“ 智能體開發(fā)在穩(wěn)定性和靈活性之間必須做出一個選擇。”

在前面幾篇文章中介紹了人工智能應(yīng)用中大模型所扮演的角色，以及提示詞在其中的重要性和作用；但在之前的文章也介紹過智能體，工作流之間的關(guān)系，我們今天討論的就是智能體實現(xiàn)過程中，怎么兼顧靈活性和穩(wěn)定性，以及為什么會有工作流的存在。

智能體的靈活性和穩(wěn)定性

關(guān)于智能體的實現(xiàn)或者說關(guān)于大模型應(yīng)用的開發(fā)，其核心都是圍繞大模型所展開；但大模型有一個很大的問題就是其輸出不穩(wěn)定，因此這也成為智能體開發(fā)過程中無法避免的一個問題。

畢竟不能因噎廢食，不能因為大模型輸出不穩(wěn)定就不做智能體了；因此我們需要找一些解決方案來解決這個問題；而其中比較簡單的解決方案就是把復(fù)雜的智能體拆分成一個個小模塊，以局部最優(yōu)解的思路達(dá)到全局最優(yōu)解。

但拆分之后的小模塊怎么串聯(lián)起來呢？使用硬編碼還是使用工作流，或者是其它方式？

從靈活性的角度來說，基于大模型構(gòu)建智能體我們應(yīng)該把所有的功能模塊都交給大模型進(jìn)行處理和調(diào)度，盡量弱化人類在其中的作用；但由于大模型的不穩(wěn)定性，就間接導(dǎo)致智能體的不穩(wěn)定性，特別是調(diào)用鏈路比較長時；局部的不穩(wěn)定性就會隨著鏈路被無限放大。

因此，這時工作流的作用就體現(xiàn)了；通過工作流，可以把智能體的不同模塊串聯(lián)起來，在其中需要人為決策或者容易出現(xiàn)問題的地方，交由人類介入處理；這樣通過人為干涉就可以進(jìn)來保證智能體運行的穩(wěn)定性。

但這里就存在一個問題，在一些固定場景中使用工作流是沒有問題的，但如果在變化比較大的場景中或者業(yè)務(wù)比較復(fù)雜的場景中，工作流可能就不那么好用了，這時可能靈活性更重要。

因此，面對這種問題時應(yīng)該怎么處理？

是應(yīng)該為了保證靈活性而放棄穩(wěn)定性，亦或者是為了保證穩(wěn)定性而放棄靈活性。

我想，這對很多人或者很多場景來說都是一個兩難的抉擇；穩(wěn)定性意味著相對簡單，但擴(kuò)展性差，靈活性意味著復(fù)雜，穩(wěn)定性差；而從成本的角度來看，穩(wěn)定性需要根據(jù)不同的場景開發(fā)不同的智能體，而靈活性由于其功能比較復(fù)雜，其技術(shù)開發(fā)成本高。

以我們自己公司的數(shù)據(jù)分析智能體為例，使用工作流和硬編碼的方式可以解決數(shù)據(jù)分析的準(zhǔn)確率問題；但在產(chǎn)品開發(fā)過程中，其靈活性下降需要根據(jù)不同的場景開發(fā)不同的功能。而我們公司目前由于產(chǎn)品的業(yè)務(wù)場景較復(fù)雜，更多的需要的確實靈活性，但在前面的介紹中也說明了，靈活性會導(dǎo)致智能體的輸出不穩(wěn)定，一個小錯誤會被無限的放大。

所以，在真實的開發(fā)場景中，到底應(yīng)該選擇穩(wěn)定性，還是選擇靈活性；需要根據(jù)自己的業(yè)務(wù)需求做抉擇，而其更像魚和熊掌，兩者不可兼得。

但兩者卻可以合作，在一些比較重要的場景中，我們可以選擇穩(wěn)定性較高的開發(fā)方式；而在一些非核心業(yè)務(wù)中，可以使用靈活性更高的開發(fā)方式。

本文轉(zhuǎn)載自??AI探索時代?? 作者：DFires