如今，AI 應(yīng)用借助大語言模型（LLMs），突破了傳統(tǒng)特定規(guī)則系統(tǒng)的局限，能處理各類復(fù)雜任務(wù)。但隨著這些應(yīng)用逐漸演變成 “智能體”，具備自主選擇行動步驟、調(diào)用外部工具的能力，新問題也接踵而至：可靠性和效率問題頻出。

為了讓智能體穩(wěn)定 “發(fā)揮”，得到靠譜的結(jié)果，我們需要更加強大的模式。這些模式不能只局限于檢索增強生成（RAG），還得有效管控智能體的 “自主” 行為。

本文帶你深入了解多種這樣的模式，剖析其優(yōu)缺點，幫你快速判斷該在何時選用哪種模式，輕松拿捏 AI 應(yīng)用開發(fā)的門道。

一、基礎(chǔ)：檢索增強生成（RAG） 

在 AI 應(yīng)用開發(fā)中，檢索增強生成（RAG）是重要基礎(chǔ)。

RAG宛如配備特殊裝備的超級英雄：

• 檢索：類似向朋友求助，模型從知識庫或文檔獲取詳細(xì)信息。
• 工具使用：像使用特殊裝備，通過運行代碼片段或發(fā)起API請求獲取更多數(shù)據(jù)。
• 記憶：記錄對話內(nèi)容，方便回溯參考，讓交互更連貫。

谷歌的一張幻燈片清晰展示了基于大語言模型（LLM）的應(yīng)用在有無RAG時的差別。RAG借助檢索、工具調(diào)用和短期記憶，提升對LLM的調(diào)用效果。不過它是被動響應(yīng)，等用戶請求后調(diào)用LLM獲取答案。

來源：https://cloud.google.com/use-cases/retrieval-augmented-generation?hl=en

RAG是構(gòu)建AI應(yīng)用的常用手段，簡單的快速問答用它就行。但復(fù)雜任務(wù)得靠多步驟模式，下面就來深入了解這些進(jìn)階模式。

二、智能體工作流模式 

2.1 提示鏈

思路：提示鏈模式是把用戶請求拆成一個個按順序執(zhí)行的小步驟，就像組裝玩具一樣，前一步輸出是后一步輸入，讓復(fù)雜任務(wù)處理更有序。

示例： 以內(nèi)容創(chuàng)作來說：

1. 根據(jù)主題生成大綱。
2. 檢查大綱是否符合特定規(guī)則。
3. 按大綱撰寫內(nèi)容。
4. 優(yōu)化文章風(fēng)格。

利弊權(quán)衡：

• 優(yōu)點：

由于每個階段都目標(biāo)明確，所以準(zhǔn)確率高。

排查問題方便，能快速定位故障點。

每個步驟輸入到大語言模型的數(shù)據(jù)量較小，可避開上下文長度限制。

• 缺點：

多次順序調(diào)用，等待時間長。

每增加一個步驟，成本就會增加。

需跟蹤傳遞的數(shù)據(jù)，管理復(fù)雜。

2.2 路由

思路：在任務(wù)開始時，對任務(wù)進(jìn)行快速分類，為其匹配最適宜的智能體或子工作流，從而實現(xiàn)任務(wù)的精準(zhǔn)分發(fā)與高效處理 。

示例： 在常見的客服場景中，這種模式的應(yīng)用十分廣泛：

• 用戶咨詢退款問題時，系統(tǒng)會自動將其分配給 “退款智能體”。
• 技術(shù)問題交給 “支持智能體”。
• 一般咨詢交給 “信息” 智能體。

利弊權(quán)衡：

• 優(yōu)點：

職責(zé)劃分清晰。

如果跳過不使用的路徑，處理速度會更快。

• 缺點：

分類必須準(zhǔn)確，否則會影響結(jié)果。

構(gòu)建多個專門的智能體需要花費時間。

需要額外的步驟（即分類器本身）。

2.3 并行化

思路：并行化模式的核心是將一個大型任務(wù)拆解為多個小型任務(wù)，同時進(jìn)行處理。這種模式能充分利用計算資源，加快任務(wù)處理速度。

示例：

• 文檔處理：通過拆分來總結(jié)篇幅巨大的文檔。
• 方案優(yōu)化：針對復(fù)雜問題，嘗試多種解決方案（投票）并選擇最佳方案。

利弊權(quán)衡：

• 優(yōu)點：

如果任務(wù)真的能同時運行，處理速度會更快。

通過多種不同的嘗試，覆蓋范圍更全面。

• 缺點：

合并結(jié)果可能比較棘手。

如果每個分支都調(diào)用大語言模型，則需要更多的計算能力。

結(jié)果可能相互沖突，增加了最終整合的復(fù)雜性。

2.4 協(xié)調(diào)器 - 工作器

思路：該模式中，存在一個類似 “管理者” 大語言模型，即協(xié)調(diào)器，負(fù)責(zé)拆解任務(wù)，將子任務(wù)合理分配給不同的 “工作器” 執(zhí)行，最后把工作器返回的結(jié)果整合起來。這一過程如同項目經(jīng)理統(tǒng)籌團隊成員工作，確保任務(wù)有序推進(jìn)。

示例：

• 代碼編輯場景：在一次拉取請求中編輯多個代碼文件，每個文件由單獨的工作器處理。
• 文獻(xiàn)收集場景：從眾多來源收集參考文獻(xiàn)，然后進(jìn)行合并。

利弊權(quán)衡：

• 優(yōu)點：

高度靈活：協(xié)調(diào)器可以動態(tài)選擇任務(wù)。

對于許多子任務(wù)具有良好的擴展性。

• 缺點：

開銷較大：協(xié)調(diào)器必須跟蹤任務(wù)狀態(tài)。

如果工作器之間相互依賴，調(diào)試可能會很復(fù)雜。

額外的步驟會增加延遲。

2.5 評估器 - 優(yōu)化器

思路：此模式包含兩個主要角色，一個提出解決方案（優(yōu)化器），另一個檢查這些方案（評估器）。二者配合如同學(xué)生寫草稿、老師批改，反復(fù)迭代，直至方案達(dá)到可接受標(biāo)準(zhǔn)。

示例：

• 文案創(chuàng)作領(lǐng)域：起草營銷文案，然后讓另一個大語言模型檢查文案的清晰度和語氣。
• 知識問答場景：多次對答案進(jìn)行事實核查以確保正確性。

利弊權(quán)衡：

• 優(yōu)點：

每次修訂都更加完善。

錯誤會在最終輸出前被發(fā)現(xiàn)。

• 缺點：

耗時：需要多次來回操作。

成本至少翻倍，因為每次迭代都需要調(diào)用兩次大語言模型。

如果標(biāo)準(zhǔn)不明確，可能會陷入無限循環(huán)。

2.6 自主智能體

思路：這是最靈活的模式。智能體自身決定每個步驟要做什么以及何時停止。它可以反復(fù)決策，自行決定調(diào)用哪些工具、循環(huán)次數(shù)以及停止條件，形成一個持續(xù)的行動 - 檢查循環(huán)，區(qū)別于傳統(tǒng)單次調(diào)用響應(yīng)模式。

示例：

• 代碼修復(fù)領(lǐng)域：人工智能代碼修復(fù)程序運用自主智能體模式，不斷編輯代碼，直至所有測試通過，全程自主判斷修復(fù)方向和策略。
• 問題解決場景：問題解決器在工作過程中，根據(jù)實際情況嘗試不同工具或策略，自主探索解決方案。

利弊權(quán)衡：

• 優(yōu)點：

能夠即時適應(yīng)并處理意外情況。

可能非常有創(chuàng)造性或考慮得很全面。

• 缺點：

如果持續(xù)循環(huán)，可能會產(chǎn)生高額費用或永遠(yuǎn)無法完成任務(wù)。

調(diào)試難度較大：因為路徑不是嚴(yán)格定義的。

如果沒有安全檢查措施，錯誤可能會不斷累積。

3 注意事項 

開發(fā)基于智能體的 AI 應(yīng)用時，有幾個關(guān)鍵的實施要點：

• 工具定義和文檔：對智能體模型來說，詳細(xì)的工具定義和文檔極為重要。拿工具 API 舉例，只有提供詳細(xì)解釋，模型才能精準(zhǔn)理解任務(wù)，避免執(zhí)行時出現(xiàn)混淆，保障工作流穩(wěn)定運行。
• 防護(hù)措施和監(jiān)控：借鑒 “斷路器” 的思維方式[參考資料：https://www.anthropic.com/research/building-effective-agents]：如果出現(xiàn)問題的頻率過高，就回到更安全的路徑或提醒人工介入。
• 延遲和成本：每增加一個步驟或并行分支都可能增加響應(yīng)時間和使用費用。
• 安全性：限制工具權(quán)限。這就像給環(huán)境設(shè)置兒童保護(hù)措施一樣，通過限制智能體的訪問權(quán)限來防止意外發(fā)生。

4 最佳實踐 

• 化繁為簡，循序漸進(jìn)：開發(fā)時從簡入手，用最少必要步驟搭建系統(tǒng)。后續(xù)確實有幫助，再增加復(fù)雜性，避免過度設(shè)計。
• 測試驅(qū)動，持續(xù)迭代：收集智能體模式的真實運行數(shù)據(jù)，依據(jù)這些數(shù)據(jù)進(jìn)行優(yōu)化，讓系統(tǒng)不斷適應(yīng)業(yè)務(wù)需求。
• 巧用工具，洞察過程：跟蹤智能體的思考過程（注意保護(hù)隱私數(shù)據(jù)），以便能夠排查問題。
• 平衡自主，強化監(jiān)督：智能體雖有自主性，但高風(fēng)險場景下，人工或協(xié)調(diào)器的介入很重要，能避免成本失控和錯誤擴大。

5 總結(jié)和要點：解鎖AI應(yīng)用的穩(wěn)健發(fā)展之道 

在AI應(yīng)用開發(fā)領(lǐng)域，智能體工作流前景廣闊。它融合了傳統(tǒng)設(shè)計模式的邏輯架構(gòu)和大語言模型的優(yōu)勢。

實際開發(fā)時，不管用哪種智能體模式，都要遵循關(guān)鍵原則：

• 簡潔優(yōu)先：步驟能不加就不加，確定有用再加，避免系統(tǒng)復(fù)雜。
• 決策透明：清楚系統(tǒng)如何決策，方便理解和解決問題。
• 安全第一：沒有安全保障，別讓智能體隨意運行。

利用這些模式和原則，能發(fā)揮大語言模型優(yōu)勢，控制風(fēng)險。開發(fā)時要合理應(yīng)用、關(guān)注結(jié)果、持續(xù)優(yōu)化，打造優(yōu)質(zhì)AI應(yīng)用。

本文轉(zhuǎn)載自??AI科技論談??，作者：AI科技論談