在前面的讨论中我们已经提出，基于Agent 的AI 应用软件是由一组Agent 和环境信息构成的。其中环境信息非常重要，它们是大模型完成目标的重要依据。他决定了大模型思维的脉络。本文我们讨论环境信息。

环境信息的主要内容

        每一次对话而言，大语言模型根据提示，做出回答。环境信息是提示中重要组成部分。它们包括：

总体目标（Goal）

        当前提出的总目标。比如使用者请求：购买一件衣服。

智能体目标（Agent Goal）

        当前智能体的目标。

请求者的信息 （Requester Information）

请求者基本信息（Requester Basic Information）

• 名称
• 性别
• 出生地
• 出生年月
• 当前所在地

请求者的其它信息

•     工作经历
•      教育经历
•      家庭成员
•      个人爱好

 基本环境信息

当前信息（Current Information）

•     当前时间
•     当前的温度
•     当前所处的地方

上下文信息（Conext）

    为了完成目标，智能体已经获得的信息。例如：完成一个目标，可能需要多个智能体协作完成。

Agents 信息

        关于所有可用Agent 的相关信息。帮助Agent 规划使用哪些Agent来完成目标。

长期记忆信息（Long-term memory）

        与本智能体相关的长期记忆信息。比如，一个购物的智能体，它就需要调取个人的购物偏好，常用物品的规格，品牌，商铺。购物的历史记录摘要。发货地址，联系电话等等。

进一步研究课题

      进一步地，可以加入更多的环境信息，比如情感信息，

情感信息

环境信息的分层管理     

        每个智能体对环境信息的需求是不一样的。每个智能体都有一个私有的环境信息，它们是从上层的环境信息或者长期记忆中导入到Agent 的。

 结论

          在具体实现中，Agent 环境信息管理是Agent OS 的关键之一。还需要进一步地细化。在具体是现在会进一步的优化。

下面是Agent OS 的基本架构

大致结构大同小异。下一步我们会实现一个实验系统。