ai工作流

转载自：进击的盖茨比原文地址：https://web.okjike.com/u/bdfcb96a-0a42-4d50-a760-8768221072b4分享下目前使用AI的小小心得，我现在固定+优化的AI工作流：1.起床，让AI“马云”“马化腾”给我排TODO优先级，做一些私董会的脑暴2.工作中，有一个傲娇AI小助理给我加油，给她的Prompt就是：要阳光，会撒娇/卖萌3.重点事项bot，如内容创作，拆成一个bot团队组：工作分成选题，标题、框架、扩写、然后分A/B组两个AI-bot互相改。其中的要点是：提供反常识、梗；需要学习一些我喜欢的UP创作方法论，比如导演小策、影视飓风TIM总结的HKRR（快乐/知识/共鸣/节奏）4.在优化的bot包括：内容选题bot，短视频脚本bot，数据分析bot（GPT4），网页Perplexity的资料库bot5.优化1：Zion、ChatO和自动化AI-Agent分身，基于自身知识库的bot6.优化2：将上述知识库，Prompt资产，全部放入飞书的知识库+多维表单中维护；等待飞书的AI进化7.备选：筛选过的50多个生产力AI，放在工具库里，待命输出8.未来：把整个公司业务，全部搬入飞书中，外接MJ，ChatBot分身，以及咨询日程预约。9.可能：所有流量口bot也介入飞书。给予飞书做数据分析和内容引擎（目前搞不定，得手动）10.告诉自己，马看见什么，是人决定的，关注AI，更关注打交道的人、利益、状态和情绪。

AI与人的协同关系生成式AI的人机协同分为3种产品设计模式：Embedding（嵌入式）、Copilot（副驾驶）、Agent（智能代理），在这3种模式下，人与AI的协作流程也是有所差异。Embedding模式：人类完成大多数工作。Copilot模式：人类和AI协同工作。Agents模式：AI完成大多数工作。Agentic Workflow驱动角色工作流变革使用Multiagent Collaboration的方法，让不同角色的Agent按照根据任务要求自主规划选择工具、流程进行协作完成一件任务。我作为一个产品经理角色，我的诉求很简单，需要完成某一个产品功能设计，这个时候通过Agents拆解成多个独立的任务，然后遵循不同的工作流，最后给我生成一份在大体上符合我期望的输出结果，我再修修改改就能够达到可用的阶段了。所以，我从原子能力层重新思考，面对这个快速变化的时代，我该如何去重塑我自己的工作流，以不变应万变呢？我抽象化拆解了大模型的一些底层能力，例如：翻译、识别、提取、格式化等等，其实所有的一些都会围绕几个词“输入”、“处理”、“输出”、“反馈”。“输入”、“处理”、“输出”、“反馈”构建了我最底层的信息处理逻辑，我把它比作四个齿轮，齿轮之间通过不同的衔接工具逐步推动运转，从需求作为输入、结果作为输出，围绕着信息加速，不断驱动我向前。重塑获取信息的方式搜索引擎作为互联网基础设施，同时也是互联网的入口，对于用户而言，从解决问题出发，搜索引擎和基于大模型的聊天机器人的目标从根本上是一致的。自2022年底ChatGPT发布，其通过问答形式被认为将对传统搜索引擎带来颠覆。

如果大家使用Kimi Chat来查询某个问题，你会发现它会在互联网上检索相关内容，并基于检索结果进行总结分析，最后给出结论。这其实是大模型利用「网页搜索」工具的一个典型例子，同时你也会看到PPT中介绍了非常多的不同领域类型的工具，它其实是为大模型在获取、处理、呈现信息上做额外的补充。PlanningAgent通过自行规划任务执行的工作流路径，面向于简单的或者一些线性流程的运行。比如下图中：Agent会先识别男孩的姿势，并可能找到一个姿势提取模型来识别姿势，在接下来要找到一个姿势图像模型来合成一个新的女孩图像，然后再使用图像理解文本的模型，并在最后使用语音合成输出，完成这个流程任务。Multiagent Collaboration吴恩达通过开源项目ChatDev进行举例，你可以让一个大语言模型扮演不同的角色，比如让一个Agent扮演公司CEO、产品经理、设计师、代码工程师或测试人员，这些Agent会相互协作，根据需求共同开发一个应用或者复杂程序。AI Agent基本框架OpenAI的研究主管Lilian Weng曾经写过一篇博客叫做《LLM Powered Autonomous Agents》，其中就很好的介绍了Agent的设计框架，她提出了“Agent = LLM +规划+记忆+工具使用”的基础架构，其中大模型LLM扮演了Agent的“大脑”。Planning（规划）主要包括子目标分解、反思与改进。将大型任务分解为较小可管理的子目标处理复杂的任务。而反思和改进指可以对过去的行动进行自我批评和自我反思，从错误中学习并改进未来的步骤，从而提高最终结果的质量。Memory（记忆）