編者按： 在構(gòu)建 AI 助手和智能體時，應(yīng)該采用怎樣的設(shè)計(jì)模式才能讓它們更加高效、可靠？

我們今天為大家?guī)淼倪@篇文章詳細(xì)介紹了四種設(shè)計(jì)模式的特點(diǎn)和應(yīng)用場景：Reflection Pattern 通過自我評估來優(yōu)化輸出和決策；Tool Use Pattern 讓 AI 能夠調(diào)用和整合外部工具；Planning Pattern 將復(fù)雜任務(wù)分解為可管理的子任務(wù)；以及 Multi-Agent Collaboration Pattern 實(shí)現(xiàn)多個 AI Agent 之間的協(xié)作。

作者引用了 Andrew Ng 的觀點(diǎn)，指出雖然后兩種模式富有前景，但目前的不確定性較高，而 Reflection 和 Tool Use 模式則已經(jīng)相對成熟可靠。

作者 | Lorenz Hofmann-Wellenhof

編譯 | 岳揚(yáng)

生成于 flux-dev，提示詞為（為我生成一幅水彩畫圖像，背景為米色，上面有手寫的紅色文字：“4 AI agent patterns”）

鑒于我所在的公司正積極布局語音虛擬助手領(lǐng)域[1]，我覺得有必要掌握相關(guān)的基礎(chǔ)知識和了解當(dāng)前發(fā)展?fàn)顩r。

在本文中，我們將一同探討 AI agents 設(shè)計(jì)中普遍采用的一些設(shè)計(jì)模式。

01 Reflection Pattern

該設(shè)計(jì)模式要求 Agents 能夠分析和提升自身性能。Agents 通過自我評估來精細(xì)化其輸出和決策流程。

Source: Author

這是一個比較簡單的設(shè)計(jì)模式，只需少量的代碼即可實(shí)現(xiàn)。

在以下場景中，reflection 設(shè)計(jì)模式的表現(xiàn)要優(yōu)于一般的大語言模型（LLM）：

• 代碼優(yōu)化
• 對話回復(fù)

請查看下圖，您將觀察到語言模型是如何在對話回復(fù)和代碼優(yōu)化示例中逐步完善其輸出的。

Source: SELF-REFINE: Iterative Refinement with Self-Feedback

02 Tool Use Pattern

Source: Author

該模式的工作流程如下：

1. 功能描述：為 LLM 提供一套詳盡的工具說明，包括各工具的功能及必要的參數(shù)。
2. 工具選擇：根據(jù)當(dāng)前面臨的任務(wù)，LLM 將決定調(diào)用哪個工具。
3. 函數(shù)調(diào)用：LLM 生成特定的字符串來激活所選工具，通常需遵循一定的格式規(guī)范（如 JSON）。
4. 執(zhí)行過程：在后續(xù)處理階段，系統(tǒng)會識別這些函數(shù)調(diào)用，執(zhí)行相應(yīng)的操作，并將結(jié)果反饋給 LLM。
5. 整合輸出：LLM 將工具的執(zhí)行結(jié)果融入其最終反饋中。

如果你一直關(guān)注技術(shù)動態(tài)，并使用過 GPT，那你可能已經(jīng)意識到，它在處理某些任務(wù)時已經(jīng)能夠自動完成這些步驟了。

當(dāng) LLMs 能夠訪問成百上千的工具時，它們的能力將得到極大的擴(kuò)展。

比如，Gorilla[2] 使得 LLMs 能夠通過調(diào)用 API 來使用工具。面對自然語言查詢，Gorilla 能夠找到在語義和語法上都恰當(dāng)?shù)?API 進(jìn)行調(diào)用。

借助 Gorilla，我們可以執(zhí)行超過 1,600 種（且數(shù)量不斷增長）的機(jī)器學(xué)習(xí) API 調(diào)用。

他們提供的命令行界面（CLI）讓我們能夠以自然語言完成各項(xiàng)任務(wù)。例如，我們可以

$ gorilla generate 100 random characters into a file called test.txt

然后它就會顯示 CLI 命令：

cat /dev/urandom | tr -dc 'a-zA-Z0-9' | fold -w 100 | head -n 1 > test.txt

03 Planning Pattern

該模式的工作流程如下：

1. 任務(wù)拆解：LLM 扮演控制器的角色，將一項(xiàng)任務(wù)拆分為多個細(xì)小、易于處理的子任務(wù)。
2. 針對每個子任務(wù)，選取合適的特定模型來執(zhí)行。
3. 這些特定模型完成子任務(wù)后，將結(jié)果反饋給控制器 LLM，由其整合并生成最終模型響應(yīng)。

Source: Author

HuggingGPT 就是一個運(yùn)用了 planning pattern 的實(shí)例。它將大語言模型（LLMs）與 Hugging Face[3] 平臺上豐富的模型生態(tài)系統(tǒng)相連接。

04 Multi-Agent Collaboration

Source: Author

該模式的工作流程如下：

1. 特定角色智能體：每個智能體都有其特定職責(zé)，比如擔(dān)任軟件工程師、產(chǎn)品經(jīng)理或設(shè)計(jì)師等角色。
2. 任務(wù)細(xì)分：將復(fù)雜任務(wù)拆分為更小的子任務(wù)，這些子任務(wù)可以由不同的智能體分別處理。
3. 信息交流與行動協(xié)調(diào)：智能體之間通過互動交流信息，并協(xié)調(diào)各自行動，共同推進(jìn)項(xiàng)目目標(biāo)的實(shí)現(xiàn)。
4. 分布式解決問題：系統(tǒng)通過集合多個智能體的智慧和能力，來解決單個智能體難以應(yīng)對的復(fù)雜問題。

目前，由于技術(shù)尚未成熟，現(xiàn)實(shí)世界中多智能體系統(tǒng)的應(yīng)用并不廣泛。一個我所了解的例子是 ChatDev[4]，這是一家由虛擬角色組成的軟件公司，包括 CEO、CTO 以及工程師等職位。

Andrew Ng 將“Planning”和“Multi-Agent Collaboration”模式劃分為難以預(yù)測的類型：

與“Planning”設(shè)計(jì)模式一樣，我發(fā)現(xiàn)“Multi-Agent Collaboration”的輸出質(zhì)量很難預(yù)測，尤其是當(dāng)智能體可以自由互動并且擁有多樣的工具時。相比之下，更為成熟的“Reflection”和“Tool Use”模式則顯得更為穩(wěn)定可靠?！?Andrew Ng

Andrew Ng 的觀點(diǎn)提示我們，目前來看，前兩種模式更可能被現(xiàn)有的生產(chǎn)系統(tǒng)所采納。

Thanks for reading!

Hope you have enjoyed and learned new things from this blog!

About the authors

Lorenz Hofmann-Wellenhof

????? Software Engineer at Cresta ????. Born and raised in Austria ????, lived in NYC, Berlin & now Dubai ???? ?? Writing about tech & life experiences

END

本期互動內(nèi)容 ??

? 在文章提到的四種模式中，你最看好哪一種？為什么？

??文中鏈接??

[1]??https://cresta.com/blog/announcing-cresta-voice-virtual-agent-what-sets-it-apart-what-the-market-is-getting-wrong/??

[2]??https://gorilla.cs.berkeley.edu/??

[3]??https://hugginggpt.space/??

[4]??https://github.com/OpenBMB/ChatDev??

原文鏈接：

??https://lorenzhw.substack.com/p/4-ai-agent-patterns-you-should-know??