吴恩达：多智能体协作是新关键，软件开发等任务将更高效

创作时间:

作者:

@小白创作中心

引用

澎湃

https://m.thepaper.cn/newsDetail_forward_27173809

在AI领域，多智能体协作正成为一种新的关键设计模式。特别是在软件开发等复杂任务中，通过让不同的智能体执行特定子任务，可以实现更高效的工作流程。本文将深入探讨这一技术趋势，并介绍相关的工具和研究进展。

不久前，吴恩达在一次讨论中提到基于GPT-3.5构建的智能体工作流在应用中表现优于GPT-4，这引发了广泛讨论。这一发现表明，在AI领域，将目光局限于大模型并不一定是最优选择，智能体系统可能展现出超越基础模型的能力。

在软件开发领域，多智能体协作展示了独特的优势。想象一下，一个由多个智能体组成的团队，每个成员都专注于特定任务，如代码审查、错误检测或新功能实现。这种协作方式能够显著提升开发效率，甚至实现代码的自动生成。

吴恩达在最新文章中深入探讨了这一领域，介绍了AutoGen和LangGraph等工具。这些工具旨在帮助开发者更容易地部署和管理AI智能体，从而充分发挥其潜力。即使是没有深厚编程背景的人，也能利用这些工具优化和自动化软件开发流程。

多智能体协作是吴恩达在最近几封信中描述的四种关键AI智能体设计模式之一。对于像编写软件这样的复杂任务，多智能体方法会将任务分解成由不同角色（如软件工程师、产品经理、设计师、QA工程师等）执行的子任务，并让不同的智能体完成不同的子任务。

尽管我们多次调用同一个大型语言模型（LLM），但我们采用多智能体的编程抽象方法，这看似违反直觉，但却有几个理由支持：

效果显著：许多团队使用这种方法取得了良好的效果，消融研究（例如在AutoGen论文中）表明，多智能体的表现优于单一智能体。
理解能力：虽然一些LLM能接受非常长的输入上下文，但它们真正理解长而复杂输入的能力有限。采用智能体工作流，让LLM一次专注于一件事，可以获得更好的表现。
任务分解：多智能体设计模式为开发者提供了一个框架，用以将复杂任务分解成子任务。这种抽象有助于将任务分解成更易于编码的子任务。

在许多公司中，管理者通常会决定招聘哪些角色，然后将复杂项目（如编写一大块软件或准备研究报告）分解为更小的任务分配给具有不同专长的员工。使用多个智能体的做法与此类似。每个智能体实施自己的工作流程，拥有自己的记忆，并可能请求其他智能体的帮助。智能体还可以进行规划和使用工具，这会形成非常复杂的工作流程。