15｜如何设计Autonomous Agent应用？（下）
李锟
你好，我是李锟。
设计构建自主型智能体是一个很大的话题，上节课我只讲了一半，这节课我来继续讲解。我上节课介绍过，自主型智能体是自主型 AI 应用的一个子集。因此设计自主型智能体，我们需要同时掌握两种应用的设计方法，一种是 AI 应用的设计方法，另一种是复杂业务应用的设计方法。
如图所示，对于复杂的自主型智能体，我们可以大致划分为两部分：一部分是真正与 AI 直接相关的部分，包括与 LM 交互的部分，还包括一些 AI 相关的算法实现部分；另一部分是不与 AI 直接相关的部分，属于普通的业务逻辑，不涉及复杂的算法。
接下来我分别介绍这两部分会用到的设计方法和技术。
提示词工程——挖掘 LLM 潜力的关键技术
自主型智能体是由 LLM 驱动的，而提示词工程是与 LLM 交互的核心，我们人类可以使用很随意的口语化语言与 LLM 交流，然而想要高效地与 LLM 交流，快速达到我们的目的，我们需要精心编辑自己的提示词。虽然已经有了 DSPy 这样的自动提示词工程开发框架，但仍然无法完全取代手工提示词工程。
高效提示词最基本的要求是必须结构化。将提示词结构化，可以采用以下两种常见结构：
划分为角色 - 上下文 - 任务（role-context-task）三段。
划分为指令 - 上下文 - 输入数据 - 输出格式要求（instruction-context-input data-output indicator，ICDO）四段。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 自主型智能体设计需要掌握 AI 应用和复杂业务应用的设计方法，包括与 LM 交互的部分和不与 AI 直接相关的部分。 2. 提示词工程是与 LM 交互的核心，需要结构化和精心编辑提示词，可采用角色-上下文-任务或指令-上下文-输入数据-输出格式要求的结构。 3. 编写高效提示词的常用技巧包括少样本学习、思维链模型、思维树模型和支持自洽性的思维链模型。 4. 与 LM 交互的设计模式包括 ReAct、Plan and Solve、Reason without Observation、LLMCompiler、Basic Reflection、Reflexion Actor、Language Agent Tree Search、Self-Discover和Storm。 5. 自主型智能体相关算法包括深度强化学习（DRL）等，建议从真实需求出发学习算法，Python 开发者可从学习 PyTorch 入手。 6. DDD 是一种通用的软件设计方法，适用于设计开发具有复杂业务逻辑的应用，其中的设计策略和原则也适用于设计自主型智能体，特别是分层架构和限界上下文。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《LLM 自主智能体应用实战课》，新⼈⾸单¥59
《LLM 自主智能体应用实战课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论