声明:本文来自于微信公众号 新智元（ID:AI_era），作者:新智元，授权站长之家转载发布。
【新智元导读】吴恩达认为，智能体的发展将会成为AI时代重要的力量，甚至比基础模型还要重要。工作之余，「吴老师」连发多篇博客，向大家介绍了AI智能体的四大设计模式。
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。
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*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
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】