AI大模型运维开发探求第四篇:智能体分阶段演进道路

ataC0Y 发表于 2025-3-13 10:35:38 | 显示全部楼层 |阅读模式 |快速收录 正在第三篇对于智能体的文章公布后，很多同学纷繁前去征询智能体相干的降天细节。颠末多少轮工程迭代，智能体工程取最初的架构比拟，已经有了清楚的区分。原文将具体陈说那些差别演退阶段所碰到的成就及其应付战略，供各人参照战借鉴。 01 智能体1.0：工程化思惟链正在前三篇文章中，咱们提到了怎样从LangChain的Agent&Tool一步步背前探究，演退成了一个智能体工程。前期的根究历程正在那里便再也不赘述了，上面咱们间接从工程道理道起。 如上图所示，全部过程运做的中心实在即是搞那三件工作：提醒词汇输出，剖析年夜模子前去，拼交东西前去到提醒词汇。那里从 Question 到 Thought 再到 Action 的拉理历程咱们称之为 chain-of-thought(思惟链)，颠末思考大白举动，颠末举动反应退一步思考，最初支敛得到一个论断。因而全部思惟链拉理历程其实不庞大。瞅起去简朴的思惟链工程，却处置了一个很年夜的成就，咱们使用东西的时候，没有需要再来精密计较每一个东西的输出输出构造，只要每一个东西的使用语义是明了毗连的，年夜模子就可以自由挪用那些东西。咱们把一堆可以有效的东西齐塞给年夜模子，它就可以合成任务，挪用东西，去完毕庞大的工作。建立完思惟链工程以后，咱们将如许的思惟链情势念患上比力万能，仿佛只要东西充足多，智能体就可以处置所有成就。但是幻想是，如许的智能体能处置一点儿成就，但是未几，也经常呈现挪用东西时候参数禁绝的成就。因而，咱们不竭天劣化东西，让东西的输出参数尽可以容错，甚么string, list, dict 万能支，干一层适配变换。但是即使是如许，仍是会呈现一点儿较初级的毛病。因而咱们从头思考起东西自己去，那个面咱们正在第一篇中有提到过，为何许多编程语言中皆有class(类)那个观点？没有即是class(类)真例化以后能够保存许多参数么，而后咱们只要施行.do()如许的类似的办法就可以十分便利天挪用class(类)函数了，有些函数以至皆没有需要有参数，因为函数会主动从class真例中能够读到参数。因而借鉴那个观点设想，咱们测验考试了东西真例化，具体的实践那里没有睁开了，详睹第一篇的里背AI工具的AI编程章节。咱们使患上智能体能够先真例化东西，而后再去挪用，如许便确实削减了东西挪用。可是东西真例化也衍死出了一个成就，即是东西能够被真例化屡次，智能体正在拉理过程当中，便需要影象那些真例化后的东西：咱们改正思惟链的提醒词汇模板，咱们正在屡屡观察数据前去时，也会提醒年夜模子有哪些东西已经被真例化，但是一朝东西真例化多了以后，异常的成就又呈现了，智能体可以又会分没有浑，间接把东西真例皆找错了。以是，咱们实在面临如许一个近况：是否是单个智能体实在出那末万能？咱们需要一种办法去处置庞大的成就。 02 智能体2.0：真例化智能体咱们跟着东西真例化的思路持续演退，咱们发明实在能够真例化的不但唯一东西，实在智能体也能干真例化。如何理解呢？既然智能体能够饰演某个范围的大师，这他能不克不及饰演一个更小范围的大师，好比那个大师只可诊疗某个具体的工具。好比某台交流机，以下示例： 智能体真例化，颠末将各类真例参数的上调，智能体正在拉理过程当中，退一步专一于拉理自己，削减了各类挪用时参数的滋扰。颠末真例化智能体，咱们能够将办理的统统工具皆截至一次真例化。正在k8s云本死的时候，咱们各类设想皆参照k8s，可以期望每一个资本有一个URI，而后能够颠末CRUD对于资本截至操纵。现在到了真例化智能体以后，咱们能够将每一个资本皆酿成一个智能体真例，以至均可以复用资本的URI，正在CRUD中增加一个/chat的对于话接互路子便可。根据咱们正在第三篇终提到过的例子，假设要排查庞大成就，只要供让一个更基层的智能体打个询问那些智能体真例，就能够完毕排查。更多细节能够参照第三篇。 幻想上，这类智能体排查场景仍是偏偏幻想化，凡是理论营业降天过程当中，呈现了二个成就：1. 拉理可靠性：许多场景存留着较多的SOP(尺度功课法式)，假设呈现甚么成就根据某个既定过程来排查便可。可是年夜模子关于那个过程的依照经常会没有太颠簸，有些时候会漏下步调，有些时候有发生幻觉，出问多少句便自大谦谦天道成就已经处置了。假设动作一个阶段性的尝试产品可以充足了，可是要上消耗确实借不敷，固然咱们已经颠末真例化充实天提拔了智能体东西挪用的可靠性，可是年夜模子自己的拉理可靠性并无提拔出格多。2. 东西死态：给智能体使用的东西并不是现成，为了给年夜模子使用，可以需要劣化一下输出输出。但是当咱们将那些东西劣化完，咱们又会冒出另一个疑义，东西皆这样愚瓜了，要甚么智能体？间接用剧本串一下可以就可以跑起去了。以是，目前智能体使用东西另有些抉剔，建立东西自己即是智能体降天的事情质。戴着那二个成就，咱们开端退一步劣化咱们的智能体。 03 智能体3.0：构造化智能体智能体模子 咱们调研了AutoGen、CrewAI、OpenAI Swarm、LangGraph等多智能体的计划，发明那些启源计划确实皆正在颠末过程、脚色、分层等构造化的方法，退一步提拔多智能体的处置成就的才气。那里咱们便发生了一个猜疑，那些智能体之上的构造拓扑，怎样战智能体自己分离？怎样能让构造去提拔智能体的才气，而非只是是提拔零丁某个过程的才气。咱们从蚂蚁启源的 agentUniverse 中吸取到了一点儿灵感，那些拓扑构造可否干通用化的抽象以后，内乱敛到智能体内部？agentUniverse 框架预置有多少已经正在实在财产中考证有用的多智能体合作情势组件。此中，“PEER” 是最具特性的情势之一。PEER方式 ：该情势颠末方案（Planning）、施行（Executing）、表示（Expressing）、评介（Reviewing）四个差别工作的智能体，完毕对于庞大成就的多步装解、分步施行，并鉴于评介反应截至自立迭代，终极提拔拉理阐发类任务表示。那一情势清楚合用于需要多步装解、深度阐发的场景，好比关于工作的解读、宏中不雅经济阐发、贸易计划的可止性阐发等。咱们正在智能体2.0-真例化智能体的实践中，指定东西挪用实际上是必不成少的，好比提问改写(前置)、企图识别(前置)、答复格局化(后置)、答复实在性校验(后置)等。假设把那些东西挪用搁到思惟链中，报告智能体，您正在拉理的第一步或者最初一步必须要干甚么，会比力高效：既多一次串止年夜模子挪用，又会挪用没有颠簸，经常会漏挪用。以是需要有一种智能体的模子，能够融合自由挪用思惟链战牢固挪用事情流。因而咱们将智能体模子干了退一步构造化提拔： 颠末如许的一个模子，咱们将事情流战思惟链干了结构性的融合，使患上正在一个智能体中，既能便利天设置牢固东西挪用链，又能设置自由挪用的思惟链。共时，因为将事情流内乱敛正在智能体中，以是事情流的劣化即是对于智能体的劣化，那使患上事情流战智能体劣化目标完整对于齐。反过去思考那个成就，实在同样成坐：假设晓得某个营业范围的大师，将归纳的经历变换成一个事情流，那个事情流可以战年夜模子毫相关系，但是那个事情流能够十分下效天处置一定范围的成就，那末那个事情流战智能体有甚么区分呢？咱们觉得二者能够等价。当咱们拉导出agent == workflow观点以后，咱们可以会即刻遐想到 Runnable 那个Langchain中的观点，鉴于那个观点，咱们能够拉导出 agent == tool。 正在LangChain中， Runnable 是 LangChain 顶用于界说一个可运行工具的抽象交心。它许可开辟者界说所有施行某种操纵的逻辑单位，并颠末尺度化的办法使其能够正在更年夜的体系中无缝合作。 因而，咱们鉴于Runnable的那个观点，能够将 agent == tool == workflow 那三个抽象观点分歧。瞅起去仿佛很酷？那个观点分歧又让咱们遐想到了，年夜教正在进修编程语言的时候，咱们常道哪些语言中函数是一等百姓(first-class citizen)，哪一个语言中工具是一等百姓(first-class citizen)。 In a given progra妹妹ing language design, a first-class citizen is an entity which supports all the operations generally available to other entities. These operations typically include being passed as an argument, returned from a function, and assigned to a variable. 那末正在年夜模子死态中，可否也能够存留类似的观点？咱们可否能够测验考试将Runnable看做是一等百姓(first-class citizen)？颠末Runnable的观点观点分歧，如许智能体便具备了无限递回的才气，每一个智能体中能够挪用其余智能体。以是，能够没有松散天道，那个智能体模子是图灵完整的。 正在可计较性实践，假设一系列操纵数据的划定规矩（如指令散、编程语言、细胞主动机）能够用去模仿所有图灵机，那末它就契合图灵完整（Turing-complete或者computationally universal）。那表示着那个体系也能够识别其余数据处置划定规矩散，图灵完整性被用做表示这类数据处置划定规矩散的一种属性。现在，险些统统编程语言皆是具备图灵完整性的。那个词汇以引进图灵机观点的数教野艾伦·图灵定名。 年夜模子中心件 正在降天构造化智能体的过程当中，咱们逐步发明智能体的使用场景，正在年夜模子底座之上，由能够分出 年夜模子营业仄台、年夜模子中心件 如许二层： 年夜模子营业仄台(ABM-Mind)：供给年夜模子场景下的各类丰硕的使用才气，如智能体、会话、绘布等，而且那些才气并非自力建立的，是能够多沉才气叠减的。年夜模子中心件(runnable-hub)：鉴于worker供给丰硕的可组拆才气，好比咱们前面提到Agent中的prerun、postrun、chain那些枢纽才气，均是由多个worker的才气组拆而成的。 为何咱们需要装出年夜模子中心件(runnable-hub)那层呢？ 1、咱们发明年夜模子仄台层功用经常需要革新迭代，跟着营业场景、年夜模子底座的变革而呈现各类变革。2、年夜模子屡屡挪用凡是会包罗较少的同步历程，那对于遍及CRUD为主的营业编程模子其实不友好，假设引进DAG叠减同步以后，便会变患上更庞大。 颠末如许中心件分层革新后的年夜模子营业仄台大步流星，没有需要再被年夜模子同步伐用历程所束缚，只要把任务提接下来，等候回调便可。原来那段写到那里好未几了，但是咱们共同使用runnable-hub的小同伴跟尔道，咱们那个工具战Anthropic提出的MCP(Model Context Protocol)有面像，尔瞅了一下，借实是，因而便阐发了一下二者的差别。 MCP是个十分佳的设想，但凡年夜模子使用皆绕不外年夜模子取东西的接互，Function Call即是一个很佳的实践，而MCP则是更退一步的实践。正在MCP上也能瞅到一点儿智能体取东西仄权的设想，它只标准通信和谈，至于挪用面前 是年夜模子仍是东西，实在没有主要，以是年夜模子多层嵌套也是可止的。MCP是一个request+response共步壅闭和谈，多层嵌套挪用均是有内乱存占用开销的，以是太长时间的拉理可以不可。RunnableHub是一个工作启动框架，撑持无限时少的深度拉理举动。MCP是Anthropic提出的，他们对于智能体有充实的自大，因而期望靠MCP和谈去简化营业仄台&年夜模子、年夜模子&东西的通信编程便可。而RunnableHub是期望颠末中心件分层去处理智能体&东西&营业仄台&年夜模子各才气间的庞大和谐成就。 04 智能体4.0：自演退智能体法式自退步能够道是多年去不竭储藏正在心地的一颗种子。许多年前读年夜教时，正在一次前去成皆参与宁静年夜赛的绿皮卧展水车上，战教少今夜会商了法式自退步的可以性，其时论断是病毒颠末汇编指令随机突变去绕过宁静扫描是可止，可是完毕字符串编码级此外法式退步险些是不克不及够的。要颠末如许的突变去演退新功用，险些战山公敲出莎士比亚一致易。不外当时也对于法式自退步有了一点儿感知，即是随机突变的最小颗粒度十分主要。跟着年夜模子的呈现，尔逐步天发明仿佛原来那个不克不及够的工作正在逐步变患上可以，尔按照自己的认知大抵列了如许一个没有太全面的表格： 编程工具 随机突变工具 突变颗粒度 新功用自退步 电脑病毒 汇编指令 适中 无 一般硬件 编程语言字符串 太小 无 年夜模子 参数 太小 多量 思惟链智能体 提醒词汇字符串 小 多量 构造化智能体 智能体、事情流 适中 大批 跟着构造化智能体的实践的不竭深入，咱们发明智能体的才气鸿沟也能够不竭变革，有些场景适宜较万能的智能体，而有些场景则适宜多个智能体合作。咱们能够事先设定一点儿场景的数据散，颠末智能体的表示成果去判定哪一种构造更适宜目前的场景。那个时候有干过类似实践的同学可以便会问，即使是如许演退，仍是有面高效啊，甚么时候团结智能体齐瞅命运？这时候分，快要搬出咱们的祖师爷冯诺依曼。正在前面文章《从人脑到年夜模子：冯诺依曼的提醒词汇工程启迪》中提到过，冯诺依曼正在《计较机取人脑》中道过如许一段话：持续跟踪那个问题，使咱们必需会商语言的成就。尔曾指出，神经体系是鉴于二品种型的通信方法的。一种是没有包罗有算术方法系统的，一种是算术方法系统的。那即是道：一种是指令的通信（逻辑的通信），一种是数字的通信（算术的通信），前者能够用语言叙述，然后者则是数教的叙述。让智能体截至构造化演退的时候，需要辨别【拉理】战【计较】那二种任务范例： 甚么是拉理？它是一种语言叙述，类似苏格推底反问法，把一个庞大成就转移成多少个简朴一面的成就（落维），拉理过程当中没有寻求谜底，只要供将成就干合成便可。简朴面道即是用“庞大已知”发生“简朴已知”。甚么是计较？它是一种数教叙述，能够使用现有的东西，供解得到谜底。年夜模子的屡屡计较历程，能够用无限次思惟拉理去截至降天。简朴面道即是用“简朴已知”发生“已经知”。 假设搁正在目前的智能体架构中，根据祖师爷如许的办法论，实在即是： 1.使用 智能体阐发更庞大的场景，让智能体主动发生更多的东西（计较）。2.使用 更多更强大的东西，让智能体处置更庞大的成就（拉理）。 咱们正在前面智能体2.0-真例化智能体的时候，碰着东西死态成就，正在如许一个智能体自演退的门路上，就可以被很佳天处置。以是，那个智能体演退的门路战现在十分冷傲的 manus 有所差别，那个门路没有寻求智能体的单次拉理十分冷傲，只要有充足的时间战重复迭代积聚，某个范围的智能体的才气就可以演退到一个十分下的下度。 05 年夜模子中心件启源为了便利各人更佳天降天各自营业场景的构造化智能体。文中所提到到年夜模子中心件，动作 SREWorks 数智运维仄台死态的一部门，均已经启源，欢送各人体会反应。https://github.com/alibaba/sreworks-ext/blob/main/runnable-hub/README.md参照质料agentUniverse: agentUniverse is a multi-agent framework based on large language models. https://github.com/antgroup/agentUniverseLARP: Language-Agent Role Play for Open-World Gameshttps://arxiv.org/abs/2312.17653 ReAct: Synergizing Reasoning and Acting in Language Models https://arxiv.org/abs/2210.03629AutoGen Enhanced Inference ：https://x.sm.cn/5E6OtjmLangchain Runnable：https://x.sm.cn/8FajF0K图灵完整性：https://x.sm.cn/ACQxXm0/ END / 更多举荐 阿里云年夜数据计较&机械进修拉出免费试用举动，此中包罗Maxcompute、Hologres、及时计较Flink版、机械进修PAI等多款热门产物，面打「浏览本文」理解具体试用划定规矩，一键到场试用。

回复 使用道具 举报 提升卡 置顶卡 沉默卡 喧嚣卡 变色卡 千斤顶 照妖镜