=Agent设计模式全景图:

img

当用户与 Agent 交互时,【被动目标创建者和主动目标创建者】可以帮助理解用户的意图和环境信息,并在上下文工程中将最终目标进行规范化,而【提示/响应优化器】则根据预定义的模板,对其他 agent/tools 的提示或说明进行优化,以满足特定的格式或内容要求。

给定用户的输入,Agent 通过【检索增强生成】从知识库中获取额外的上下文信息。然后,它通过【单路径计划生成器和多路径计划生成器】构建计划,将最终目标分解为可执行的任务。在这个过程中,可能会进行【单次模型查询和增量模型查询】。

生成的计划应该进行审查,以确保其准确性、可用性、完整性等。【自我反思、交叉反思和人类反思】可以帮助 Agent 从不同的反思实体那里收集反馈,并根据反馈相应地完善计划和解题步骤。

之后,Agent 可以将任务分配给其他基于窄 AI 或非 AI 的系统,调用外部工具,并通过【工具/agent 注册表】使用一组 Agent 来实现目标。特别是,Agent 可以在同一任务上工作,并通过【基于投票、基于角色或基于辩论的合作】来最终确定结果。

例如,Agent 可以扮演不同的角色,如协调器和工作者。【代理适配器】不断学习不同工具的接口,并将它们转换为 FM 友好的环境。【多模态护栏】可以用于管理和控制基础模型的输入/输出。同时,使用的 Agent 将执行各自的推理、计划和执行过程,这可能需要通过【检索增强生成、工具/agent 注册表和代理适配器】访问外部系统。

最后,我们声称开发者可以通过【代理评估器】在设计时和运行时评估 Agent 的性能。

图:用UML序列图表示的Agent设计模式全景图

img

图:Agent设计模式之间的连接关系

img

AI Agent 常见的九种设计模式📖。

  • ReAct 模式原理:将 Reasoning 和 Act 结合,执行行动后有 Observation,维持短期记忆。比如找胡椒粉,会根据每步观察决定下一步行动🧂。
  • 实现:生成提示词,大模型生成 Thought + Action,调用外部工具,生成 Observation,循环至 Action 为 Finish,输出结果。
  • Plan and solve 模式:先计划再执行,适合复杂任务,如炒菜🍳,计划会根据情况变化。
  • LLM Compiler 模式:并行 Function calling 提高效率,像计算年龄差可同时搜索。
  • Basic Reflection 模式:类似师生互动,Generator 写作业,Reflector 批改。
  • Self - Discover 模式:对 task 本身反思,选择合适方式重新推理。
  • REWOO 模式:隐式嵌入 Observation,如审批流,各步骤相互依赖。
  • Language Agent Tree Search 模式:融合多种方式,通过树搜索强化学习。
  • Reflexion 模式:升级版,引入外部数据评估,更具建设性。
  • Storm 模式:先生成大纲再丰富内容,可创作文章📃

在这里插入图片描述

1. 被动模式与主动模式

这部分介绍目标创建的被动与主动模式,在被动模式下,智能体对用户“言听计从”,不自作主张;在主动模式下,智能体除了遵从用户指令外,会利用工具捕捉一些上下文信息,做一些“举一反三”的工作,类似于一些大模型产品提供的“指令润色”功能。

img

2. 提示词工程与RAG

接下来是业界广泛提到的提示词工程与RAG,已经成为大模型工程的标配技术。

img

3. 模型查询

对于简单的问题,智能体只需一次访问FM,即可得到答案。碰到复杂问题,智能体需要多次访问FM,通过多轮迭代逐步逼近答案。

img

4. 计划生成

img

5. 反思机制

生成的计划应该进行审查,以确保其准确性、可用性、完整性等。【自我反思、交叉反思和人类反思】可以帮助 Agent 从不同的反思实体那里收集反馈,并根据反馈相应地完善计划和解题步骤。

img

6. 多Agent合作

img

7. 其他技术

img

img

AI 智能体的设计模式是构建高效、灵活且适应性强的智能系统的关键。根据最新的研究和实践总结,以下是一些常见的 AI 智能体设计模式:

1.反思(Reflection)模式
反思模式是一种让 AI 模型通过自我评估和迭代优化来提高任务执行能力的方法。模型在生成初始解决方案后,会检查输出结果,发现改进点并进行优化。

2.工具使用(Tool Use)模式
该模式允许 AI 智能体通过调用外部工具(如搜索引擎、代码执行平台等)来扩展自身能力。通过整合外部工具,AI 系统能够在特定任务上达到更高的效率和准确性。

3.规划(Planning)模式
规划模式将复杂任务分解为多个有序步骤,并逐一执行这些步骤以达成目标。这种模式通过任务分解提高了执行的准确性和灵活性,适合处理复杂的、多步骤的任务。

4.多智能体协作(Multi-agent Collaboration)模式
在这种模式下,多个智能体通过分工协作来共同完成复杂任务。智能体之间可以共享信息、协调行动,从而提高任务执行的效率和准确性。

5.链式工作流(Chain Workflow)模式
链式工作流将多个任务按线性序列组织,一个步骤的输出作为下一个步骤的输入。这种模式适用于任务具有明确顺序且每个步骤依赖于前一步输出的场景。

6.路由工作流(Routing Workflow)模式
路由工作流根据输入条件动态选择执行路径,将任务路由到不同的处理流程。这种模式适合任务输入复杂且不同输入需要专门处理的场景。

7.编排器-工作者(Orchestrator-Worker)模式
在这种模式下,中央 AI(编排器)负责将任务分配给专门的子进程(工作者),每个工作者负责不同的功能。这种模式通过并行处理提高了效率和专业化程度。

8.评估器-优化器(Evaluator-Optimizer)模式
该模式通过迭代评估和优化来不断改进任务处理效果。评估器负责评估智能体输出的质量,优化器则根据反馈进行改进。

9.并行化工作流(Parallel Workflow)模式
并行化工作流通过同时执行多个任务或处理多个数据集来提高效率,适合处理大量独立数据或多个请求的场景。

写在最后,这些设计模式各有优势和适用场景,开发者可以根据具体任务需求选择合适的设计模式来构建高效的 AI 智能体系统。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线科技企业深耕十二载,见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事,早已在效率与薪资上形成代际优势,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包

  • ✅ 从零到一的 AI 学习路径图
  • ✅ 大模型调优实战手册(附医疗/金融等大厂真实案例)
  • ✅ 百度/阿里专家闭门录播课
  • ✅ 大模型当下最新行业报告
  • ✅ 真实大厂面试真题
  • ✅ 2025 最新岗位需求图谱

所有资料 ⚡️ ,朋友们如果有需要 《AI大模型入门+进阶学习资源包》下方扫码获取~
在这里插入图片描述

① 全套AI大模型应用开发视频教程

(包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点)
在这里插入图片描述

② 大模型系统化学习路线

作为学习AI大模型技术的新手,方向至关重要。 正确的学习路线可以为你节省时间,少走弯路;方向不对,努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划,带你从零基础入门到精通!
在这里插入图片描述

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档,我精选了一系列大模型技术的书籍和学习文档(电子版),它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。
在这里插入图片描述

④ AI大模型最新行业报告

2025最新行业报告,针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。
在这里插入图片描述

⑤ 大模型项目实战&配套源码

学以致用,在项目实战中检验和巩固你所学到的知识,同时为你找工作就业和职业发展打下坚实的基础。
在这里插入图片描述

⑥ 大模型大厂面试真题

面试不仅是技术的较量,更需要充分的准备。在你已经掌握了大模型技术之后,就需要开始准备面试,我精心整理了一份大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余

图片

以上资料如何领取?

在这里插入图片描述

为什么大家都在学大模型?

最近科技巨头英特尔宣布裁员2万人,传统岗位不断缩减,但AI相关技术岗疯狂扩招,有3-5年经验,大厂薪资就能给到50K*20薪!

图片

不出1年,“有AI项目经验”将成为投递简历的门槛。

风口之下,与其像“温水煮青蛙”一样坐等被行业淘汰,不如先人一步,掌握AI大模型原理+应用技术+项目实操经验,“顺风”翻盘!
在这里插入图片描述
在这里插入图片描述

这些资料真的有用吗?

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理,现任上海殷泊信息科技CEO,其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证,服务航天科工、国家电网等1000+企业,以第一作者在IEEE Transactions发表论文50+篇,获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的技术人员,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。
在这里插入图片描述
在这里插入图片描述

以上全套大模型资料如何领取?

在这里插入图片描述

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐