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】本文版权归作者所有，未经授权不得转载。过下一代基础模型”的文章刷屏，随后我去看本文版权归作者所有，未经授权不得转载。【转载请注明来源】了原文，觉得现在的媒体有点脑残夸张，用标题取胜【转载请注明来源】原创内容，盗版必究。。实际上吴的意思是通过agent wor【原创不易，请尊重版权】【本文首发于唐霜的博客】kflows可以大幅提高LLMs的输出表【本文受版权保护】【作者：唐霜】现（performance），因此，他猜原创内容，盗版必究。【版权所有，侵权必究】测今年构建agent工作流会是一个比基础【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net模型建设更重要的趋势，他自己也会投入更多【未经授权禁止转载】【作者：唐霜】注意力在这件事上。
【版权所有，侵权必究】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。未经授权，禁止复制转载。通过吴的实验，在相同的一个任务目标中，“GPT-3.5 (zero shot) 原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】正确率为48.1%。GPT-4 (zer本文版权归作者所有，未经授权不得转载。【转载请注明来源】o shot) 的表现更好，为67.0%【未经授权禁止转载】【本文受版权保护】。然而，从GPT-3.5到GPT-4的提【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】升与合并迭代智能体工作流相比显得微不足道【转载请注明来源】【关注微信公众号：wwwtangshuangnet】。实际上，在智能体循环里运行，GPT-3【转载请注明来源】本文作者：唐霜，转载请注明出处。.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。【访问 www.tangshuang.net 获取更多精彩内容】5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。【本文受版权保护】ows的加持下，两者的差别却几乎没有，可【转载请注明来源】未经授权，禁止复制转载。见，在面对具体问题的时候，AI的智能程度未经授权，禁止复制转载。原创内容，盗版必究。，并不能绝对的决定它的最终表现，而通过好著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net的软件架构，也能明显提升目标效果。
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。【原创内容，转载请注明出处】
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。原创内容，盗版必究。通过应用层面的模式运用和架构设计，可以更著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】好的解决实际问题，而非在基础模型建设上，未经授权，禁止复制转载。【未经授权禁止转载】拼命的持续投入。这对我们现在业界的情况冲著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net击还是挺大的，因为包括openAI在内的【未经授权禁止转载】【原创不易，请尊重版权】厂商，现在都在做基础模型的竞赛，GPT-【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。4之后，很快就会出GPT-5，其他厂商也原创内容，盗版必究。【原创不易，请尊重版权】在宣称自己的模型比GPT-4更优秀。然而【本文首发于唐霜的博客】【版权所有，侵权必究】，如果这些基础模型的表现和通过agent转载请注明出处：www.tangshuang.net【版权所有，侵权必究】 workflows优化后的应用相比，结未经授权，禁止复制转载。【本文受版权保护】果就会差强人意。这也就是为什么吴说自己会【版权所有，侵权必究】【本文受版权保护】在今年更加专注智能体工作流这件事。
转载请注明出处：www.tangshua【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】ng.net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】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转载请注明出处：www.tangshuang.net【关注微信公众号：wwwtangshuangnet】种智能体的设计模式，可以帮助我们实现利用【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。workflow来优化LLMs表现。这4【未经授权禁止转载】转载请注明出处：www.tangshuang.net种模式分别是：
原创内容，盗版必究。【原创不易，请尊重版权】【访问 www.tangshuang.n著作权归作者所有，禁止商业用途转载。【转载请注明来源】et 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。- Reflection：LLM审查自己的工【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。作，提出改进的方法。 【本文受版权保护】本文作者：唐霜，转载请注明出处。
- Tool use：LLM被赋予工具，如网未经授权，禁止复制转载。【未经授权禁止转载】络搜索，代码执行，或任何其他功能，以帮助【原创内容，转载请注明出处】原创内容，盗版必究。它收集信息，采取行动，或处理数据。 【未经授权禁止转载】【访问 www.tangshuang.n【关注微信公众号：wwwtangshuangnet】【转载请注明来源】et 获取更多精彩内容】【原创内容，转载请注明出处】
- Planning：LLM提出并执行一个多本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。步骤计划来实现一个目标（例如，编写一篇文【作者：唐霜】【转载请注明来源】章的大纲，然后进行在线研究、编写草稿，等【作者：唐霜】【关注微信公众号：wwwtangshuangnet】等）。 【关注微信公众号：wwwtangshua【作者：唐霜】【原创内容，转载请注明出处】ngnet】本文作者：唐霜，转载请注明出处。
- Multi-agent collabor著作权归作者所有，禁止商业用途转载。【作者：唐霜】ation：多个AI智能体一起工作，分解【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】任务、讨论和辩论想法，提出比单个智能体更【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net好的解决方案。 【作者：唐霜】原创内容，盗版必究。【未经授权禁止转载】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【未经授权禁止转载】未经授权，禁止复制转载。都out了。目前业界的发展很快，前3种都本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。是古早的方法，人工也可以操作，其中too【原创不易，请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】l use就包括了RAG知识库模式。就目【关注微信公众号：wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】前来看，主流的趋势是第4种，即multi【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。-agent模式，这在我上一篇博客中已经未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。解释过了，这里就不再过多解释。目前市面上著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】能够出来令人感到一点惊艳的，大部份都是采【原创内容，转载请注明出处】【原创内容，转载请注明出处】用这种模式，例如Devin，它作为一个用【本文受版权保护】未经授权，禁止复制转载。来编程的程序员AI，本质上它自己并不只完【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】成程序员的工作，它还要完成研发流程上各个【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。角色的工作，例如任务理解和拆分（研发PM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。）、测试（QA）、质量评估、部署上线（D【未经授权禁止转载】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转载请注明出处：www.tangshuang.net【转载请注明来源】期中生产产物（而非代码碎片），从而给人非本文作者：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。常惊艳的感觉。另外，从概念上讲multi转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。-agent模式不是智能体本身的设计模式转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。，而是构建AI智能系统的模式，当然，如果【转载请注明来源】【版权所有，侵权必究】把一个具有复杂设计的系统也作为智能体，也【版权所有，侵权必究】【版权所有，侵权必究】是可以的，那就是一个包含了内部agent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。的big agent。
【关注微信公众号：wwwtangshua转载请注明出处：www.tangshuang.net原创内容，盗版必究。ngnet】【原创内容，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。，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【本文受版权保护】本文版权归作者所有，未经授权不得转载。产能力是有限的，但是如果形成一个组织（如本文作者：唐霜，转载请注明出处。【未经授权禁止转载】公司）来进行生产，通过系统化的分工和管理转载请注明出处：www.tangshuang.net【未经授权禁止转载】，提升效率，就可以达到1+1>2的【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。效果。因此，工作流模式解决实际问题，我也转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。认为是目前为止最好的应用路径。从AI的发【转载请注明来源】未经授权，禁止复制转载。展来看，智能程度的提升就像人脑智力水平高【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。，然而实际要干活，还是得靠智力水平一般，未经授权，禁止复制转载。【原创不易，请尊重版权】但是勤奋努力的个体来实现。所以，未来当我【本文受版权保护】【作者：唐霜】们拥有足够智力水平的LLM底座之后，发展【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】的方向一定是基于系统论的应用层构建。
原创内容，盗版必究。转载请注明出处：www.tangshua未经授权，禁止复制转载。转载请注明出处：www.tangshuang.netng.net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。以LangGraph为例，它已经是按mu转载请注明出处：www.tangshuang.net原创内容，盗版必究。lti-agent模式设计好的框架，开发原创内容，盗版必究。【未经授权禁止转载】者只需要按照它的使用方法，完成下面3件事【原创内容，转载请注明出处】【版权所有，侵权必究】，就可以开发出自己的AI工作流：
【作者：唐霜】【版权所有】唐霜 www.tangshu原创内容，盗版必究。未经授权，禁止复制转载。ang.net- 工具定义 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】【原创内容，转载请注明出处】未经授权，禁止复制转载。
- LLM接入 本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】【本文受版权保护】【访问 www.tangshuang.n【本文受版权保护】【转载请注明来源】et 获取更多精彩内容】
- 流程定义 本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshua【本文受版权保护】未经授权，禁止复制转载。ngnet】【作者：唐霜】【未经授权禁止转载】
工具是最终干实事的部分，可以调用网络接口原创内容，盗版必究。原创内容，盗版必究。，也可以是驱动本地软件、硬件等，通过这些【转载请注明来源】【作者：唐霜】工具，agent才能产生实际的生产效果。【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。流程定义部分比较复杂，这里面就需要定义做本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。这件事应该如何去划分职责，如何规划阶段，【访问 www.tangshuang.net 获取更多精彩内容】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【本文首发于唐霜的博客】本文作者：唐霜，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【本文受版权保护】【关注微信公众号：wwwtangshuangnet】供了3中模式：
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】【作者：唐霜】多智能体协同模式
本文作者：唐霜，转载请注明出处。【本文受版权保护】【本文首发于唐霜的博客】也就是吴恩达所指出的Multi-agen【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.nett collaboration，这种模式【关注微信公众号：wwwtangshuangnet】【本文受版权保护】通过将多个智能体囊括在一个工作流中，协同【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。工作来提升产出的质量。
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。【本文首发于唐霜的博客】【版权所有，侵权必究】
监督人模式
【访问 www.tangshuang.n【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。et 获取更多精彩内容】【转载请注明来源】转载请注明出处：www.tangshua【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。ng.net这种模式下，agent之间不再共享同一个著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。暂存器，各自独立工作，通过监督人（Sup【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.netervisor）来进行协调和最终的输出。
本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshu原创内容，盗版必究。【未经授权禁止转载】ang.net【作者：唐霜】
分层次团队模式
【未经授权禁止转载】转载请注明出处：www.tangshua【本文受版权保护】【未经授权禁止转载】ng.net【版权所有】唐霜 www.tangshu【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】ang.net在监督人模式的基础上，不同agent被分【本文首发于唐霜的博客】【本文首发于唐霜的博客】为多个team，在一个team内的age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。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。本文作者：唐霜，转载请注明出处。m通过监督人进行协调和最终输出。
原创内容，盗版必究。原创内容，盗版必究。【转载请注明来源】著作权归作者所有，禁止商业用途转载。
可以看出，一方面，我们需要让分工更加明确【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。，一件事由一个agent完成，这样可以更【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。高效；另一方面，我们需要让这些agent【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】协同起来，通过有效的组织、联系、反馈，来【本文受版权保护】本文作者：唐霜，转载请注明出处。让整套工作流运作更加高效。
本文版权归作者所有，未经授权不得转载。【本文受版权保护】结语
从本文中，你肯定可以发现一些规律，即ag转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】ents以workflow的模式来进行工【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。作，可能会是将来AI应用的主要开发模式。原创内容，盗版必究。未经授权，禁止复制转载。在这样的体系中，分工会越来越细，每一个a【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。gent都可以在单独某个方面具备更优秀的【关注微信公众号：wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】能力，这也意味着在一套系统中，我们可能需本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】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【版权所有】唐霜 www.tangshuang.net【作者：唐霜】不少agent的功能愈发单一，我们就可以【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。采用耗能更小的技术架构来实现这类agen本文版权归作者所有，未经授权不得转载。【作者：唐霜】t，只有那种需要非常高智能的agent，【作者：唐霜】原创内容，盗版必究。我们才可能需要比GPT-4更高智能的大模【作者：唐霜】原创内容，盗版必究。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版权归作者所有，未经授权不得转载。【未经授权禁止转载】缓解作用。另外一方面，由于这种越来越细的未经授权，禁止复制转载。【原创内容，转载请注明出处】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】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。【版权所有】唐霜 www.tangshuang.net中看到可以实现自己需要的能力的agent本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】时，可以便捷的在market上载入新的a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。gent。基于这一思考，我们就会豁然开朗【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】，为什么吴恩达会认为智能体工作流会是今年【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】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 2985
