引言

隨著人工智能技術(shù)的飛速發(fā)展，Agent（智能體）的概念已經(jīng)從科幻小說(shuō)走進(jìn)了現(xiàn)實(shí)世界。Agent可以被理解為一種具有一定智能的軟件實(shí)體，它能夠自主地執(zhí)行任務(wù)、做出決策并與其他系統(tǒng)交互。

在AI技術(shù)公眾號(hào)的運(yùn)營(yíng)過(guò)程中，我們收到了許多關(guān)于Agent開(kāi)發(fā)的咨詢，因此，本文將從技術(shù)角度出發(fā)，為大家解析這三個(gè)階段的演進(jìn)方式，并各自提供一個(gè)代碼demo案例，為新手程序員提供一份Agent開(kāi)發(fā)的指南。

• Demo地址：https://github.com/q2wxec/langgraph-demo/tree/master/coalagent/

當(dāng)作能理解語(yǔ)義的API使用

在Agent開(kāi)發(fā)的初級(jí)階段，我們可以將大語(yǔ)言模型視為一種能理解自然語(yǔ)言的API。這意味著，我們可以像調(diào)用任何傳統(tǒng)API一樣，向Agent發(fā)送請(qǐng)求，并期望得到一個(gè)經(jīng)過(guò)理解和處理的響應(yīng)。

在這個(gè)階段開(kāi)發(fā)的智能體，大多是在傳統(tǒng)軟件業(yè)務(wù)流程中，嵌入LLM的能力，對(duì)軟件功能進(jìn)行增強(qiáng)。對(duì)LLM使用局限在其對(duì)自然語(yǔ)言的理解能力上，應(yīng)用場(chǎng)景大多局限在，文本生成、總結(jié)等方面，與傳統(tǒng)軟件開(kāi)發(fā)調(diào)用各類工具的api的模式并無(wú)明顯區(qū)別。典型用例如下：

短視頻文案創(chuàng)作

我們可以將Agent作為一個(gè)內(nèi)容生成器，輸入視頻的關(guān)鍵信息，Agent則能夠根據(jù)這些信息生成吸引人的文案。這個(gè)過(guò)程可以看作是將Agent作為一個(gè)文本生成API來(lái)使用。

新聞日?qǐng)?bào)總結(jié)

另一個(gè)典型的應(yīng)用場(chǎng)景是新聞內(nèi)容的自動(dòng)總結(jié)。Agent可以接收大量的新聞數(shù)據(jù)，然后通過(guò)自然語(yǔ)言理解能力，提煉出關(guān)鍵信息，生成一份簡(jiǎn)潔的新聞日?qǐng)?bào)。結(jié)合網(wǎng)頁(yè)信息獲取工具，我基于LangChain做了一個(gè)簡(jiǎn)單的新聞總結(jié)demo見(jiàn)github。

在這一階段，Agent的開(kāi)發(fā)主要集中在如何更好地理解和處理自然語(yǔ)言上。開(kāi)發(fā)者在AI領(lǐng)域只需要熟悉自然語(yǔ)言處理（NLP）的基本原理，在AI工程上用到最多的也限于提示詞優(yōu)化，就能夠利用現(xiàn)有的AI模型來(lái)實(shí)現(xiàn)這一功能。

當(dāng)作自然語(yǔ)言編程工具使用

從API到編程工具的轉(zhuǎn)變

在第二階段，Agent不再僅僅是一個(gè)理解語(yǔ)言的API，而是一個(gè)可以進(jìn)行自然語(yǔ)言編程的工具。這意味著，開(kāi)發(fā)者可以通過(guò)自然語(yǔ)言來(lái)指導(dǎo)Agent完成更復(fù)雜的任務(wù)。

在這個(gè)階段開(kāi)發(fā)的智能體，不再局限于文本理解的場(chǎng)景。通過(guò)提示詞工程，function_calling等方式，能夠讓大語(yǔ)言模型按提示要求格式化輸出內(nèi)容，進(jìn)而在一定程度上能夠重塑傳統(tǒng)軟件業(yè)務(wù)流程的多個(gè)環(huán)節(jié)，可以說(shuō)是通過(guò)LLM進(jìn)行自然語(yǔ)言編程應(yīng)用。典型用例如下：

數(shù)據(jù)表匯總與去重

在這個(gè)場(chǎng)景中，Agent接收多個(gè)數(shù)據(jù)表，然后通過(guò)自然語(yǔ)言提示，自動(dòng)進(jìn)行數(shù)據(jù)匯總和去重，最終輸出一份整潔的匯總表。使用LangGraph的流程編排，我實(shí)現(xiàn)了一個(gè)結(jié)合數(shù)據(jù)處理，過(guò)濾，去重，匯總的數(shù)據(jù)表匯總demo見(jiàn)github。

自動(dòng)推動(dòng)業(yè)務(wù)流程

通過(guò)AI執(zhí)行意圖識(shí)別，Agent可以在某些業(yè)務(wù)流程中減少人工審核環(huán)節(jié)，自動(dòng)識(shí)別并推動(dòng)流程的執(zhí)行。關(guān)于大語(yǔ)言模型的意圖識(shí)別，我在之前的一篇文章??LLM意圖識(shí)別器實(shí)踐??中進(jìn)行過(guò)詳細(xì)講解，有興趣的小伙伴可以點(diǎn)擊詳讀。

為了實(shí)現(xiàn)這一階段的功能，開(kāi)發(fā)者需要掌握提示詞工程和function_calling等技術(shù)。這些技術(shù)允許開(kāi)發(fā)者通過(guò)自然語(yǔ)言來(lái)指導(dǎo)Agent的行為，使其能夠按照預(yù)期執(zhí)行特定的任務(wù)。

當(dāng)作真正的智能使用

在Agent開(kāi)發(fā)的第三階段，Agent被真正當(dāng)作一個(gè)智能體來(lái)使用。這時(shí)，Agent不再只是一個(gè)簡(jiǎn)單的API或者工具，而是成為了一個(gè)具有自主決策能力的智能伙伴。

這個(gè)階段的智能體開(kāi)發(fā)，與大家理解的AI原生應(yīng)用開(kāi)發(fā)大體相同（雖然AI原生應(yīng)用也沒(méi)有一個(gè)規(guī)范統(tǒng)一的定義），但這個(gè)階段的應(yīng)用開(kāi)發(fā)與傳統(tǒng)軟件開(kāi)發(fā)的思維方式確實(shí)是完全不同了，LLM被真正當(dāng)作智能來(lái)使用。

在軟件開(kāi)發(fā)時(shí)，可能更多要思考的是，這個(gè)事情如果是由一個(gè)人類團(tuán)隊(duì)來(lái)執(zhí)行，

• 需要哪些角色（提示詞Role限定）
• 這些相關(guān)角色需要具備哪些技能（tools綁定）
• 團(tuán)隊(duì)之間應(yīng)該如何交互（state設(shè)置）
• 團(tuán)隊(duì)之間的工作如何流轉(zhuǎn)（workflow的設(shè)置）

可以看到，這個(gè)階段LLM不再作為API獨(dú)立存在，而是綁定了角色和技能，并需要進(jìn)行多個(gè)agent的組合，已經(jīng)與人類智能的使用方式一致。典型用例如下：

Plan-and-Execute

Plan-and-Execute指的是涉及規(guī)劃與執(zhí)行兩個(gè)主要步驟的過(guò)程，Agent需要根據(jù)給定的目標(biāo)自主生成計(jì)劃，并基于計(jì)劃步驟自動(dòng)執(zhí)行任務(wù)，這要求Agent具備理解計(jì)劃、制定策略并執(zhí)行任務(wù)的能力。

例如，如果給定的任務(wù)是“計(jì)劃一次從北京到上海的旅行”，那么大語(yǔ)言模型的“規(guī)劃”步驟可能包括確定旅行日期、選擇交通方式、預(yù)訂住宿和活動(dòng)等，而“執(zhí)行”步驟則可能涉及生成詳細(xì)的行程安排和必要的預(yù)訂步驟。

作者結(jié)合搜索和自動(dòng)問(wèn)答工具，使用Plan-and-Execute做了一款搜索問(wèn)答增強(qiáng)demo見(jiàn)github。

示例2：BabyAgI

BabyAGI是一個(gè)由開(kāi)發(fā)者Yohei Nakajima創(chuàng)建的AI驅(qū)動(dòng)的任務(wù)管理系統(tǒng)。它利用OpenAI和Pinecone APIs來(lái)創(chuàng)建、優(yōu)先排序和執(zhí)行任務(wù)

在這一階段，開(kāi)發(fā)者需要考慮的是如何將Agent與人類團(tuán)隊(duì)的工作方式相結(jié)合。這涉及到角色限定、技能綁定、狀態(tài)設(shè)置以及工作流程的設(shè)置等多個(gè)方面。

結(jié)語(yǔ)

Agent開(kāi)發(fā)的三重境界代表了AI技術(shù)從簡(jiǎn)單應(yīng)用到深度融合的演進(jìn)過(guò)程。隨著技術(shù)的不斷進(jìn)步，我們有理由相信，Agent將在未來(lái)的軟件開(kāi)發(fā)中扮演越來(lái)越重要的角色。對(duì)于程序員而言，理解并掌握Agent開(kāi)發(fā)的這三個(gè)階段，將有助于他們更好地適應(yīng)未來(lái)的技術(shù)發(fā)展趨勢(shì)。