高效構(gòu)建智能體技巧 | 含Agent設(shè)計(jì)原則與Workflow構(gòu)建方法

0 評(píng)論 919 瀏覽 0 收藏 9 分鐘

近期閱讀了Anthropic發(fā)布的最新文章《Building effective Agents》, 文章分享了他們對(duì)于如何高效構(gòu)建Agents的相關(guān)思考, 看完后獲得了一些收獲, 與你分享。

01 Anthropic 對(duì) Agent 的定義

Agent是一個(gè)架構(gòu)或者是系統(tǒng)

它即被定義為一個(gè)能夠較長(zhǎng)時(shí)間自主獨(dú)立運(yùn)行,通過(guò)調(diào)用各種工具來(lái)完成復(fù)雜任務(wù)的自主系統(tǒng),也被定義為通過(guò)遵循預(yù)定義工作流的預(yù)設(shè)系統(tǒng)。

所以Anthropic對(duì)Agent系統(tǒng)進(jìn)行了兩類劃分:

1. Agents: 根據(jù)任務(wù)復(fù)雜程度,由LLM動(dòng)態(tài)決定處理流程來(lái)自動(dòng)完成任務(wù),適用于“開(kāi)放性與創(chuàng)造性場(chǎng)景”,如智能客服助理:能夠根據(jù)客戶提出的多樣化問(wèn)題,動(dòng)態(tài)選擇合適的知識(shí)庫(kù)和工具,提供個(gè)性化的解決方案。

2. Workflow: 基于預(yù)設(shè)的編排路徑,在每個(gè)節(jié)點(diǎn)中準(zhǔn)確地調(diào)用LLM節(jié)點(diǎn)和相關(guān)工具節(jié)點(diǎn),從而完成復(fù)雜任務(wù),適用于“標(biāo)準(zhǔn)化與流程化場(chǎng)景”,如客戶評(píng)論批量處理:通過(guò)預(yù)設(shè)的工作流程收集客戶評(píng)論,判斷評(píng)論的情緒,再自動(dòng)生成評(píng)論的回復(fù)文案。

02 Workflow的構(gòu)建方法

1. Prompt chainning (提示鏈編排)

定義:提示鏈的方法是將任務(wù)分解為多個(gè)子任務(wù),每一個(gè)節(jié)點(diǎn)輸入的信息都是前一個(gè)節(jié)點(diǎn)的輸出內(nèi)容。

典型場(chǎng)景:復(fù)雜文本生成,首先生成主題的大綱內(nèi)容,然后檢查大綱是否符合標(biāo)準(zhǔn),接著根據(jù)大綱內(nèi)容逐段撰寫(xiě),每一段都基于前面的內(nèi)容,以確保主題連貫的一致性。

2. Routing (路由編排)

定義:路由的編排方式,類似于Coze的意圖識(shí)別節(jié)點(diǎn),能夠?qū)⑤斎氲男畔⑦M(jìn)行分類,并將其定向?qū)5教囟ǖ奶幚砺窂焦?jié)點(diǎn)。

典型場(chǎng)景:智能客服系統(tǒng),當(dāng)用戶提出問(wèn)題時(shí),系統(tǒng)先判斷問(wèn)題的意圖,再將其分流至響應(yīng)的回復(fù)模塊,比如: 訂單查詢,技術(shù)支持,功能說(shuō)明,投訴建議等處理路徑。

3. Parallelization (并行編排)

定義:并行編排的方式是將LLM同時(shí)處理同一項(xiàng)任務(wù),并在聚合器中整合輸出結(jié)果,從而提高任務(wù)處理的準(zhǔn)確性和全面性。

如圖所示,開(kāi)始節(jié)點(diǎn)為用戶輸入的信息,將用戶輸入的信息同時(shí)輸入至三個(gè)大語(yǔ)言模型節(jié)點(diǎn)進(jìn)行并行處理,并將每個(gè)節(jié)點(diǎn)的輸出結(jié)果進(jìn)行聚合匯總,最終進(jìn)行整體輸出。

典型場(chǎng)景:內(nèi)容合規(guī)審查,多個(gè)大語(yǔ)言模型分別檢測(cè)內(nèi)容中是否存在違規(guī),敏感或不良信息,再由聚合器進(jìn)行綜合判斷,以提高審核的可靠性。

并行編排的優(yōu)勢(shì):

  • 將復(fù)雜任務(wù)拆分為子任務(wù)后,不僅提高輸出質(zhì)量,同時(shí)通過(guò)并行處理的方式,能夠提升輸出的響應(yīng)速度
  • 支持同一個(gè)任務(wù)多次獲得不同的輸出結(jié)果,在聚合器中選擇重復(fù)輸出最高的結(jié)果為最終輸出的內(nèi)容,能夠有效提升輸出信息的可信度

4. Orchestrator-workers (協(xié)調(diào)器編排)

定義:協(xié)調(diào)器編排的方式是由前置的大語(yǔ)言進(jìn)行動(dòng)態(tài)的任務(wù)分解,并將分解后的子任務(wù)派給其他的大語(yǔ)言模型進(jìn)行處理,最終通過(guò)整合子任務(wù)輸出結(jié)果的方式,進(jìn)行最終答案的輸出。

這個(gè)編排結(jié)構(gòu)是不是很像路由編排與并行編排的結(jié)合體,他們之間還是有很多本質(zhì)差異的,比如和路由編排的差異在于:

Routing(路由編排)主要是一種分類機(jī)制,對(duì)輸入的任務(wù)請(qǐng)求進(jìn)行分類,然后再將其導(dǎo)向?qū)iT的任務(wù)處理流程,核心是做子流程的分離,使不同類型的任務(wù)能夠被高效地分配到最適合處理的路徑上,提高系統(tǒng)的整體效率 (適用于明確不同任務(wù)類型的場(chǎng)景)。

Orchestrator-workers(協(xié)調(diào)器編排)核心是由模型對(duì)復(fù)雜任務(wù)進(jìn)行動(dòng)態(tài)拆解與分配,適用于任務(wù)復(fù)雜,且任務(wù)的執(zhí)行順序不可預(yù)測(cè)的使用場(chǎng)景。

典型場(chǎng)景:合同審查,前置的大語(yǔ)言模型將合同審查任務(wù)拆解為: 條款識(shí)別,風(fēng)險(xiǎn)評(píng)估,合規(guī)性審查,修改建議等多個(gè)子任務(wù),并將這些子任務(wù)分配給擅長(zhǎng)處理響應(yīng)任務(wù)的垂直模型,最后再通過(guò)大語(yǔ)言模型將輸出內(nèi)容進(jìn)行整合,生成全面的審查報(bào)告

03 Agent設(shè)計(jì)原則

最后和大家分享一下Anthropic總結(jié)的Agent編排原則,我認(rèn)為有價(jià)值的原則有兩點(diǎn)/

原則一,優(yōu)先用最簡(jiǎn)單的方式搭建,減少Agent架構(gòu)的復(fù)雜性

這一點(diǎn)與做產(chǎn)品類似,先基于需求做最簡(jiǎn)單的MVP,不需要一上來(lái)就構(gòu)建非常復(fù)雜的工作流,系統(tǒng)越復(fù)雜,不僅輸出的時(shí)長(zhǎng)更久,而且成本也更高,所以優(yōu)先用簡(jiǎn)單的方式來(lái)搭建,去解決核心需求/

原則二,將Agent規(guī)劃執(zhí)行的步驟展示給用戶,從而增加系統(tǒng)的可理解性和可信度

比如協(xié)調(diào)器的編排方式,可以讓用戶直觀地查看自動(dòng)分解的任務(wù)結(jié)果和任務(wù)推理過(guò)程,從而增強(qiáng)輸出內(nèi)容的可信度。

參考資料

Building effective Agents,from: Anthropic

Url:https://www.anthropic.com/research/building-effective-agents

作者:在野在也,公眾號(hào):在野在也

本文由 @在野在也 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)作者許可,禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash,基于CC0協(xié)議

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 目前還沒(méi)評(píng)論,等你發(fā)揮!