AI Agent 作為具備感知環(huán)境、做出決策和執(zhí)行動作能力的智能實體，正在成為人工智能領(lǐng)域的關(guān)鍵發(fā)展動向。

隨著大型語言模型（LLM）技術(shù)的持續(xù)進(jìn)步，AI Agent 的潛力正被逐步揭示，它們不僅能夠完成基于指令的任務(wù)，還能表現(xiàn)出更高水平的自主性和主動性。

在最近的紅杉 AI Ascent 2024 活動中，人工智能領(lǐng)域的杰出人物吳恩達(dá)教授發(fā)表了一場關(guān)于 AI Agent 的富有洞見的演講。他深入探討了 AI Agent 的最新發(fā)展趨勢和設(shè)計模式，為參與者提供了關(guān)于人工智能未來方向的深入理解。

AI Agent 工作流的效果

吳恩達(dá)教授在演講中著重指出，AI Agent 正在引領(lǐng)工作流程的革新。與傳統(tǒng)的工作流程不同，AI Agent 通過迭代和對話式的模式工作，不再是簡單的指令執(zhí)行者，而是能夠進(jìn)行自我反思、規(guī)劃和修正的參與者。

在傳統(tǒng)的工作流程中，用戶向 AI Agent 模型輸入指令，模型生成回答，這種方式類似于要求人類專家連續(xù)不斷地完成任務(wù)，沒有提供反思和修正的空間。

相對而言，AI Agent 的代理工作流是一個動態(tài)的、迭代的過程。AI Agent 首先接收一個大致的任務(wù)，然后制定工作計劃，執(zhí)行任務(wù)，并在每一步中進(jìn)行自我評估和修正。

這種工作流程類似于人類在寫作、編程或其他創(chuàng)造性任務(wù)中的思考過程，允許 AI Agent 通過不斷的迭代來提升工作成果的質(zhì)量。例如，AI Agent 可能會先創(chuàng)建一個草稿，然后審查和修改，這個過程可能會重復(fù)多次，直到達(dá)到滿意的結(jié)果。

吳恩達(dá)教授通過案例研究展示了 AI Agent 代理工作流在編程任務(wù)中的實際效果。使用代理工作流的 AI Agent 能夠生成更高質(zhì)量的代碼，并在遇到錯誤時自我修正，這種工作流不僅提升了代碼的準(zhǔn)確性，還減少了人為干預(yù)的需求。

吳恩達(dá)教授團(tuán)隊分析了一個叫做"人工評估基準(zhǔn)測試"的編碼基準(zhǔn)數(shù)據(jù),它包含諸如"給定一個非空整數(shù)列表，返回所有偶數(shù)位置元素的和"之類的編碼問題?，F(xiàn)有的做法是使用零樣本提示，即直接讓人工智能編寫代碼并運行，但沒有人是這樣編碼的。

研究發(fā)現(xiàn)，GPT-3.5 使用零樣本提示時只有 48% 的正確率，GPT-4 提高到了 67%。但如果在 GPT-3.5 上使用一個代理工作流程，它的表現(xiàn)實際上比 GPT-4 還要好。如果在 GPT-4 上使用代理工作流程，它的表現(xiàn)也非常出色。這意味著采用代理工作流程對于構(gòu)建應(yīng)用程序至關(guān)重要。

四種 AI Agent 設(shè)計模式

吳恩達(dá)教授還提到了 AI Agent 的四種關(guān)鍵設(shè)計模式，它們是實現(xiàn)其高效執(zhí)行復(fù)雜任務(wù)的基礎(chǔ)。這些模式包括反思（Reflection）、工具使用（Tool Use）、規(guī)劃（Planning）和多智能體協(xié)作（Multiagent Collaboration），共同構(gòu)成了 AI Agent 的能力框架。

1. 反思

反思（Reflection）允許 AI Agent 在完成任務(wù)后，能夠?qū)ψ陨淼妮敵鲞M(jìn)行再次審視和評估。在這種模式下，AI Agent 不僅僅是執(zhí)行任務(wù)，而是能夠像人類專家一樣，對自己的工作進(jìn)行批判性思考。

例如，AI Agent 可能會生成一段代碼，然后根據(jù)預(yù)設(shè)的標(biāo)準(zhǔn)或反饋，自我檢查代碼的正確性、效率和結(jié)構(gòu)，并提出可能的改進(jìn)措施。這種自我監(jiān)督和修正的能力，使得AI Agent在執(zhí)行任務(wù)時能夠不斷提高準(zhǔn)確性和效率。

2. 工具使用

工具使用（Tool Use）賦予 AI Agent 使用外部工具和資源的能力，以此來擴(kuò)展其功能和提高生產(chǎn)效率。

這種模式下，AI Agent 可以搜索網(wǎng)頁、生成和運行代碼、分析數(shù)據(jù)等，利用各種工具來收集信息、執(zhí)行操作。

例如，AI Agent 可能會使用圖像處理工具來分析和處理圖像數(shù)據(jù)，或者調(diào)用 API 來獲取和整合外部信息。這樣的能力使得 AI Agent 不再局限于其內(nèi)置的知識庫，而是能夠與外部系統(tǒng)交互，從而更好地適應(yīng)多變的任務(wù)需求。

3. 規(guī)劃

規(guī)劃（Planning）強(qiáng)調(diào) AI Agent 在面對復(fù)雜任務(wù)時，能夠進(jìn)行系統(tǒng)性的規(guī)劃和步驟分解。AI Agent 不僅能夠理解任務(wù)的整體目標(biāo)，還能夠制定出詳細(xì)的行動計劃，并按照計劃逐步推進(jìn)任務(wù)的完成。

這種模式下，AI Agent 能夠展現(xiàn)出類似于人類的前瞻性和策略性思維。例如，AI Agent 可能會在進(jìn)行項目管理時，先確定項目的主要里程碑，然后為每個里程碑制定具體的執(zhí)行步驟和時間表，確保項目能夠有序進(jìn)行。

4. 多智能體協(xié)作

多智能體協(xié)作（Multiagent Collaboration）突出了多個 AI Agent 之間的合作和協(xié)調(diào)。在這種模式下，每個 AI Agent 都可以扮演特定的角色，并與其他 AI Agent 共同協(xié)作以完成復(fù)雜的任務(wù)。

這種合作可以模擬真實世界中的團(tuán)隊工作流程，通過代理間的互補(bǔ)和協(xié)同作用，提高整體的執(zhí)行效率和創(chuàng)新能力。

例如，在一個開源軟件開發(fā)項目中，一個 AI Agent 可能負(fù)責(zé)編寫代碼，而另一個 AI Agent 則負(fù)責(zé)代碼審查和測試，通過這樣的分工合作，共同推動項目的成功完成。

總結(jié)

這些模式的結(jié)合使用，不僅提升了 AI Agent 在單個任務(wù)中的執(zhí)行能力，還為其在更廣泛的應(yīng)用場景中進(jìn)行協(xié)作和創(chuàng)新提供了可能。隨著這些模式的進(jìn)一步發(fā)展和完善，AI Agent 將在未來的工作流程中發(fā)揮更加關(guān)鍵的作用，推動各行各業(yè)向智能化轉(zhuǎn)型。

AI Agent 的代理工作流在多個行業(yè)中展現(xiàn)出其實際應(yīng)用的巨大潛力。吳恩達(dá)教授提到了這些智能體在編程、研究和多模態(tài)任務(wù)處理等領(lǐng)域的應(yīng)用。

在演講中，吳恩達(dá)教授采用了 "Agentic Reasoning" 作為主題，這一概念可以翻譯為“代理性推理”。它指的是 AI Agent 在執(zhí)行任務(wù)時所采用的一種推理方式，涉及自主性、目標(biāo)導(dǎo)向和問題解決的能力。

代理性推理強(qiáng)調(diào) AI Agent 不僅僅是對輸入做出反應(yīng)，而是能夠主動地進(jìn)行思考、規(guī)劃和決策，以實現(xiàn)特定的目標(biāo)或應(yīng)對復(fù)雜的問題。這種推理方式使得 AI Agent 更加類似于一個自主行動的智能體，能夠在多變的環(huán)境中靈活地執(zhí)行任務(wù)。由此可見，AI Agent 的下一步發(fā)展或許才是真正意義上的智能體。

本文轉(zhuǎn)載自??AI探索者知白??，作者：知白