大模型 Agent 是不是就是各种 Prompt 的堆叠？

最新推荐文章于 2025-05-04 23:35:36 发布

程序员一粟

最新推荐文章于 2025-05-04 23:35:36 发布

阅读量494

点赞数 8

文章标签： prompt 人工智能深度学习计算机视觉数据库开源大模型

本文链接：https://blog.csdn.net/jennycisp/article/details/147693702

版权

作者：北方的郎
链接：https://www.zhihu.com/question/1894891236617332066/answer/1897665876154622135
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

现在常见的Agent，包括Manus大部分都是LLM+Wrapper、Function Call，MCPetc，不过未来未必。下面是现在最流行的 5 种Agent 设计模式。

动图封面

让我们在下面了解它们！

1）反射模式（Reflection pattern）

动图封面

AI 会审查其工作以发现错误并迭代，直到产生最终响应。

2）工具使用模式（Tool use pattern）

动图封面

工具允许 LLM 通过以下方式收集更多信息：

查询矢量数据库
执行 Python 脚本
调用 API 等

这很有帮助，因为 LLM 不仅仅依赖于其内部知识。

3） ReAct 模式

动图封面

ReAct 结合了上述两种模式：

Agent 可以反映生成的输出。
它可以使用工具与世界交互。

这使其成为当今使用的最强大的模式之一。

4）规划模式（Planning pattern）

动图封面

AI 不是一次性解决请求，而是通过以下方式创建路线图：

细分任务
概述目标

这种战略思维可以更有效地解决任务。

5）多智能体模式（Multi-agent pattern）

动图封面

在此设置中：

我们有多个Agent。
每个 Agent 都分配有一个专用的角色和任务。
每个 Agent 还可以访问工具。

所有Agent协同工作以提供最终结果，同时根据需要将任务委派给其他Agent。

未来

对于这个问题，我认为最终的智能体应该是训练出来的，而不是一个Wrapper。现在所有的Wrapper都是权宜之计。

强化学习奠基人之一Rich Sutton写的名篇“苦涩的教训”，回顾了象棋、围棋、语音识别、计算机视觉等多个领域的历史经验，揭示了一个令人不甘却无法回避的事实：越通用的方法、越依赖计算，反而越能取得压倒性胜利。当我们继续试图让机器“像人一样思考”时，我们也许正在与真正的进步背道而驰。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

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