吴恩达总结了四种AI Agent的设计模式： 1.反思模式（Reflection）： 2.工具使用模式： 3.规划模式： 4.多智能体协作模式：

先说初始翻译，这一步其实就是用现有的AI翻译模型，对源语言文本进行一次翻译，得到一个初始的目标语言文本。这个结果一般来说质量已经不错了，但是其实还有不少的提升空间。接下来是识别可优化点，这一步至关重要！通过AI模型分析初始翻译结果，找出其中值得改进的地方，比如用词不当、语序不自然、语义不够准确等等。找出这些“短板”，为下一步优化打下基础。如果你了解过吴恩达教授之前总结出来的AI Agent四种设计模式的话，你会发现这个项目其实是一个典型的“反思优化（Reflection）”模式。也就是说，通过对初始结果的反思和优化，可以让AI模型不断提升自身的能力，实现更高质量的翻译，这里顺便列出一下吴恩达总结的四种设计模式：1.反思优化（Reflection）：通过对自身的反思和优化。2.使用工具（Tool use）：通过使用外部工具和资源。3.计划（Planning）：通过预先制定好Agent的实现计划。4.多Agent合作（Multi-agent collaboration）：通过多个Agent之间的合作来实现目标。有兴趣更深一步了解这个设计模式的小伙伴可以看看以下的文章：https://waytoagi.feishu.cn/wiki/SPNqwJkmQiyVfGkS8zocMSZcnYd最后一步，对初始结果进行优化。我们再次调用AI模型，针对前一步识别出的可优化点，对初始翻译进行修修补补，润色打磨，让翻译变得更加流畅、准确、地道！当然，除了这个反思优化的核心机制，吴恩达的项目还引入了一些其他创新点，比如分块处理和语言习惯指定。

原创：来自inhai银海公众号“抄就完了”，欢迎关注！从“人工工作流”到“Agentic工作流”"Reshape your workflow with AI."在Agentic Workflow的这件事情上，我先完成了自己的工作流重塑。近期在「特工宇宙」分享了一场关于Agentic Workflow主题的内容，现在同步分享给大家一些关于个人在使用AI Agent Workflow上的思考、AI-Native应用「Pailido｜AI拍立得」创建的初衷和实现流程，在个人工作流重塑上分享了一些体悟。本次分享大纲整体围绕着AI Agent和Agentic Workflow从“认识、定义、应用、偏见、实践以及延伸”进行展开，正式拉开「仰望星空，脚踏实地」的序幕。在今年的4月初，吴恩达老师在美国红杉做了一场演讲，介绍了4种主要的Agentic Workflow设计模式。Reflection（反思）：让Agent审视和修正自己生成的输出。Tool Use（工具）：LLM生成代码、调用API等工具进行操作。Planning（规划）：让Agent分解复杂任务并按计划执行。Multiagent Collaboration（多智能体协同）：多个Agent扮演不同角色合作完成任务。Reflection反思在根本上其实是一个博弈的过程：如果你让大模型写一段代码，它会立刻给你反馈。这时你可以将它输出的代码片段再输入回去，让大模型仔细检查代码的准确性和结构规范性，并给出评论。然后，你可以将这些反馈结果再次输入给大模型，它可能会输出一个比第一版更好的代码，如果有两个Agent：一个负责Coding，另一个负责Code Review，效果会更佳。Tool Use

转自有新公众号：https://mp.weixin.qq.com/s/4ky_OSLrHh2MxdT3AjqW1Q今天分享的是吴恩达教授在美国红杉AI活动上关于Agent的最新趋势与洞察。吴恩达表示Agent工作流程与传统使用LLM的方式不同，它更加迭代和对话式。目前，有4种主要的Agent设计模式，分别是：1.Reflection：让Agent审视和修正自己生成的输出；2.Tool Use：LLM生成代码、调用API等进行实际操作；3.Planning：让Agent分解复杂任务并按计划执行；4.Multiagent Collaboration：多个Agent扮演不同角色合作完成任务；这些设计模式目前还在快速发展中，有的比较成熟可靠，有的仍存在不确定性，但都展现了提高AI能力的潜力。吴恩达认为，未来AI Agent能力将大幅扩展，我们需要学会将任务委托给Agent并耐心等待结果，而不是追求即时响应。另外，快速token生成也很重要，即使基于质量较低的LLM，快速迭代生成新token也可能获得良好结果。以下为这次分享的全部内容：我期待与大家分享我对AI Agent所见到的东西，这是一个我认为每个人在构建AI时都应该注意的激动人心的趋势。同时，我也对所有其他的“接下来会发生什么”的展示感到兴奋。