鑒于我所在的公司正積極布局語音虛擬助手領域[1]，我覺得有必要掌握相關的基礎知識和了解當前發(fā)展狀況。

在本文中，我們將一同探討 AI agents 設計中普遍采用的一些設計模式。

1.Reflection Pattern

該設計模式要求 Agents 能夠分析和提升自身性能。Agents 通過自我評估來精細化其輸出和決策流程。

Source: Author

這是一個比較簡單的設計模式，只需少量的代碼即可實現(xiàn)。

圖片

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

• 代碼優(yōu)化
• 對話回復

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

Source: SELF-REFINE: Iterative Refinement with Sel

2.Tool Use Pattern

Source: Author

該模式的工作流程如下：

• 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)。
• 工具選擇：根據(jù)當前面臨的任務，LLM 將決定調(diào)用哪個工具。
• 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）。
• 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)行相應的操作，并將結果反饋給 LLM。
• 整合輸出：LLM 將工具的執(zhí)行結果融入其最終反饋中。

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

當 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?shù)?API 進行調(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）的機器學習 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任務。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

3.Planning Pattern

該模式的工作流程如下：

• 任務拆解：LLM 扮演控制器的角色，將一項任務拆分為多個細小、易于處理的子任務。
• 針對每個子任務，選取合適的特定模型來執(zhí)行。
• 這些特定模型完成子任務后，將結果反饋給控制器 LLM，由其整合并生成最終模型響應。

Source: Author

HuggingGPT 就是一個運用了 planning pattern 的實例。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。

4.Multi-Agent Collaboration

Source: Author

該模式的工作流程如下：

• 特定角色智能體：每個智能體都有其特定職責，比如擔任軟件工程師、產(chǎn)品經(jīng)理或設計師等角色。
• 任務細分：將復雜任務拆分為更小的子任務，這些子任務可以由不同的智能體分別處理。
• 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，共同推進項目目標的實現(xiàn)。
• 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對的復雜問題。

目前，由于技術尚未成熟，現(xiàn)實世界中多智能體系統(tǒng)的應用并不廣泛。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”模式劃分為難以預測的類型：

與“Planning”設計模式一樣，我發(fā)現(xiàn)“Multi-Agent Collaboration”的輸出質(zhì)量很難預測，尤其是當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