吴恩达在红杉美国 AI 峰会上分享了他对 AI Agent 智能体的看法，主要包括以下 3点：基于大模型的 AI Agent 工作流、AI Agent 工作流效果、AI Agent 的四种设计模式。

基于大模型的 AI Agent 工作流

我很期待与大家分享我在 AI Agent 智能体中看到的令人兴奋的趋势，我认为每个 AI 从业者都应该关注这个趋势。

目前，我们使用大语言模型的主要方式是一种非智能体工作流程，即您输入一个提示词，大模型就生成一个回答。这有点像让一个人坐下来一次性从头到尾编写一篇文章，而不允许使用退格键，尽管这样做很难，但大模型的表现出奇地出色。

相比之下，AI Agent 智能体工作流程看起来是这样的（如下图右边所示）：一个 AI 大模型，我们让它写一份论文大纲。需要上网查资料吗？如果需要，就联网。然后写初稿、读初稿，并思考哪些部分需要修改。继续修改初稿并推进。

很多人没有意识到，这种做法可以带来显著的改进效果。我自己在使用这些代理工作流程时也感到非常惊讶，它们工作得如此之好。

总之，这种有迭代反思的做法会带来显著的改进效果。

基于大模型的 AI Agent 工作流效果

比如：给定一个非空整数列表，返回位于偶数位置的所有奇数元素的和。大模型生成的答案是像这样的代码片段（如下图所示）：

事实证明，如果你使用 GPT-3.5，在零样本提示的条件下，GPT-3.5 的准确率是 48%。GPT-4 要好得多，达到了 67%。但如果你采用的是 AI Agent 智能体工作流，并将其打包，GPT-3.5 实际上能表现更好，甚至比 GPT-4 还好。

如果你围绕 GPT-4 构建这样的工作流，GPT-4 也能表现得很好。注意，处于AI Agent 智能体工作流中的 GPT-3.5 实际上优于 GPT-4。这是一个信号。

解释一下上图：Reflection、Tool Use、Planning、Multiagent 是吴恩达提到的四种 Agent 设计模式，后续会详细介绍。

其实基于 Agent 的工作流程才符合人类的习惯，毕竟对于一段复杂的程序，没有一个程序员是从头写到尾的，一般都是先能跑通，然后不断优化重构，补充异常处理，持续迭代优化的过程。

AI Agent 的四种设计模式

Reflection 反思设计模式

很好理解，如果你让大模型写一段代码，它会立马给你一个反馈。这时候你可以将它输出的代码片段再输入回去，让大模型仔细检查它写的代码的准确性、结构规范性等，并且给出评论。

然后再将这些反馈结果输入给大模型，它可能会输出一个比第一版更好的代码。

我之前描述的是一个单一的编码 AI Agent 智能体 ，你提示它与自己进行交互。这个想法的一种自然延伸是，不是单一的代码 AI Agent 智能体 ，而是有两个AI Agent 智能体，一个是编码 AI Agent 智能体 ，另一个是评审 AI Agent 智能体 。它们可以基于同一个语言模型，但你以不同的方式对它们进行提示，对一个说“你是专业编码者，编写代码”，对另一个说"你是专业代码评审员，评审这段代码"。这种工作流程实际上非常容易实现，我认为它是一种通用技术，可以为很多工作流程带来显著的大语言模型性能提升。

Tool use 工具使用设计模式

相信大家使用 Copliot，或者月之暗面的 Kimi Chat，你给出 Prompt 提示词，它首先会检索互联网上的内容，基于检索到的内容进行总结分析，给出结论。

这个其实就是大模型使用「网页搜索」工具的例子。

再比如：你问大模型，今天的天气如何？这个时候大模型会调用天气预报工具得到今天的的天气状况。

Planning 规划设计模式

在我进行的一些现场演示中，有些演示会失败，AI Agent 智能体会重新规划路径。我经历过很多这样的时刻。其中一个例子是从 HuggingGPT 论文中改编的，输入的是：请生成一张图片，一个女孩在看书，她的姿态和图像中的男孩一样，再使用你的声音描述这张新图片。

今天有了 AI Agent 智能体，你可以确定第一件要做的事是确定男孩的姿态，提取姿态。接下来需要找到一个姿态图像模型，遵循指令生成一张女孩的图像。然后使用图像 - 文本模型得到描述。最后使用文本转语音模型读出描述。

Multiagent collaboration 多智能体协作设计模式

多智能体协作，这部分很很有趣，比你想象的好很多，类似于之前大火的 AI 斯坦福小镇。

吴恩达举的例子是开源项目 ChatDev，你可以让一个大模型扮演不同的角色，比如：公司CEO、设计师、产品经理或测试人员，这些 Agents 会相互协作，共同开发一个 App 或者复杂程序。

虽然不是每次都能成功，但有时确实非常惊艳！