AI时代新风口！吴恩达亲授智能体四大设计模式

AI时代的风口在哪里？

吴恩达认为，AI Agent将在今年推动人工智能的大规模进步。

——甚至，有可能超过下一代基础模型所带来的影响。

他希望所有从事人工智能工作的人，都能关注AI智能体的发展。

Andrew Ng

大佬「退役」后，作为专业的「教书先生」，仍然孜孜不倦，授业传道解惑。

最近在工作之余，吴恩达连续分享了很多关于智能体的见解，并定义了AI Agent的四大设计模式，

Reflection（反思）、Tool use（工具使用）、Planning（规划）和Multi-agent collaboration（多智能体协同）：

-反思：LLM检查自己的工作，并提出改进的方法。

-工具使用：LLM利用Web搜索、代码执行或任何其他功能的工具，来帮助自己收集信息、采取行动或处理数据。

-规划：LLM提出并执行实现目标的多步骤计划（比如一篇论文，首先写大纲，然后搜索和研究各部分内容，再写草稿）。

-多智能体协作：多个AI agent协同工作，分工任务，讨论和辩论想法，提出比单个智能体更好的解决方案。

智能体工作流

我们大多数人使用LLM通常是zero-shot模式，模型根据提示逐个输出token，没有返回修改的机会。

——这相当于要求人类从头到尾一口气写完一篇文章，不允许回退，——尽管是个比较困难的要求，不过大模型们目前都做得非常出色。

但事实上，我们人类正常的工作流程一般是迭代式的。

比如对于一篇文章，可能需要：

计划一个大纲；通过网络搜索来收集更多信息；

写初稿；

通读初稿，发现不合理的论点或无关的信息；

反复修改…

这种工作模式对于人类写出好文章至关重要，——那么对于AI来说，是不是也应如此？

前段时间，世界上第一个AI程序员Devin的演示，在社交媒体上引起了轰动。

吴恩达团队于是研究了多个相关算法，在HumanEval编码基准测试中的表现，如下图所示：

在zero shot的情况下，GPT-3.5的正确率为48.1%，GPT-4的表现更好，达到67.0%。

然而，加入了迭代智能体工作流程之后，GPT-3.5的正确率直接飙到了95.1%，——Agent工作流效果显著，而且GPT-3.5比GPT-4得到的提升更加可观。

目前，各种开源智能体工具和相关研究的数量正在激增，擅于利用这些工具和经验，将使你的LLM更加强大。

Reflection

反思，作为容易迅速实现的一种设计模式，已经带来了令人惊讶的性能影响。

我们可能有过这样的经历：当LLM（ ChatGPT/Claude/Gemini等）给出的结果不太令人满意时，我们可以提供一些反馈，通常LLM再次输出时，能够给出更好的响应。

——如果这个反馈的过程留给LLM自己执行，是不是会更好？这就是反思（Reflection）。

以编码任务为例，可以通过类似的提示，让LLM反思自己的输出：

这是用于任务 X 的代码，仔细检查代码的正确性、风格和效率，并就如何改进它提出建设性的批评。

接下来，将之前生成的代码和反馈放进提示的上下文，并要求LLM根据反馈重写代码。

当然，我们也可以利用一些评估LLM输出质量的工具，使上面这个过程更进一步，

比如通过单元测试检查代码在测试用例上的结果，或者通过web搜索来比对输出的正确性。

此外，也可以像上图那样，使用多智能体框架实现Reflection：一个负责生成输出，另一个负责对输出提出建议。

如果诸位对Reflection感兴趣，这里推荐下面几篇文章，可以提供更多相关的知识：

论文地址：https://arxiv.org/pdf/2303.17651.pdf

论文地址：https://arxiv.org/pdf/2303.11366.pdf

论文地址：https://arxiv.org/pdf/2305.11738.pdf

Tool Use

工具使用，LLM可以调用给定的函数，来收集信息、采取行动或操作数据，——这是AI智能体工作流的关键设计模式。

最常见的例子就是LLM可以使用工具，执行Web搜索或执行代码。事实上，一些面向消费者的大型公司已经采用了这些功能。

比如如果你问Copilot这样的在线LLM：「最好的咖啡机是哪一款？」，它可能会决定进行网络搜索，并下载一个或多个网页以获取上下文。

毕竟，仅依靠预训练的Transformer来生成输出答案是有局限性的，而提供Web搜索工具可以让LLM做更多的事情。

LLM使用特殊的字符串，例如 {tool：web-search，query：coffee maker reviews} ，以请求调用搜索引擎。

后处理步骤会查找字符串，调用具有相关参数的Web搜索函数，并将结果附加到输入上下文，传递回LLM。

再比如，如果你问，「如果我以12年复利7%，投资100美元，最后会获得多少收益？」，

LLM可能会使用代码执行工具，运行Python命令来计算：{tool：python-interpreter，code：100 *（1+0.07）**12}。

现在这个过程更近一步，我们可以搜索不同的来源（Web、Wikipedia、arXiv等），与各种生产力工具交互（发送电子邮件、读/写日历条目等），并且我们希望LLM自动选择正确的函数调用来完成工作。

此外，当有太多函数可供使用时，无法将所有函数都放入上下文中，这时可以使用启发式方法，在当前处理步骤中选择要包含在LLM上下文中的最相关子集。

事实上，当有太多的文本无法作为上下文包含，检索增强生成（RAG）系统也是采用同样的方法，选择要包含的文本子集。

这里同样推荐几篇相关文章：

论文地址：https://arxiv.org/pdf/2305.15334.pdf

论文地址：https://arxiv.org/pdf/2303.11381.pdf

论文地址：https://arxiv.org/pdf/2401.17464.pdf

Planning

规划，使用LLM将目标任务分解为更小的子任务，然后自主决定执行的步骤。

例如，如果我们要求智能体对给定主题进行在线研究，LLM可以将其拆解为特定的子主题、综合发现、编写报告。

曾经，ChatGPT的发布让很多人经历了「ChatGPT时刻」，AI的能力大大超出了人们的预期。

——而类似的「AI Agent时刻」，也许很快就会到来。

吴恩达回忆了之前的一次现场展示，因为网速问题，Agent的Web搜索API返回了错误，——眼看就要被公开处刑，Agent居然转到了维基百科的搜索工具，最终完成了任务（救大命了）。

吴恩达表示，看到一个Agent以出人意料的方式执行任务，并获得成功，是一件美好的事情。

不过也有网友表示，大事不好啦，Agent失控啦！

现实中，有许多任务无法通过单个步骤或单个工具调用完成，但Agent可以决定要执行哪些步骤。

例如，要求智能体参照一张男孩的照片，画一张相同姿势的女孩的照片，则该任务可以分解为两个步骤：（i）检测男孩图片中的姿势，（ii）以检测到的姿势渲染女孩的图片。

LLM可能会通过输出类似 {tool：pose-detection，input：image.jpg，output：temp1 } {tool：pose-to-image，input：temp1，output：final.jpg} 这样的字符串来指定计划。

Planning是一种非常强大的能力，不过它也会导致难以预测的结果。

吴恩达表示Planning仍是一项不太成熟的技术，用户很难提前预测它会做什么，——不过我们可以期待技术的快速发展来解决这个问题。

这里同样推荐3篇相关的优秀工作：

论文地址：https://arxiv.org/pdf/2201.11903.pdf

论文地址：https://arxiv.org/pdf/2303.17580.pdf

论文地址：https://arxiv.org/pdf/2402.02716.pdf

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】🆓