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
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