事件背景
今天一篇“吴恩达：AI智能体工作流……超【原创不易，请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】过下一代基础模型”的文章刷屏，随后我去看转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net了原文，觉得现在的媒体有点脑残夸张，用标题取胜【原创不易，请尊重版权】【作者：唐霜】。实际上吴的意思是通过agent wor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】kflows可以大幅提高LLMs的输出表【原创内容，转载请注明出处】【未经授权禁止转载】现（performance），因此，他猜【本文受版权保护】著作权归作者所有，禁止商业用途转载。测今年构建agent工作流会是一个比基础【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。模型建设更重要的趋势，他自己也会投入更多未经授权，禁止复制转载。【版权所有，侵权必究】注意力在这件事上。
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。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) 【本文首发于唐霜的博客】【转载请注明来源】正确率为48.1%。GPT-4 (zer原创内容，盗版必究。转载请注明出处：www.tangshuang.neto shot) 的表现更好，为67.0%【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】。然而，从GPT-3.5到GPT-4的提【本文受版权保护】转载请注明出处：www.tangshuang.net升与合并迭代智能体工作流相比显得微不足道【本文首发于唐霜的博客】原创内容，盗版必究。。实际上，在智能体循环里运行，GPT-3【版权所有，侵权必究】【转载请注明来源】.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.未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net5强很多，但是在agent workfl本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】ows的加持下，两者的差别却几乎没有，可【转载请注明来源】【版权所有，侵权必究】见，在面对具体问题的时候，AI的智能程度【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。，并不能绝对的决定它的最终表现，而通过好【转载请注明来源】【未经授权禁止转载】的软件架构，也能明显提升目标效果。
【作者：唐霜】【本文首发于唐霜的博客】【本文首发于唐霜的博客】【本文首发于唐霜的博客】
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。转载请注明出处：www.tangshuang.net通过应用层面的模式运用和架构设计，可以更转载请注明出处：www.tangshuang.net【关注微信公众号：wwwtangshuangnet】好的解决实际问题，而非在基础模型建设上，【版权所有】唐霜 www.tangshuang.net【转载请注明来源】拼命的持续投入。这对我们现在业界的情况冲本文版权归作者所有，未经授权不得转载。【转载请注明来源】击还是挺大的，因为包括openAI在内的本文作者：唐霜，转载请注明出处。【本文受版权保护】厂商，现在都在做基础模型的竞赛，GPT-【原创不易，请尊重版权】【原创不易，请尊重版权】4之后，很快就会出GPT-5，其他厂商也【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net在宣称自己的模型比GPT-4更优秀。然而著作权归作者所有，禁止商业用途转载。【作者：唐霜】，如果这些基础模型的表现和通过agent【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net workflows优化后的应用相比，结【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。果就会差强人意。这也就是为什么吴说自己会【未经授权禁止转载】原创内容，盗版必究。在今年更加专注智能体工作流这件事。
【原创内容，转载请注明出处】【未经授权禁止转载】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】唐霜 www.tangshuang.net未经授权，禁止复制转载。种智能体的设计模式，可以帮助我们实现利用本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】workflow来优化LLMs表现。这4【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】种模式分别是：
【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。- Reflection：LLM审查自己的工【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】作，提出改进的方法。 本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net
- Tool use：LLM被赋予工具，如网本文作者：唐霜，转载请注明出处。【转载请注明来源】络搜索，代码执行，或任何其他功能，以帮助【本文受版权保护】【本文首发于唐霜的博客】它收集信息，采取行动，或处理数据。 【访问 www.tangshuang.net 获取更多精彩内容】【作者：唐霜】本文版权归作者所有，未经授权不得转载。
- Planning：LLM提出并执行一个多【本文受版权保护】【版权所有】唐霜 www.tangshuang.net步骤计划来实现一个目标（例如，编写一篇文【原创内容，转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】章的大纲，然后进行在线研究、编写草稿，等【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】等）。 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。【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。
- Multi-agent collabor【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】ation：多个AI智能体一起工作，分解本文作者：唐霜，转载请注明出处。【转载请注明来源】任务、讨论和辩论想法，提出比单个智能体更原创内容，盗版必究。【原创不易，请尊重版权】好的解决方案。 本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】【原创不易，请尊重版权】
其实，从我个人的角度来看，前3种模式基本【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】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【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。l use就包括了RAG知识库模式。就目【原创内容，转载请注明出处】【转载请注明来源】前来看，主流的趋势是第4种，即multi【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net-agent模式，这在我上一篇博客中已经本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】解释过了，这里就不再过多解释。目前市面上【本文受版权保护】未经授权，禁止复制转载。能够出来令人感到一点惊艳的，大部份都是采【关注微信公众号：wwwtangshuangnet】本文版权归作者所有，未经授权不得转载。用这种模式，例如Devin，它作为一个用原创内容，盗版必究。【本文受版权保护】来编程的程序员AI，本质上它自己并不只完著作权归作者所有，禁止商业用途转载。【转载请注明来源】成程序员的工作，它还要完成研发流程上各个【本文受版权保护】【本文受版权保护】角色的工作，例如任务理解和拆分（研发PM【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net）、测试（QA）、质量评估、部署上线（D【作者：唐霜】【转载请注明来源】evOps）等等，最终在一个工作流生命周未经授权，禁止复制转载。原创内容，盗版必究。期中生产产物（而非代码碎片），从而给人非【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。常惊艳的感觉。另外，从概念上讲multi【转载请注明来源】【未经授权禁止转载】-agent模式不是智能体本身的设计模式【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】，而是构建AI智能系统的模式，当然，如果未经授权，禁止复制转载。【原创不易，请尊重版权】把一个具有复杂设计的系统也作为智能体，也原创内容，盗版必究。【本文受版权保护】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【版权所有，侵权必究】的big agent。
【作者：唐霜】【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。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版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net，本质上是因为系统论原理。就像人类社会的生产一样，独立一个人的生转载请注明出处：www.tangshuang.net【未经授权禁止转载】产能力是有限的，但是如果形成一个组织（如未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。公司）来进行生产，通过系统化的分工和管理【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。，提升效率，就可以达到1+1>2的【未经授权禁止转载】【版权所有，侵权必究】效果。因此，工作流模式解决实际问题，我也【未经授权禁止转载】【原创不易，请尊重版权】认为是目前为止最好的应用路径。从AI的发转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。展来看，智能程度的提升就像人脑智力水平高转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。，然而实际要干活，还是得靠智力水平一般，【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】但是勤奋努力的个体来实现。所以，未来当我原创内容，盗版必究。【作者：唐霜】们拥有足够智力水平的LLM底座之后，发展【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。的方向一定是基于系统论的应用层构建。
未经授权，禁止复制转载。原创内容，盗版必究。【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】以LangGraph为例，它已经是按mu【转载请注明来源】【原创不易，请尊重版权】lti-agent模式设计好的框架，开发【转载请注明来源】【原创不易，请尊重版权】者只需要按照它的使用方法，完成下面3件事【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】，就可以开发出自己的AI工作流：
【本文受版权保护】【版权所有，侵权必究】【原创内容，转载请注明出处】著作权归作者所有，禁止商业用途转载。- 工具定义 原创内容，盗版必究。本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。
- LLM接入 【版权所有，侵权必究】【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net
- 流程定义 原创内容，盗版必究。【原创内容，转载请注明出处】
工具是最终干实事的部分，可以调用网络接口【未经授权禁止转载】【原创不易，请尊重版权】，也可以是驱动本地软件、硬件等，通过这些【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】工具，agent才能产生实际的生产效果。【作者：唐霜】未经授权，禁止复制转载。流程定义部分比较复杂，这里面就需要定义做著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。这件事应该如何去划分职责，如何规划阶段，【转载请注明来源】【本文首发于唐霜的博客】每个阶段不同角色应该做什么事，达到什么样未经授权，禁止复制转载。【原创不易，请尊重版权】的条件，如何去执行动作等等。它在设计上提【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。供了3中模式：
【原创不易，请尊重版权】【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。多智能体协同模式
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。未经授权，禁止复制转载。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。【访问 www.tangshuang.net 获取更多精彩内容】t collaboration，这种模式著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】通过将多个智能体囊括在一个工作流中，协同转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】工作来提升产出的质量。
【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】
监督人模式
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。这种模式下，agent之间不再共享同一个转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net暂存器，各自独立工作，通过监督人（Sup【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。ervisor）来进行协调和最终的输出。
原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。
分层次团队模式
【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net【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【版权所有，侵权必究】【版权所有，侵权必究】为多个team，在一个team内的age本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。nts可以更高效的协作。最终，多个tea未经授权，禁止复制转载。原创内容，盗版必究。m通过监督人进行协调和最终输出。
【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】
可以看出，一方面，我们需要让分工更加明确【原创内容，转载请注明出处】【转载请注明来源】，一件事由一个agent完成，这样可以更【作者：唐霜】【未经授权禁止转载】高效；另一方面，我们需要让这些agent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。协同起来，通过有效的组织、联系、反馈，来【转载请注明来源】原创内容，盗版必究。让整套工作流运作更加高效。
转载请注明出处：www.tangshuang.net【转载请注明来源】结语
从本文中，你肯定可以发现一些规律，即ag【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。ents以workflow的模式来进行工本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。作，可能会是将来AI应用的主要开发模式。【原创不易，请尊重版权】【作者：唐霜】在这样的体系中，分工会越来越细，每一个a【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】gent都可以在单独某个方面具备更优秀的著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net能力，这也意味着在一套系统中，我们可能需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】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，有本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】不少agent的功能愈发单一，我们就可以【转载请注明来源】转载请注明出处：www.tangshuang.net采用耗能更小的技术架构来实现这类agen【本文首发于唐霜的博客】未经授权，禁止复制转载。t，只有那种需要非常高智能的agent，转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。我们才可能需要比GPT-4更高智能的大模【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】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【本文受版权保护】【关注微信公众号：wwwtangshuangnet】缓解作用。另外一方面，由于这种越来越细的著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net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】唐霜 www.tangshuang.net【未经授权禁止转载】AI完成自己的任务，但是又没有在当前系统【未经授权禁止转载】【版权所有，侵权必究】中看到可以实现自己需要的能力的agent【关注微信公众号：wwwtangshuangnet】【作者：唐霜】时，可以便捷的在market上载入新的a【转载请注明来源】原创内容，盗版必究。gent。基于这一思考，我们就会豁然开朗【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。，为什么吴恩达会认为智能体工作流会是今年著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。一个重要的课题了。
【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net2024-03-28 3511
