以下是一些可将复杂任务分解为简单子任务以简化问题的 AI 工具和相关策略:
正如在软件工程中将复杂系统分解为一组模块化组件是一种良好的实践,对GPT提交的任务也是如此。复杂任务的错误率往往比简单任务高。此外,复杂任务往往可以被重新定义为一系列简单任务的工作流程,其中早期任务的输出用于构造后续任务的输入。策略:使用意图分类来识别与用户查询最相关的指令对于需要很长对话的对话应用程序,总结或过滤之前的对话分段总结长文档,并递归构建完整总结[heading2]给GPT时间「思考」[content]如果要求你将17乘以28,你可能不会立即知道答案,但是还是可以花时间计算出来。同样,GPT在试图立即回答问题时会犯更多的推理错误,而不是花时间去推导出答案。在回答之前要求一个推理链条可以帮助GPT更可靠地推理出正确的答案。策略:指示模型在急于得出结论之前先自己找出解决方案使用内心独白或一系列查询来隐藏模型的推理过程询问模型在之前的回答中是否遗漏了什么[heading2]使用外部工具[content]通过将其他工具的输出提供给GPT来补偿GPT的弱点。例如,文本检索系统可以告诉GPT相关的文档。代码执行引擎可以帮助GPT进行数学运算和执行代码。如果一个任务可以由工具而不是GPT更可靠或有效地完成,那么将其转移出去,以便获得双方的最佳效果。策略:使用基于嵌入的搜索来实现高效的知识检索使用代码执行来进行更准确的计算或调用外部API
[title]目录:OpenAI官方指南[heading1]二、战术[heading2]策略:将复杂任务拆分为更简单的子任务[heading3]战术:使用意图分类来识别与用户查询最相关的指令对于需要大量独立指令集来处理不同情况的任务,首先对查询类型进行分类并使用该分类来确定需要哪些指令可能是有益的。这可以通过定义与处理给定类别中的任务相关的固定类别和硬编码指令来实现。这个过程也可以递归地应用于将任务分解为一系列阶段。这种方法的优点是每个查询将仅包含执行任务下一阶段所需的指令,与使用单个查询执行整个任务相比,这可以降低错误率。这也可以降低成本,因为更大的提示运行成本更高([参见定价信息](https://openai.com/pricing))。例如,假设对于客户服务应用程序,可以将查询分类如下:|系统|你将会接收到客户服务查询。将每个查询分类为主要类别和次要类别。以json格式提供你的输出,键(key)为:primary和secondary。主要类别:计费、技术支持、账户管理或一般查询。计费次要类别:-取消订阅或升级-添加付款方式-收费说明-对收费提出异议技术支持次要类别:-故障排除-设备兼容性-软件更新账户管理次要类别:-密码重置-更新个人信息-关闭帐户-账户安全一般查询二级类别:-产品信息-定价-反馈-与人交谈|<br>|-|-|<br>|用户|我需要让我的互联网重新工作。|
[title]AI-Agent系列(一):智能体起源探究[heading2]十、基于LLM的AI Agent[heading3]10.3行动模块(Action)理解工具:AI Agent有效使用工具的前提是全面了解工具的应用场景和调用方法。没有这种理解,Agent使用工具的过程将变得不可信,也无法真正提高AI Agent的能力。利用LLM强大的zero-shot learning和few-shot learning能力,AI Agent可以通过描述工具功能和参数的zero-shot demonstartion或提供特定工具使用场景和相应方法演示的少量提示来获取工具知识。这些学习方法与人类通过查阅工具手册或观察他人使用工具进行学习的方法类似。在面对复杂任务时,单一工具往往是不够的。因此,AI Agent应首先以适当的方式将复杂任务分解为子任务,然后有效地组织和协调这些子任务,这有赖于LLM的推理和规划能力,当然也包括对工具的理解。使用工具:AI Agent学习使用工具的方法主要包括从demonstartion中学习和从reward中学习(清华有一篇从训练数据中学习的文章)。这包括模仿人类专家的行为,以及了解其行为的后果,并根据从环境和人类获得的反馈做出调整。环境反馈包括行动是否成功完成任务的结果反馈和捕捉行动引起的环境状态变化的中间反馈;人类反馈包括显性评价和隐性行为,如点击链接。具身智能在追求人工通用智能(AGI)的征途中,具身Agent(Embodied Agent)正成为核心的研究范式,它强调将智能系统与物理世界的紧密结合。具身Agent的设计灵感源自人类智能的发展,认为智能不仅仅是对预设数据的处理,更多地来自于与周遭环境的持续互动和反馈。与传统的深度学习模型相比,LLM-based Agent不再局限于处理纯文本信息或调用特定工具执行任务,而是能够主动地感知和理解其所在的物理环境,进而与其互动。这些Agent利用其内部丰富的知识库,进行决策并产生具体行动,以此改变环境,这一系列的行为被称为“具身行动”。