围观AI大佬吴恩达教授开发的Agent智能体

最近 Agent 智能体很火，人工智能领域国际上最权威的学者之一吴恩达教授，不但总结了Agent设计模式，还亲自下场开发了一款翻译Agent。

这个翻译Agent在设计模式和提示词工程等方面都有许多值得学习的地方。老渡拆解一下，跟朋友们分享。

翻译Agent项目已开源，有三千多的关注

下面是翻译Agent的实现思路，分三步骤

• 让大模型直接翻译，得到初版结果

• 让大模型反思初版翻译结果，提出建设性的改进建议

• 使用这些建议改进翻译

上面的每一步都是一个 Prompt。

对于我们大部分人来说，一般只用到第一步。而翻译Agent之所以被称为Agent，核心就在后两步。

后两步用到的是Agent设计模式中的反思模式，就是让大模型检查、评估上一步生成的结果，提出改进，并重新生成。

其中，第二步反思Prompt的内容如下：

得到改进意见后，第三步的Prompt会基于这些改进意见重新翻译

上述Prompt提示词，有两个值得学习的地方——分隔符和系统提示。

正好前不久“首届GPT-4提示工程大赛” 夺冠者也提到了这两点。

分隔符是特殊的符号，能帮助大语言模型辨识提示词中哪些部分是有特殊含义的，一般可用 XML 标签表示。

比如，上面的提示词中<SOURCE_TEXT>、、<EXPERT_SUGGESTIONS>等XML标签用来标识原文、翻译后的内容和改进意见。

大模型可以直接读懂这些分隔符，而不需要在提示词中增加额外解释，从而简化整体提示词的复杂度。

系统提示是向大语言模型提供的关于其应如何响应的额外指示。这被视为一种额外的提示，因为它超出了大模型的常规用户提示。

上面提示词中 system_message 中的内容就是系统提示词。

翻译Agent项目是用Python代码编写的，实现了简单工作流将上述三个步骤串联起来。

不管是 dify 还是扣子，都支持工作流，配置好大模型和提示词，就可以零代码复现这个翻译Agent了。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓