生成式AI多代理系統:技術團隊的秘密武器
譯文譯者 | 布加迪
審校 | 重樓
如今,許多開發人員和產品團隊使用生成式人工智能(GenAI)代理來幫助構建軟件或應用程序——真正的創新出現在多代理系統上。就像管弦樂隊可以演奏出豐富復雜的交響樂,獨奏音樂家只能在一個維度發出聲音,多代理系統不僅限于以任務為導向的角色,真正助力開發和戰略團隊。
比如說,梅奧診所、沃達豐和ADT等不同公司的開發人員使用谷歌的GenAI代理構建器在多代理環境中創建應用程序。使用多代理系統(下面會詳細介紹),開發人員可以以較低的成本和創紀錄的時間制作功能豐富、高度直觀的產品,從而取悅用戶。
多代理GenAI系統顧名思義:一批AI代理協同工作。一個代理只完成一項任務,比如編程助手,而多代理系統結合多個開發任務(產品構思、設計、測試和客戶細分等),它們相互學習,以優化創造力和生產力。成功的多代理系統為開發團隊充當“數字孿生”,不斷生成多個新概念和未來場景。多代理系統并不取代開發和產品團隊,而是相輔相成。
有許多方法可以構建多代理系統,但有三種流行的方法:
- 集中式:中心處的一個代理負責收集和吸收所有其他輸出。
- 分布式:沒有中央控制器,代理與“代理群”中的另一個代理直接協調。
- 分層式:代理被組織成團隊或各層次。
對于產品開發團隊來說,集中式或分層式架構效果最好,因為它們對過程提供了更大的控制。我們可以將每個生成式AI代理看作人類團隊中某一領域的專家。你可以為產品開發過程的每個部分創建單獨的AI代理:產品頭腦風暴、客戶細分、技術規格、特性和功能等。位于輻條中心或層次結構末端的中央代理會考慮到其他代理的所有輸出,“生成”出色的產品創意。
在向量化數據庫中收集數據
鑒于你已經為多代理框架選擇了一種結構,并為產品構思過程的每個部分構建了多個代理,接下來需要讓代理運行起來。首先,讓選定的代理訪問相關知識的外部數據庫。為此,你需要從貴公司獲取大量的專有數據:客戶細分、產品信息和研究信息等。你可能還希望引入希望代理使用的相關外部數據源。
比如說,這可能是全球市場趨勢、定價報告或公共數據集,也可能包括從Reddit和其他論壇獲取更多關于消費者行為和偏好的定性數據。為了確保你的代理可以從一個地方訪問所有這些數據,就需要代理可以訪問的矢量數據庫。Pinecone是一種大受歡迎的矢量數據庫,原因在于其靈活性和文檔質量,但市面上有眾多選擇。
為每個代理編寫智能提示
下一步是為每個代理創建獨特的提示。這可能需要一些實踐和迭代,但最好的入手方式是決定你希望每個代理遵循的一種思想框架和用戶角色。比如說,你可能想要一個用戶研究代理,它是用戶研究上下文方面的專家,并在矢量化數據庫中搜索用戶引用,幫助它了解特定類型的用戶。一旦你有了代理的用戶角色,就可以創建有結構的提示。代理應該有關于你希望輸出是什么樣子的具體指示,直至它返回的示例數量。這有助于你從代理中獲得更多的價值,并使其能夠更有效地與系統中的其他代理一起工作。
你的提示應該呈現什么內容?應該有多深入?這方面是無限靈活的,因為有無限的可能性來確定提示的結構以形成期望的輸出。利用你在產品開發、業務框架和以用戶為中心的設計等方面的知識庫,盡可能地創建最動態、最具體的提示。
讓代理們協同工作
為了讓代理以一種協調的方式協同工作,有必要為此部署一個工具。用于連接多個代理的三種流行工具是CrewAI、LangChain和Microsoft Autogen。它們都有各自的一系列好處,所以我們建議你查看每種工具,找到適合你項目的解決方案。
一旦你的提示進行了微調,你的多代理系統就應該開始輸出產品設計和場景。通過將多代理系統連接到Dall-E等其他GenAI工具(用于創建原型圖像和動畫)以及Relume.io(可以在幾秒鐘內生成Figma可導出的線框),就可以將這些場景變為網站的線框、完整的產品規格和數字原型。
測試原型
一旦你的多代理系統生成了幾個完整的產品原型,就可以測試哪些迭代最有可能成功了。雖然你可以進行傳統的A/B測試,并從真人那里收集反饋,但你也可以使用另一個代理來創建AI驅動的角色或“合成用戶”,以測試不同的產品。合成用戶可以高度逼真;你可以通過攝取CRM、細分數據和行業報告來創建具有目標用戶所有特征的AI用戶角色,然后通過指令這些用戶角色(即AI代理)“像你的用戶角色一樣思考和行動”,向這些用戶角色索要反饋。因此,多代理系統可以有力地補充用戶驗證測試的各個方面。
多代理GenAI系統可以大大改進和加快新產品的構思、設計和測試過程。通過結合來自專注于客戶研究、技術規格、原型設計和測試等領域的不同AI代理的專業知識,多代理系統可以快速生成針對特定客戶群需求的綜合產品概念。借助這些強大的系統,你可以增強團隊快速行動的能力,并獲得創新的產品成果。
原文標題:GenAI Multi-Agent Systems: A Secret Weapon for Tech Teams,作者:Dan Kraemer