最近Agent方面的场景案例

我们的研究结果表明，如果你使用GPT3.5+Zero-shot的正确率为48%，GPT4+Zero-shot的正确率为67%，但是，如果你用GPT3.5+Agentic Workflow，你会得到超越GPT4的效果！因此，Agent在构建AI应用时非常重要。（然后就到了主题）尽管很多学者、专家谈论了很多关于Agent的东西，但我今天想更具体的分享我在Agent中看到比较广泛的四种设计模式（尽管很多团队，开源项目等做了很多种多样的尝试，但我还是按我的理解划分成了四类）。Reflection和Tool Use属于比较经典且相对已经广泛使用的方式，Planning和Multi-agent属于比较新颖比较有前景的方式。第一个讲的就是Reflection（反思，类似于AI的自我纠错和迭代），举个栗子，我们让用Reflection构建好的一个AI系统写个xxx代码，然后AI会把这个代码，加上类似“检查此段代码的正确性，告诉我如何修改”的话术，再返回给AI，AI可能会给你提出其中的Bug，然后如此反复，AI自己完成了自我迭代，虽然修改后的代码质量不一定能保证，但基本上来说效果会更好。（每页PPT下方，吴恩达大佬都推荐了一些相关论文，可以去看看）如上表述的是案例是Single-agent（区别于Mutli-agent的单智能体），但其实你也可以用两个Agent，一个写代码，然后另一个来Debug👇这两个Agent可以用相同的LLM，也可以用不同的，这种Reflection的方式在很多场景都适用。接下来第二个是Tool Use（如果你经常玩GPT4或者国产的一些AI对话产品，那就不陌生了），大语言模型调用插件，极大的拓展了LLM的边界能力。

agent算是从年前到现在，比较火的一个概念了，也被很多人认为是大模型的未来的一个主要发展方向。首先我们看这个很经典的一张图看起来还是蛮复杂的，然后市面上的很多描述agent的文章写的也比较复杂，说智能体是啥智能的最小单元，相较于copilot，是可以给他设定一个目标后主动完成任务的等等。当然这些说法都没错，但是我觉得还是有些不好理解的。所以我们依然先从原理着手去理解下，agent是个什么东西。首先这张图里，中间的“智能体”，其实就是llm，或者说大模型。四个箭头，分别是我们为llm增加的四个能力。工具、记忆、行动、规划。那么这个是怎么新增的呢？目前行业里主要用到的是一个叫langchain的框架，这个框架可以简单理解为，他把llm和llm之间，以及llm和工具之间，通过代码或prompt的形式，进行了串接。这个其实也像是在rag的基础上再进了一步。因为我们知道rag其实是给了大模型一个浏览器工具来使用嘛，那agent，其实就是给了大模型更多的工具。比如像是长期记忆，其实就是给了大模型一个数据库工具让其往里记录重要信息。规划和行动，其实就是在大模型的prompt层做的些逻辑，比如让其将目标进行每一步的拆解，拆解完成后，每一步去输出不同的固定格式action指令，给到工具作为输入。当然langchain或者说agent还不止这些，也会有很多其他的代码逻辑体现在其中，不过其主要的主干逻辑，其实还是在prompt层和工具层，完成的设计。

随着大航海时代及全球贸易的兴起，“Agent”的角色在商业领域变得日益重要。16至17世纪间，贸易代理和公司代理商开始在全球范围内进行商品交易，如荷兰东印度公司的代理人。18至19世纪工业革命期间，“Agent”的职能进一步拓展到保险、房地产等新兴行业。此外，在19世纪，政府及情报领域也开始广泛使用“Agent”，比如情报特工和便衣警察，在维护国家安全与社会秩序方面发挥了不可或缺的作用。现代（20世纪至21世纪）：在20世纪至21世纪的现代社会中，“Agent”一词涵盖了多种职业角色，尤其在娱乐和体育行业中，它指的是艺人经纪人和运动员经理等职位。这些专业经理人负责安排试镜、进行合同谈判以及规划职业生涯，确保客户能在竞争激烈的行业中获得成功。此外，“Agent”还包括劳务代理和招聘代理（猎头）。劳务代理提供劳动力匹配服务，帮助求职者找到合适的工作，并为雇主提供所需的人才，如劳务派遣公司将临时员工派遣到需要额外支持的企业单位。而猎头则专门为公司招募高技能或高级管理职位的专业人士，通过筛选简历、安排面试并评估候选人来帮助企业找到最合适的员工。凭借深厚的行业知识与广泛的联系网络，这些猎头为企业与顶尖人才之间搭建了重要桥梁。从词源和词的历史变迁中，大家就能看到，“Agent”这个词本身就具有行动的含义，到了后期又附加了“替身”的意思。且无论哪个领域，“Agent”都多数情况下都在指：“拥有行动的替身，都是替代他人做某事“