communication entre l'IA et les outils, les bases de données et les services externes.
- AgentSur la base d'un LLM, il ajoute des capacités d'objectif + planification + exécutionpour former un système intelligent autonome.
- Appel d'outilsLe modèle identifie proactivement les besoins, appelle des outils externes pour effectuer des opérations réelles, et ne se limite pas à de simples réponses textuelles.
- MémoireFournit à l'IA une mémoire conversationnelle à court terme + une mémoire persistante à long terme, résolvant le problème de l'oubli du contexte.
Flux de travail complet d'un agent IA
- entrée utilisateur: L'utilisateur émet une instruction Prompt, qui entre dans la fenêtre de contexte.
- Amélioration de la mémoire: Le système intègre la mémoire de session Memory + la base de connaissances externe RAG pour compléter le contexte et l'expertise métier.
- Inférence LLM: Le calcul d'attention est effectué sur les séquences de Tokens via l'architecture Transformer pour la compréhension sémantique et la génération préliminaire.
- Planification de l'agent: L'agent juge et décompose les tâches de manière autonome, décidant si une exécution multi-étapes ou l'appel d'outils externes est nécessaire.
- Exécution d'outils: Sur la base du protocole MCP, des capacités externes telles que l'API, la base de données et le moteur de recherche sont invoquées pour effectuer des opérations.
- Résultat de sortie: Résume les données renvoyées par les outils et les résultats d'inférence du modèle, les organise et les renvoie à l'utilisateur, tout en les écrivant dans l'archive de mémoire.