拆解agent

拆！如果单次请求里面不能很好地遵循且完成所有的事情，那麽拆出来，一步一步去做。比如用户表达了自己想要达成的目标，接着就是让大模型去根据这个目标去拆分出来step by step的子任务，再利用工程的方式循环去请求子任务，（中间可能会插入新的任务），直到所有的子任务都被执行完成。这就是去年轰动一时的AutoGPT（Planning and excute）。但是AutoGPT其实只是学术界的一种探索，这东西很难落地，除了一些demo产品，我只在一个叫实在智能的RPA上见过。原因有非常非常多，之前的文章里我也提了很多次。这里只讲几个最难解的。1.计划赶不上变化，提前规划的任务如何保证都能正确执行？2.大模型也不是全知全能，如何保证规划的任务就是对的？3.既然是工程化执行，那何时进入到循环，何时退出循环又是一个问题。下面是当时在实在智能RPA Agent上的截图。或者有兴趣的也可以自己去搜AgentGPT，自己试着跑几个case就知道了。其实大家后来都有在解这些问题，只是思路、解法都不太一样。比如OpenAI开始搞Tools，FastGPT搞了可视化的workflow编排，后面大家都开始意识到好像workflow是一个短期最优解，于是各家都开始做。

拆！如果单次请求里面不能很好地遵循且完成所有的事情，那麽拆出来，一步一步去做。比如用户表达了自己想要达成的目标，接着就是让大模型去根据这个目标去拆分出来step by step的子任务，再利用工程的方式循环去请求子任务，（中间可能会插入新的任务），直到所有的子任务都被执行完成。这就是去年轰动一时的AutoGPT（Planning and excute）。但是AutoGPT其实只是学术界的一种探索，这东西很难落地，除了一些demo产品，我只在一个叫实在智能的RPA上见过。原因有非常非常多，之前的文章里我也提了很多次。这里只讲几个最难解的。1.计划赶不上变化，提前规划的任务如何保证都能正确执行？2.大模型也不是全知全能，如何保证规划的任务就是对的？3.既然是工程化执行，那何时进入到循环，何时退出循环又是一个问题。下面是当时在实在智能RPA Agent上的截图。或者有兴趣的也可以自己去搜AgentGPT，自己试着跑几个case就知道了。其实大家后来都有在解这些问题，只是思路、解法都不太一样。比如OpenAI开始搞Tools，FastGPT搞了可视化的workflow编排，后面大家都开始意识到好像workflow是一个短期最优解，于是各家都开始做。

1.如何判断自己的任务/Prompt是否需要拆解为工作流？构建稳定可用的AI Agent是一个需要不断调试和迭代的过程。Agent工程的终极目标是打造出流程尽量简洁、Prompt尽量精炼、生成结果最稳定的智能体。我们通常从当前性能最强的LLM（如ChatGPT-4和Claude 3.5 sonnet）着手，先用单条Prompt或Prompt Chain（可以简单理解为与LLM连续对话，引导LLM逐步完成复杂的任务）来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的LLM，逐步拆解子任务，降低LLM执行单任务的难度，直到达成工程目标。一般而言，对于类似文中这种场景多样、结构复杂、对输出格式要求严格的内容，我们基本可以预见到需要将其拆解为工作流。此外，鉴于LLM只能处理文本输入输出的特性，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。2.只用了一段Prompt的Agent，还算AI Agent吗？算。详见[关于LLM、Prompt、Agent的概念理解](https://zkv549gmz8.feishu.cn/wiki/KhXkwqngAitUufkHNUUcPP57nDb?from=from_copylink)