AI Agent 作為具備感知環境、做出決策和執行動作能力的智能實體，正在成為人工智能領域的關鍵發展動向。

隨著大型語言模型（LLM）技術的持續進步，AI Agent 的潛力正被逐步揭示，它們不僅能夠完成基于指令的任務，還能表現出更高水平的自主性和主動性。

在最近的紅杉 AI Ascent 2024 活動中，人工智能領域的杰出人物吳恩達教授發表了一場關于 AI Agent 的富有洞見的演講。他深入探討了 AI Agent 的最新發展趨勢和設計模式，為參與者提供了關于人工智能未來方向的深入理解。

AI Agent 工作流的效果

吳恩達教授在演講中著重指出，AI Agent 正在引領工作流程的革新。與傳統的工作流程不同，AI Agent 通過迭代和對話式的模式工作，不再是簡單的指令執行者，而是能夠進行自我反思、規劃和修正的參與者。

在傳統的工作流程中，用戶向 AI Agent 模型輸入指令，模型生成回答，這種方式類似于要求人類專家連續不斷地完成任務，沒有提供反思和修正的空間。

相對而言，AI Agent 的代理工作流是一個動態的、迭代的過程。AI Agent 首先接收一個大致的任務，然后制定工作計劃，執行任務，并在每一步中進行自我評估和修正。

這種工作流程類似于人類在寫作、編程或其他創造性任務中的思考過程，允許 AI Agent 通過不斷的迭代來提升工作成果的質量。例如，AI Agent 可能會先創建一個草稿，然后審查和修改，這個過程可能會重復多次，直到達到滿意的結果。

吳恩達教授通過案例研究展示了 AI Agent 代理工作流在編程任務中的實際效果。使用代理工作流的 AI Agent 能夠生成更高質量的代碼，并在遇到錯誤時自我修正，這種工作流不僅提升了代碼的準確性，還減少了人為干預的需求。

吳恩達教授團隊分析了一個叫做"人工評估基準測試"的編碼基準數據,它包含諸如"給定一個非空整數列表，返回所有偶數位置元素的和"之類的編碼問題?，F有的做法是使用零樣本提示，即直接讓人工智能編寫代碼并運行，但沒有人是這樣編碼的。

研究發現，GPT-3.5 使用零樣本提示時只有 48% 的正確率，GPT-4 提高到了 67%。但如果在 GPT-3.5 上使用一個代理工作流程，它的表現實際上比 GPT-4 還要好。如果在 GPT-4 上使用代理工作流程，它的表現也非常出色。這意味著采用代理工作流程對于構建應用程序至關重要。

四種 AI Agent 設計模式

吳恩達教授還提到了 AI Agent 的四種關鍵設計模式，它們是實現其高效執行復雜任務的基礎。這些模式包括反思（Reflection）、工具使用（Tool Use）、規劃（Planning）和多智能體協作（Multiagent Collaboration），共同構成了 AI Agent 的能力框架。

1. 反思

反思（Reflection）允許 AI Agent 在完成任務后，能夠對自身的輸出進行再次審視和評估。在這種模式下，AI Agent 不僅僅是執行任務，而是能夠像人類專家一樣，對自己的工作進行批判性思考。

例如，AI Agent 可能會生成一段代碼，然后根據預設的標準或反饋，自我檢查代碼的正確性、效率和結構，并提出可能的改進措施。這種自我監督和修正的能力，使得AI Agent在執行任務時能夠不斷提高準確性和效率。

2. 工具使用

工具使用（Tool Use）賦予 AI Agent 使用外部工具和資源的能力，以此來擴展其功能和提高生產效率。

這種模式下，AI Agent 可以搜索網頁、生成和運行代碼、分析數據等，利用各種工具來收集信息、執行操作。

例如，AI Agent 可能會使用圖像處理工具來分析和處理圖像數據，或者調用 API 來獲取和整合外部信息。這樣的能力使得 AI Agent 不再局限于其內置的知識庫，而是能夠與外部系統交互，從而更好地適應多變的任務需求。

3. 規劃

規劃（Planning）強調 AI Agent 在面對復雜任務時，能夠進行系統性的規劃和步驟分解。AI Agent 不僅能夠理解任務的整體目標，還能夠制定出詳細的行動計劃，并按照計劃逐步推進任務的完成。

這種模式下，AI Agent 能夠展現出類似于人類的前瞻性和策略性思維。例如，AI Agent 可能會在進行項目管理時，先確定項目的主要里程碑，然后為每個里程碑制定具體的執行步驟和時間表，確保項目能夠有序進行。

4. 多智能體協作

多智能體協作（Multiagent Collaboration）突出了多個 AI Agent 之間的合作和協調。在這種模式下，每個 AI Agent 都可以扮演特定的角色，并與其他 AI Agent 共同協作以完成復雜的任務。

這種合作可以模擬真實世界中的團隊工作流程，通過代理間的互補和協同作用，提高整體的執行效率和創新能力。

例如，在一個開源軟件開發項目中，一個 AI Agent 可能負責編寫代碼，而另一個 AI Agent 則負責代碼審查和測試，通過這樣的分工合作，共同推動項目的成功完成。

總結

這些模式的結合使用，不僅提升了 AI Agent 在單個任務中的執行能力，還為其在更廣泛的應用場景中進行協作和創新提供了可能。隨著這些模式的進一步發展和完善，AI Agent 將在未來的工作流程中發揮更加關鍵的作用，推動各行各業向智能化轉型。

AI Agent 的代理工作流在多個行業中展現出其實際應用的巨大潛力。吳恩達教授提到了這些智能體在編程、研究和多模態任務處理等領域的應用。

在演講中，吳恩達教授采用了 "Agentic Reasoning" 作為主題，這一概念可以翻譯為“代理性推理”。它指的是 AI Agent 在執行任務時所采用的一種推理方式，涉及自主性、目標導向和問題解決的能力。

代理性推理強調 AI Agent 不僅僅是對輸入做出反應，而是能夠主動地進行思考、規劃和決策，以實現特定的目標或應對復雜的問題。這種推理方式使得 AI Agent 更加類似于一個自主行動的智能體，能夠在多變的環境中靈活地執行任務。由此可見，AI Agent 的下一步發展或許才是真正意義上的智能體。

本文轉載自??AI探索者知白??，作者：知白