事件背景
今天一篇“吴恩达：AI智能体工作流……超本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】过下一代基础模型”的文章刷屏，随后我去看原创内容，盗版必究。本文作者：唐霜，转载请注明出处。了原文，觉得现在的媒体有点脑残夸张，用标题取胜原创内容，盗版必究。【本文首发于唐霜的博客】。实际上吴的意思是通过agent wor【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。kflows可以大幅提高LLMs的输出表【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】现（performance），因此，他猜未经授权，禁止复制转载。原创内容，盗版必究。测今年构建agent工作流会是一个比基础【转载请注明来源】【本文首发于唐霜的博客】模型建设更重要的趋势，他自己也会投入更多著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】注意力在这件事上。
【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。通过吴的实验，在相同的一个任务目标中，“GPT-3.5 (zero shot) 转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。正确率为48.1%。GPT-4 (zer未经授权，禁止复制转载。【未经授权禁止转载】o shot) 的表现更好，为67.0%转载请注明出处：www.tangshuang.net原创内容，盗版必究。。然而，从GPT-3.5到GPT-4的提【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】升与合并迭代智能体工作流相比显得微不足道本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net。实际上，在智能体循环里运行，GPT-3【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。.5可以达到95.1%的正确率”。这说明一个非常关键的问题，以前我们会认为GPT-4会被GPT-3.本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】5强很多，但是在agent workfl【原创不易，请尊重版权】【作者：唐霜】ows的加持下，两者的差别却几乎没有，可【作者：唐霜】【本文首发于唐霜的博客】见，在面对具体问题的时候，AI的智能程度【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】，并不能绝对的决定它的最终表现，而通过好本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】的软件架构，也能明显提升目标效果。
原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。
有了这样的一个认识基础，我们有理由相信，本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】通过应用层面的模式运用和架构设计，可以更未经授权，禁止复制转载。【本文受版权保护】好的解决实际问题，而非在基础模型建设上，【版权所有，侵权必究】【关注微信公众号：wwwtangshuangnet】拼命的持续投入。这对我们现在业界的情况冲【原创不易，请尊重版权】未经授权，禁止复制转载。击还是挺大的，因为包括openAI在内的【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。厂商，现在都在做基础模型的竞赛，GPT-【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。4之后，很快就会出GPT-5，其他厂商也本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。在宣称自己的模型比GPT-4更优秀。然而未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net，如果这些基础模型的表现和通过agent【原创内容，转载请注明出处】未经授权，禁止复制转载。 workflows优化后的应用相比，结原创内容，盗版必究。原创内容，盗版必究。果就会差强人意。这也就是为什么吴说自己会著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。在今年更加专注智能体工作流这件事。
著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。智能体设计模式
吴在同篇推送中提出了基于工作流思路，有4【版权所有，侵权必究】【作者：唐霜】种智能体的设计模式，可以帮助我们实现利用【关注微信公众号：wwwtangshuangnet】【作者：唐霜】workflow来优化LLMs表现。这4【原创内容，转载请注明出处】【未经授权禁止转载】种模式分别是：
【原创内容，转载请注明出处】未经授权，禁止复制转载。未经授权，禁止复制转载。【本文首发于唐霜的博客】- Reflection：LLM审查自己的工【转载请注明来源】【版权所有】唐霜 www.tangshuang.net作，提出改进的方法。 【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】
- Tool use：LLM被赋予工具，如网【原创不易，请尊重版权】未经授权，禁止复制转载。络搜索，代码执行，或任何其他功能，以帮助【本文受版权保护】【本文受版权保护】它收集信息，采取行动，或处理数据。 未经授权，禁止复制转载。【本文首发于唐霜的博客】
- Planning：LLM提出并执行一个多【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】步骤计划来实现一个目标（例如，编写一篇文【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。章的大纲，然后进行在线研究、编写草稿，等【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】等）。 【原创内容，转载请注明出处】【转载请注明来源】
- Multi-agent collabor【原创内容，转载请注明出处】【版权所有，侵权必究】ation：多个AI智能体一起工作，分解【本文首发于唐霜的博客】【版权所有，侵权必究】任务、讨论和辩论想法，提出比单个智能体更本文作者：唐霜，转载请注明出处。【本文受版权保护】好的解决方案。 【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。
其实，从我个人的角度来看，前3种模式基本【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】都out了。目前业界的发展很快，前3种都【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net是古早的方法，人工也可以操作，其中too【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.netl use就包括了RAG知识库模式。就目【原创不易，请尊重版权】【版权所有，侵权必究】前来看，主流的趋势是第4种，即multi转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】-agent模式，这在我上一篇博客中已经著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net解释过了，这里就不再过多解释。目前市面上【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】能够出来令人感到一点惊艳的，大部份都是采转载请注明出处：www.tangshuang.net【版权所有，侵权必究】用这种模式，例如Devin，它作为一个用【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。来编程的程序员AI，本质上它自己并不只完【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】成程序员的工作，它还要完成研发流程上各个【未经授权禁止转载】【原创不易，请尊重版权】角色的工作，例如任务理解和拆分（研发PM未经授权，禁止复制转载。【版权所有，侵权必究】）、测试（QA）、质量评估、部署上线（D【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。evOps）等等，最终在一个工作流生命周【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】期中生产产物（而非代码碎片），从而给人非【本文受版权保护】本文作者：唐霜，转载请注明出处。常惊艳的感觉。另外，从概念上讲multi【本文首发于唐霜的博客】未经授权，禁止复制转载。-agent模式不是智能体本身的设计模式【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。，而是构建AI智能系统的模式，当然，如果本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。把一个具有复杂设计的系统也作为智能体，也【转载请注明来源】【版权所有】唐霜 www.tangshuang.net是可以的，那就是一个包含了内部agent转载请注明出处：www.tangshuang.net【本文受版权保护】的big agent。
未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。多智能体工作流
工作流可以有效的帮我们提升工作的成果质量【本文首发于唐霜的博客】【转载请注明来源】，本质上是因为系统论原理。就像人类社会的生产一样，独立一个人的生【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】产能力是有限的，但是如果形成一个组织（如转载请注明出处：www.tangshuang.net原创内容，盗版必究。公司）来进行生产，通过系统化的分工和管理【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net，提升效率，就可以达到1+1>2的本文作者：唐霜，转载请注明出处。【未经授权禁止转载】效果。因此，工作流模式解决实际问题，我也本文作者：唐霜，转载请注明出处。【作者：唐霜】认为是目前为止最好的应用路径。从AI的发【本文首发于唐霜的博客】【版权所有，侵权必究】展来看，智能程度的提升就像人脑智力水平高【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】，然而实际要干活，还是得靠智力水平一般，本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】但是勤奋努力的个体来实现。所以，未来当我本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。们拥有足够智力水平的LLM底座之后，发展【转载请注明来源】本文作者：唐霜，转载请注明出处。的方向一定是基于系统论的应用层构建。
【作者：唐霜】【版权所有】唐霜 www.tangshuang.net以LangGraph为例，它已经是按mu本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.netlti-agent模式设计好的框架，开发【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net者只需要按照它的使用方法，完成下面3件事本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。，就可以开发出自己的AI工作流：
著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。- 工具定义 【作者：唐霜】【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net
- LLM接入 【原创不易，请尊重版权】【原创不易，请尊重版权】【本文首发于唐霜的博客】【本文首发于唐霜的博客】
- 流程定义 【转载请注明来源】【本文首发于唐霜的博客】【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】
工具是最终干实事的部分，可以调用网络接口【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】，也可以是驱动本地软件、硬件等，通过这些【作者：唐霜】【本文首发于唐霜的博客】工具，agent才能产生实际的生产效果。【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net流程定义部分比较复杂，这里面就需要定义做【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】这件事应该如何去划分职责，如何规划阶段，【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。每个阶段不同角色应该做什么事，达到什么样【未经授权禁止转载】【原创内容，转载请注明出处】的条件，如何去执行动作等等。它在设计上提【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。供了3中模式：
原创内容，盗版必究。【本文受版权保护】【原创内容，转载请注明出处】未经授权，禁止复制转载。多智能体协同模式
【未经授权禁止转载】【版权所有，侵权必究】也就是吴恩达所指出的Multi-agen本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.nett collaboration，这种模式著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。通过将多个智能体囊括在一个工作流中，协同著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。工作来提升产出的质量。
转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。原创内容，盗版必究。
监督人模式
【转载请注明来源】【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。这种模式下，agent之间不再共享同一个【本文受版权保护】原创内容，盗版必究。暂存器，各自独立工作，通过监督人（Sup著作权归作者所有，禁止商业用途转载。【转载请注明来源】ervisor）来进行协调和最终的输出。
著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】【原创内容，转载请注明出处】
分层次团队模式
【本文受版权保护】【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】在监督人模式的基础上，不同agent被分未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。为多个team，在一个team内的age未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】nts可以更高效的协作。最终，多个tea著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】m通过监督人进行协调和最终输出。
【未经授权禁止转载】本文作者：唐霜，转载请注明出处。原创内容，盗版必究。本文作者：唐霜，转载请注明出处。
可以看出，一方面，我们需要让分工更加明确转载请注明出处：www.tangshuang.net【未经授权禁止转载】，一件事由一个agent完成，这样可以更本文作者：唐霜，转载请注明出处。【本文受版权保护】高效；另一方面，我们需要让这些agent【版权所有，侵权必究】【转载请注明来源】协同起来，通过有效的组织、联系、反馈，来著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net让整套工作流运作更加高效。
【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。结语
从本文中，你肯定可以发现一些规律，即ag【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。ents以workflow的模式来进行工【转载请注明来源】本文作者：唐霜，转载请注明出处。作，可能会是将来AI应用的主要开发模式。【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。在这样的体系中，分工会越来越细，每一个a【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。gent都可以在单独某个方面具备更优秀的转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。能力，这也意味着在一套系统中，我们可能需【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net要多个领域的小模型或者经过微调的LLM。同时，我们也可以看到，由于分工很细，有【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。不少agent的功能愈发单一，我们就可以【转载请注明来源】【转载请注明来源】采用耗能更小的技术架构来实现这类agen本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】t，只有那种需要非常高智能的agent，【作者：唐霜】著作权归作者所有，禁止商业用途转载。我们才可能需要比GPT-4更高智能的大模【原创内容，转载请注明出处】未经授权，禁止复制转载。型，这就显得更加环保，对当下芯片资源、电力资源紧张感有一定的著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】缓解作用。另外一方面，由于这种越来越细的【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。分工，我们需要一个agent market来随时扩展系统能力，当用户在平台上准备让【版权所有，侵权必究】未经授权，禁止复制转载。AI完成自己的任务，但是又没有在当前系统本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】中看到可以实现自己需要的能力的agent著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。时，可以便捷的在market上载入新的a本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.netgent。基于这一思考，我们就会豁然开朗【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。，为什么吴恩达会认为智能体工作流会是今年本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net一个重要的课题了。
【作者：唐霜】本文版权归作者所有，未经授权不得转载。2024-03-28 3163
