引言

隨著人工智能技術的飛速發展，Agent（智能體）的概念已經從科幻小說走進了現實世界。Agent可以被理解為一種具有一定智能的軟件實體，它能夠自主地執行任務、做出決策并與其他系統交互。

在AI技術公眾號的運營過程中，我們收到了許多關于Agent開發的咨詢，因此，本文將從技術角度出發，為大家解析這三個階段的演進方式，并各自提供一個代碼demo案例，為新手程序員提供一份Agent開發的指南。

• Demo地址：https://github.com/q2wxec/langgraph-demo/tree/master/coalagent/

當作能理解語義的API使用

在Agent開發的初級階段，我們可以將大語言模型視為一種能理解自然語言的API。這意味著，我們可以像調用任何傳統API一樣，向Agent發送請求，并期望得到一個經過理解和處理的響應。

在這個階段開發的智能體，大多是在傳統軟件業務流程中，嵌入LLM的能力，對軟件功能進行增強。對LLM使用局限在其對自然語言的理解能力上，應用場景大多局限在，文本生成、總結等方面，與傳統軟件開發調用各類工具的api的模式并無明顯區別。典型用例如下：

短視頻文案創作

我們可以將Agent作為一個內容生成器，輸入視頻的關鍵信息，Agent則能夠根據這些信息生成吸引人的文案。這個過程可以看作是將Agent作為一個文本生成API來使用。

新聞日報總結

另一個典型的應用場景是新聞內容的自動總結。Agent可以接收大量的新聞數據，然后通過自然語言理解能力，提煉出關鍵信息，生成一份簡潔的新聞日報。結合網頁信息獲取工具，我基于LangChain做了一個簡單的新聞總結demo見github。

在這一階段，Agent的開發主要集中在如何更好地理解和處理自然語言上。開發者在AI領域只需要熟悉自然語言處理（NLP）的基本原理，在AI工程上用到最多的也限于提示詞優化，就能夠利用現有的AI模型來實現這一功能。

當作自然語言編程工具使用

從API到編程工具的轉變

在第二階段，Agent不再僅僅是一個理解語言的API，而是一個可以進行自然語言編程的工具。這意味著，開發者可以通過自然語言來指導Agent完成更復雜的任務。

在這個階段開發的智能體，不再局限于文本理解的場景。通過提示詞工程，function_calling等方式，能夠讓大語言模型按提示要求格式化輸出內容，進而在一定程度上能夠重塑傳統軟件業務流程的多個環節，可以說是通過LLM進行自然語言編程應用。典型用例如下：

數據表匯總與去重

在這個場景中，Agent接收多個數據表，然后通過自然語言提示，自動進行數據匯總和去重，最終輸出一份整潔的匯總表。使用LangGraph的流程編排，我實現了一個結合數據處理，過濾，去重，匯總的數據表匯總demo見github。

自動推動業務流程

通過AI執行意圖識別，Agent可以在某些業務流程中減少人工審核環節，自動識別并推動流程的執行。關于大語言模型的意圖識別，我在之前的一篇文章??LLM意圖識別器實踐??中進行過詳細講解，有興趣的小伙伴可以點擊詳讀。

為了實現這一階段的功能，開發者需要掌握提示詞工程和function_calling等技術。這些技術允許開發者通過自然語言來指導Agent的行為，使其能夠按照預期執行特定的任務。

當作真正的智能使用

在Agent開發的第三階段，Agent被真正當作一個智能體來使用。這時，Agent不再只是一個簡單的API或者工具，而是成為了一個具有自主決策能力的智能伙伴。

這個階段的智能體開發，與大家理解的AI原生應用開發大體相同（雖然AI原生應用也沒有一個規范統一的定義），但這個階段的應用開發與傳統軟件開發的思維方式確實是完全不同了，LLM被真正當作智能來使用。

在軟件開發時，可能更多要思考的是，這個事情如果是由一個人類團隊來執行，

• 需要哪些角色（提示詞Role限定）
• 這些相關角色需要具備哪些技能（tools綁定）
• 團隊之間應該如何交互（state設置）
• 團隊之間的工作如何流轉（workflow的設置）

可以看到，這個階段LLM不再作為API獨立存在，而是綁定了角色和技能，并需要進行多個agent的組合，已經與人類智能的使用方式一致。典型用例如下：

Plan-and-Execute

Plan-and-Execute指的是涉及規劃與執行兩個主要步驟的過程，Agent需要根據給定的目標自主生成計劃，并基于計劃步驟自動執行任務，這要求Agent具備理解計劃、制定策略并執行任務的能力。

例如，如果給定的任務是“計劃一次從北京到上海的旅行”，那么大語言模型的“規劃”步驟可能包括確定旅行日期、選擇交通方式、預訂住宿和活動等，而“執行”步驟則可能涉及生成詳細的行程安排和必要的預訂步驟。

作者結合搜索和自動問答工具，使用Plan-and-Execute做了一款搜索問答增強demo見github。

示例2：BabyAgI

BabyAGI是一個由開發者Yohei Nakajima創建的AI驅動的任務管理系統。它利用OpenAI和Pinecone APIs來創建、優先排序和執行任務

在這一階段，開發者需要考慮的是如何將Agent與人類團隊的工作方式相結合。這涉及到角色限定、技能綁定、狀態設置以及工作流程的設置等多個方面。

結語

Agent開發的三重境界代表了AI技術從簡單應用到深度融合的演進過程。隨著技術的不斷進步，我們有理由相信，Agent將在未來的軟件開發中扮演越來越重要的角色。對于程序員而言，理解并掌握Agent開發的這三個階段，將有助于他們更好地適應未來的技術發展趨勢。