作為高度顛覆性的生成式人工智能 (GenAI) 技術(shù)的技術(shù)支柱，基礎(chǔ)模型 (FMs) 已獲得了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。特別是，大型語言模型 (LLMs) 的出現(xiàn)，它們在理解和生成類人推理和內(nèi)容方面表現(xiàn)出色，催生了大量使用語言模型的各種下游任務(wù)。隨后，基于 FM 的自主Agent的開發(fā)越來越受到關(guān)注，例如 AutoGPT 和 BabyAGI，它們可以主動(dòng)、自主地追求用戶目標(biāo)。

盡管當(dāng)前研究者在AI Agent領(lǐng)域投入了巨大努力，但從業(yè)者在構(gòu)建和實(shí)施基于基礎(chǔ)模型（Foundational Model，F(xiàn)M）的Agent方面面臨著陡峭的學(xué)習(xí)曲線，并且，Agent的架構(gòu)設(shè)計(jì)和架構(gòu)模式的集合尚未得到系統(tǒng)的探索和制定。

在軟件工程中，架構(gòu)模式是軟件設(shè)計(jì)中常見問題的一個(gè)可重用的解決方案。這里說的智能體/Agent，是指能夠發(fā)揮主動(dòng)作用或產(chǎn)生影響以實(shí)現(xiàn)用戶目標(biāo)的 AI系統(tǒng)，一個(gè)用于設(shè)計(jì)基于FM的Agent的架構(gòu)模式目錄。

Agent設(shè)計(jì)模式全景圖：

當(dāng)用戶與 Agent 交互時(shí)，【被動(dòng)目標(biāo)創(chuàng)建者和主動(dòng)目標(biāo)創(chuàng)建者】可以幫助理解用戶的意圖和環(huán)境信息，并在上下文工程中將最終目標(biāo)進(jìn)行規(guī)范化，而【提示/響應(yīng)優(yōu)化器】則根據(jù)預(yù)定義的模板，對(duì)其他 agent/tools 的提示或說明進(jìn)行優(yōu)化，以滿足特定的格式或內(nèi)容要求。

給定用戶的輸入，Agent 通過【檢索增強(qiáng)生成】從知識(shí)庫中獲取額外的上下文信息。然后，它通過【單路徑計(jì)劃生成器和多路徑計(jì)劃生成器】構(gòu)建計(jì)劃，將最終目標(biāo)分解為可執(zhí)行的任務(wù)。在這個(gè)過程中，可能會(huì)進(jìn)行【單次模型查詢和增量模型查詢】。

生成的計(jì)劃應(yīng)該進(jìn)行審查，以確保其準(zhǔn)確性、可用性、完整性等。【自我反思、交叉反思和人類反思】可以幫助 Agent 從不同的反思實(shí)體那里收集反饋，并根據(jù)反饋相應(yīng)地完善計(jì)劃和解題步驟。

之后，Agent 可以將任務(wù)分配給其他基于窄 AI 或非 AI 的系統(tǒng)，調(diào)用外部工具，并通過【工具/agent 注冊表】使用一組 Agent 來實(shí)現(xiàn)目標(biāo)。特別是，Agent 可以在同一任務(wù)上工作，并通過【基于投票、基于角色或基于辯論的合作】來最終確定結(jié)果。

例如，Agent 可以扮演不同的角色，如協(xié)調(diào)器和工作者?！?strong>代理適配器】不斷學(xué)習(xí)不同工具的接口，并將它們轉(zhuǎn)換為 FM 友好的環(huán)境?！?strong>多模態(tài)護(hù)欄】可以用于管理和控制基礎(chǔ)模型的輸入/輸出。同時(shí)，使用的 Agent 將執(zhí)行各自的推理、計(jì)劃和執(zhí)行過程，這可能需要通過【檢索增強(qiáng)生成、工具/agent 注冊表和代理適配器】訪問外部系統(tǒng)。

最后，我們聲稱開發(fā)者可以通過【代理評(píng)估器】在設(shè)計(jì)時(shí)和運(yùn)行時(shí)評(píng)估 Agent 的性能。

圖：用UML序列圖表示的Agent設(shè)計(jì)模式全景圖

圖：Agent設(shè)計(jì)模式之間的連接關(guān)系

AI Agent 常見的九種設(shè)計(jì)模式??。

.ReAct 模式原理：將 Reasoning 和 Act 結(jié)合，執(zhí)行行動(dòng)后有 Observation，維持短期記憶。比如找胡椒粉，會(huì)根據(jù)每步觀察決定下一步行動(dòng)??。.實(shí)現(xiàn)：生成提示詞，大模型生成 Thought + Action，調(diào)用外部工具，生成 Observation，循環(huán)至 Action 為 Finish，輸出結(jié)果。.Plan and solve 模式：先計(jì)劃再執(zhí)行，適合復(fù)雜任務(wù)，如炒菜??，計(jì)劃會(huì)根據(jù)情況變化。.LLM Compiler 模式：并行 Function calling 提高效率，像計(jì)算年齡差可同時(shí)搜索。.Basic Reflection 模式：類似師生互動(dòng)，Generator 寫作業(yè)，Reflector 批改。.Self - Discover 模式：對(duì) task 本身反思，選擇合適方式重新推理。.REWOO 模式：隱式嵌入 Observation，如審批流，各步驟相互依賴。.Language Agent Tree Search 模式：融合多種方式，通過樹搜索強(qiáng)化學(xué)習(xí)。.Reflexion 模式：升級(jí)版，引入外部數(shù)據(jù)評(píng)估，更具建設(shè)性。.Storm 模式：先生成大綱再豐富內(nèi)容，可創(chuàng)作文章??

1. 被動(dòng)模式與主動(dòng)模式

這部分介紹目標(biāo)創(chuàng)建的被動(dòng)與主動(dòng)模式，在被動(dòng)模式下，智能體對(duì)用戶“言聽計(jì)從”，不自作主張；在主動(dòng)模式下，智能體除了遵從用戶指令外，會(huì)利用工具捕捉一些上下文信息，做一些“舉一反三”的工作，類似于一些大模型產(chǎn)品提供的“指令潤色”功能。

2. 提示詞工程與RAG

接下來是業(yè)界廣泛提到的提示詞工程與RAG，已經(jīng)成為大模型工程的標(biāo)配技術(shù)。

3. 模型查詢

對(duì)于簡單的問題，智能體只需一次訪問FM，即可得到答案。碰到復(fù)雜問題，智能體需要多次訪問FM，通過多輪迭代逐步逼近答案。

4. 計(jì)劃生成

5. 反思機(jī)制

生成的計(jì)劃應(yīng)該進(jìn)行審查，以確保其準(zhǔn)確性、可用性、完整性等?！?strong>自我反思、交叉反思和人類反思】可以幫助 Agent 從不同的反思實(shí)體那里收集反饋，并根據(jù)反饋相應(yīng)地完善計(jì)劃和解題步驟。

6. 多Agent合作

7. 其他技術(shù)

AI 智能體的設(shè)計(jì)模式是構(gòu)建高效、靈活且適應(yīng)性強(qiáng)的智能系統(tǒng)的關(guān)鍵。根據(jù)最新的研究和實(shí)踐總結(jié)，以下是一些常見的 AI 智能體設(shè)計(jì)模式：

1.反思（Reflection）模式
反思模式是一種讓 AI 模型通過自我評(píng)估和迭代優(yōu)化來提高任務(wù)執(zhí)行能力的方法。模型在生成初始解決方案后，會(huì)檢查輸出結(jié)果，發(fā)現(xiàn)改進(jìn)點(diǎn)并進(jìn)行優(yōu)化。

2.工具使用（Tool Use）模式
該模式允許 AI 智能體通過調(diào)用外部工具（如搜索引擎、代碼執(zhí)行平臺(tái)等）來擴(kuò)展自身能力。通過整合外部工具，AI 系統(tǒng)能夠在特定任務(wù)上達(dá)到更高的效率和準(zhǔn)確性。

3.規(guī)劃（Planning）模式
規(guī)劃模式將復(fù)雜任務(wù)分解為多個(gè)有序步驟，并逐一執(zhí)行這些步驟以達(dá)成目標(biāo)。這種模式通過任務(wù)分解提高了執(zhí)行的準(zhǔn)確性和靈活性，適合處理復(fù)雜的、多步驟的任務(wù)。

4.多智能體協(xié)作（Multi-agent Collaboration）模式
在這種模式下，多個(gè)智能體通過分工協(xié)作來共同完成復(fù)雜任務(wù)。智能體之間可以共享信息、協(xié)調(diào)行動(dòng)，從而提高任務(wù)執(zhí)行的效率和準(zhǔn)確性。

5.鏈?zhǔn)焦ぷ髁鳎–hain Workflow）模式
鏈?zhǔn)焦ぷ髁鲗⒍鄠€(gè)任務(wù)按線性序列組織，一個(gè)步驟的輸出作為下一個(gè)步驟的輸入。這種模式適用于任務(wù)具有明確順序且每個(gè)步驟依賴于前一步輸出的場景。

6.路由工作流（Routing Workflow）模式
路由工作流根據(jù)輸入條件動(dòng)態(tài)選擇執(zhí)行路徑，將任務(wù)路由到不同的處理流程。這種模式適合任務(wù)輸入復(fù)雜且不同輸入需要專門處理的場景。

7.編排器-工作者（Orchestrator-Worker）模式
在這種模式下，中央 AI（編排器）負(fù)責(zé)將任務(wù)分配給專門的子進(jìn)程（工作者），每個(gè)工作者負(fù)責(zé)不同的功能。這種模式通過并行處理提高了效率和專業(yè)化程度。

8.評(píng)估器-優(yōu)化器（Evaluator-Optimizer）模式
該模式通過迭代評(píng)估和優(yōu)化來不斷改進(jìn)任務(wù)處理效果。評(píng)估器負(fù)責(zé)評(píng)估智能體輸出的質(zhì)量，優(yōu)化器則根據(jù)反饋進(jìn)行改進(jìn)。

9.并行化工作流（Parallel Workflow）模式
并行化工作流通過同時(shí)執(zhí)行多個(gè)任務(wù)或處理多個(gè)數(shù)據(jù)集來提高效率，適合處理大量獨(dú)立數(shù)據(jù)或多個(gè)請(qǐng)求的場景。
寫在最后，這些設(shè)計(jì)模式各有優(yōu)勢和適用場景，開發(fā)者可以根據(jù)具體任務(wù)需求選擇合適的設(shè)計(jì)模式來構(gòu)建高效的 AI 智能體系統(tǒng)。

本文轉(zhuǎn)載自公眾號(hào)數(shù)字化助推器  作者：天涯咫尺TGH

原文鏈接：??https://mp.weixin.qq.com/s/gvrdTw1ucCvjS62QrQ9yVg??