41
0▎Building effective agents ✦LINK
▎关键问题
什么是 agent 和 workflow 的核心区别？ 什么时候应该使用 agentic 系统而非简单方法？ 如何平衡框架的便利性与底层代码的透明性？ 有哪些常见的 agentic 系统工作流模式及其适用场景？ 如何设计和优化工具以提升 agent 的性能？
在当今商业中，很多公司用AI自动完成过去需要团队做的工作。这种变化不但提高效率，还能为客户提供个性化服务，比如推荐合适的产品，甚至预测客户需求。一些公司用AI代理寻找交叉销售和追加销售的机会，效果很好。
说到AI代理的结构和工作方式，要先分清代理和工作流程的区别。工作流程像做菜的食谱，按固定步骤做事；代理则像厨师，能根据材料和目标灵活调整做法，自主决策。
但代理不是万能的。用代理时要考虑复杂度和资源消耗。选择用代理还是简单方案，主要看任务需要多大灵活性，环境变化多大。比如自动驾驶车要应对突发情况，这时代理的学习和适应能力就很重要。
对新手来说，从零做代理可能很难，现在有LangChain和Amazon Bedrock Agent Framework等工具可以帮忙快速开始，提供现成的组件。不过理解这些工具怎么和底层模型互动也很重要。建议先从基础的语言模型API开始学，这样能更好地理解核心部分是怎么工作的。
构建AI代理就像学烹饪，从基础学起比直接用便当好。虽然开始时做不出顶级美食，但能更懂原料和技巧。代理的基础是增强型大语言模型(augmented LLM)。它在普通LLM基础上加了检索(查外部信息)、执行(完成任务)和记忆(存储对话)功能。这让LLM从普通侦探变成超级侦探，有研究工具、解决问题的能力和记忆力。
把增强型LLM和工作流结合能做更复杂的事。比如"提示链"把任务分成小步骤。做多语言营销文案时，一个LLM写英文，另一个负责翻译。这样不但效率高，还更稳定，一步出错不会影响整体。
"路由"用来处理不同类型的输入。比如客服中，退款和咨询要用不同方法处理。路由像医院分诊，把不同问题分给合适的处理方式。
并行化让多个LLM同时工作，能加快速度。比如把大数据分成小块同时处理。多个LLM用不同方法做同一任务，合并结果会更全面。这像一群专家一起解决问题。
复杂任务需要"协调者-工作者模型"。一个主LLM像项目经理，分配任务给专业LLM。它让所有部分配合得好，像指挥官带领团队。把这个模型和其他工作流结合，能处理更复杂的任务。
在AI研究中，团队正探索各种工作流程来提升智能体性能。指挥型工作流让特殊小组配合达成目标。评估优化工作流用两个语言模型，一个生成输出，一个评估改进，像作家和编辑的合作。这种方式适合需要高质量的任务。
完全自主的智能体能自行规划执行复杂任务，是研究目标。随语言模型进步，开发数字员工更易实现。但这类系统有风险，如高成本和错误积累。因此要确保智能体可靠且安全。
管理AI智能体需持续监控，使其发展符合预期。这需随智能体学习调整。可从简单开始，逐步加深，便于评估。
对于智能体计算机接口(ACI)，要设计简明安全的环境。好的ACI设计能提升智能体表现，如规划良好的城市促进发展。透明性是关键，让我们理解智能体决策过程。提示工程也很重要，通过指令引导智能体向安全方向发展。
在数字世界里，我们在为代理制定规则，就像设计一套法律。要考虑规则和结果，帮助代理做出好的决定。环境设计也很重要，要防止错误。用"poka yoke"思路，通过系统设计减少错误，比如用绝对路径代替相对路径，这样可以减少误解。这些方法不只是防错，还能让系统更可靠，让代理更独立工作。
自主性有风险，需要在自由和管控间取平衡。像教育青少年，既要给自由，又要设限。管理AI代理没有固定方法，需要不断调整，开发者要和代理共同学习提高。
编码是AI代理的重要应用场景，因为规则清晰，容易测试。AI在这里很有用，能写代码、找错误、改进代码和解决难题。AI不只是自动化工具，更是程序员的助手。
有人担心AI会替代程序员，但AI只是工具，是能力的延伸。AI处理重复工作，让人专注创新。就像厨师用工具做菜，工具帮助创作，但创新来自人。未来是人机合作，不是对立，这已经在行业中体现。
未来人类和AI会一起学习合作，开拓新可能。但强大技术带来责任，AI要让所有人受益。从基础到能写代码、做实验的AI发展很快。现在AI多在固定环境工作，但真正潜力在于处理开放问题，比如科研和艺术创作，这需要直觉和创造力。
科学家用AI能快速看研究资料，找新方向，提出新想法。AI不只是处理数据，还能帮助突破。AI还能用在音乐、写作、建筑、舞蹈等领域，帮助人类创新。
要让合作成功，需要好的"人机协作设计"，让人类引导监督，不能完全交给AI。人和AI要像跳舞一样配合。虽然会有失误，但要确保AI用得负责和有道德，让所有人受益。
我们要想清楚技术带来的影响，不能只看技术本身。最复杂的AI不一定最好，要专注帮助人，而不是代替人。
▎相关专辑
