wxya（个人网站）Agentic Workflow | 吴恩达b
通过Agentic Workflow 使GPT 达到更好的效果
非 zero-shot 举例看起来是 TOC
Agent
Reflection 和 Tool Use 属于比较经典且相对已经广泛使用的方式，Planning 和 Multi-agent 属于比较新颖比较有前景的方式。
- Reflection（反思，类似于 AI 的自我纠错和迭代）举个栗子，我们让用 Reflection 构建好的一个 AI 系统写个xxx代码，然后 AI 会把这个代码，加上类似“检查此段代码的正确性，告诉我如何修改”的话术，再返回给 AI，AI可能会给你提出其中的 Bug，然后如此反复，AI 自己完成了自我迭代，虽然修改后的代码质量不一定能保证，但基本上来说效果会更好。（Agent 的 Self-Refine）或者两个 Agent 一个写一个 debug
- Tool Use 工具集
- Planning（规划执行）用户输入任务，AI拆解流程、选择工具、调用、执行并输出结果。（智能 Agent 给出 Tool，先规划方式，然后按计划执行，还可以增加检查结果）
- Multi-agent 每个 Agent 被赋予了不同的身份，比如有的是 CEO，有的是产品经理，有的是程序员，他们互相合作互相对话，比如你让他们开发一个简单的小游戏，他们会花几分钟时间来编写代码并测试。尽管有时候不是很有效，但非常有前景和想象力，它模拟了现实生活中的工作场景，Multi-agent 不仅仅只能执行单一任务，而是成为了一个复杂系统。
AI只会回答你的问题，辅助你提高生产力， AI发展到一定时候，他可以成为有一定自我判断能力的AI智能体，你提出要求，他可以自主判断，半自动生产。 最终，AI可以跟你进行互动，你提出的要求，他可以像一个真实的人类员工一样去思考，纠错，最后生产。
Loading...