如何让agent协作起来

AI与人的协同关系生成式AI的人机协同分为3种产品设计模式：Embedding（嵌入式）、Copilot（副驾驶）、Agent（智能代理），在这3种模式下，人与AI的协作流程也是有所差异。Embedding模式：人类完成大多数工作。Copilot模式：人类和AI协同工作。Agents模式：AI完成大多数工作。Agentic Workflow驱动角色工作流变革使用Multiagent Collaboration的方法，让不同角色的Agent按照根据任务要求自主规划选择工具、流程进行协作完成一件任务。我作为一个产品经理角色，我的诉求很简单，需要完成某一个产品功能设计，这个时候通过Agents拆解成多个独立的任务，然后遵循不同的工作流，最后给我生成一份在大体上符合我期望的输出结果，我再修修改改就能够达到可用的阶段了。所以，我从原子能力层重新思考，面对这个快速变化的时代，我该如何去重塑我自己的工作流，以不变应万变呢？我抽象化拆解了大模型的一些底层能力，例如：翻译、识别、提取、格式化等等，其实所有的一些都会围绕几个词“输入”、“处理”、“输出”、“反馈”。“输入”、“处理”、“输出”、“反馈”构建了我最底层的信息处理逻辑，我把它比作四个齿轮，齿轮之间通过不同的衔接工具逐步推动运转，从需求作为输入、结果作为输出，围绕着信息加速，不断驱动我向前。重塑获取信息的方式搜索引擎作为互联网基础设施，同时也是互联网的入口，对于用户而言，从解决问题出发，搜索引擎和基于大模型的聊天机器人的目标从根本上是一致的。自2022年底ChatGPT发布，其通过问答形式被认为将对传统搜索引擎带来颠覆。

最后，让我们一起对整个流程进行测试。首先我们按照预定流程来，即：景点推荐——>路线规划——>食宿安排这个顺序来进行常规路线的跑通。在跑通常规路线后，我们希望再做一些其它的景点推荐，于是我向其发出指令，其成功跳转回了起始点。最后，再来试一下让其跳转到旅游路线规划节点。OK，看起来算是初步成形了，接下来就是按需做进一步的调整和优化了。[heading1]四、总结[content]文章的最后，让我们快速对多Agent模式做一个小结，以便加深印象：1.多Agent模式中的设置分为全局设置和节点设置。在全局设置中，更应该注意角色定义和人物刻画，而后者更关注单个智能体中要详细执行的逻辑。2.要想让Agent达到互相协作的目的，应该在智能体编排中将首尾相连，不然就会成为线性工作流。3.单个Agent中两种跳转模式分别适用于通用和复杂的意图识别和跳转，一般的场景下，前者的效果更好，而后者适用更复杂的意图识别情景。4.在编排时，单个Agent的名称和适用场景应该明确设定好，以让节点跳转模型更好的识触发条件。

最后，让我们一起对整个流程进行测试。首先我们按照预定流程来，即：景点推荐——>路线规划——>食宿安排这个顺序来进行常规路线的跑通。在跑通常规路线后，我们希望再做一些其它的景点推荐，于是我向其发出指令，其成功跳转回了起始点。最后，再来试一下让其跳转到旅游路线规划节点。OK，看起来算是初步成形了，接下来就是按需做进一步的调整和优化了。[heading1]四、总结[content]文章的最后，让我们快速对多Agent模式做一个小结，以便加深印象：1.多Agent模式中的设置分为全局设置和节点设置。在全局设置中，更应该注意角色定义和人物刻画，而后者更关注单个智能体中要详细执行的逻辑。2.要想让Agent达到互相协作的目的，应该在智能体编排中将首尾相连，不然就会成为线性工作流。3.单个Agent中两种跳转模式分别适用于通用和复杂的意图识别和跳转，一般的场景下，前者的效果更好，而后者适用更复杂的意图识别情景。4.在编排时，单个Agent的名称和适用场景应该明确设定好，以让节点跳转模型更好的识触发条件。