优秀Agent智能体必学的几种设计模式，一学就会

大家好，我是老渡。

昨天在公司听了清华大学智能产业研究院现场分享的AI医院小镇。

图片

这是一个虚拟世界，所有的医生、护士、患者都是由LLM驱动的Agent智能体，可以自主交互。它们模拟了整个诊病看病的过程，在浸盖主要呼吸道疾病的MedQA数据集子集上，实现了高达93.06%的最新准确率。

一个优秀的智能体，离不开优秀的设计模式。看完这个案例，我赶紧拜读了吴恩达老师最近发表的 4 种主要的 Agent 设计模式。

吴恩达是人工智能和机器学习领域国际上最权威的学者之一

然后，赶紧整理出来，跟大家分享一下。

模式一、反思（Reflection）

在这种模式下，大模型第一次生成的结果并不直接输出，而是把结果重新丢给大模型让其检查、评估。

它会得出第二版本的结果，而这个版本的结果可能比第一版本工作得更好。

用孔子的话说这叫“吾日三省吾身”。

在这个模式里编写的具体Prompt可以运用我们之前分享几个推理模式，如：少样本(Few-shot)、思维链(CoT)、思维树(ToT)、ReAct等等。

这一模式的核心目的是，在不借助外力的情况下，将大模型的推理能力尽可能发挥到极致。

模式二、工具使用（Tool Use）

这一模式是让智能体能够利用外部工具执行特定的任务。

说白了就是“摇人，专业事交给专业人”。

大模型本质是文本预测，并没有算数、执行代码等能力。遇到这些任务，我们可以让大模型生成式子、代码，然后调用计算器、代码解释器来完成。

这个模式的Agent有了外力的帮助，似乎可以变得更强大了。

模式三、规划（Planning）

这种模式是让智能体将一个复杂任务分解成一系列简单的小任务，然后逐一解决。

其实就是“要把大象放冰箱，拢共分几步”，刚听到这个问题是一脸懵逼，但当看到下图的时候，一下子就豁然开朗了。

图片

模式四、多智能体协作（Multiagent Collaboration）

上一个模式的Agent将复杂任务拆解之后，自然而然就需要多个Agent各司其职，相互协作，共同完成复杂的任务。

图片

之前我们分享过一个开源AI程序员GPT Pilot，他的设计思路就是多Agent模式，模拟了产品经理、架构师、程序员、测试各种角色，完成软件开发任务。

文章开头介绍的AI医院小镇也是这个模式，后续我也会分享这个模式的实践案例。