近日，斯坦福大学教授吴恩达在演讲中提到，基于 GPT-3.5 构建的智能体工作流在应用中表现比 GPT-4 要好。AI 智能体工作流将在今年推动人工智能取得巨大进步，甚至可能超过下一代基础模型。
我们整理了本次演讲的内容，希望对你有所启发。
吴恩达：
我很期待与大家分享我在 AI 智能体中看到的令人兴奋的趋势，我认为每个 AI 从业者都应该关注这个趋势。
我要分享的主题是 AI 智能体。现在，我们大多数人使用大语言模型的方式是这样的：我们在一个非智能体工作流中，把提示输入到对话框中并生成答案。这有点像我们让一个人写一篇文章，让他请坐到键盘前，从头到尾打出一篇文章，中间不使用退格键。尽管这很难，AI 大模型还是做得非常好。
智能体工作流长这个样子（下图右侧）。有一个 AI 大模型，我们让它写一份论文大纲。需要上网查资料吗？如果需要，就联网。然后写初稿、读初稿，并思考哪些部分需要修改。继续修改初稿并推进。
这样的工作流程更容易迭代。你可以让 AI 大模型进行一些思考，然后修改这篇文章，然后继续思考，再按照这个步骤迭代多次。
很多人都没有意识到的是，这么做的效果会更好。对于这样的工作决策流程和优秀表现，我自己也很惊讶。除了这些个案研究，我的团队也分析了一些数据，基于 OpenAI 几年前发布的名为 HumanEval 的编程评估基准。这上面有一些编程问题，比如给定一个非空整数列表，返回位于偶数位置的所有奇数元素的和。AI 生成的答案是像这样的代码片段：
事实证明，如果你使用 GPT-3.5，在零样本提示的条件下，GPT-3.5 的准确率是 48%。GPT-4 要好得多，达到了 67%。但如果你采用的是智能体工作流，并将其打包，GPT-3.5 实际上能表现更好，甚至比 GPT-4 还好。
如果你围绕 GPT-4 构建这样的工作流，GPT-4 也能表现得很好。注意，处于智能体工作流中的 GPT-3.5 实际上优于 GPT-4。这是一个信号。
所有人都在围绕智能体这个术语和任务开始大量讨论。有很多咨询报告，关于智能体、AI 的未来，等等。接下来，我想具体分享我在智能体中看到的四种模式：
反思（Reflection）：LLM 检查自己的工作，以提出改进方法。
使用工具（Tool use）：LLM 拥有网络搜索、代码执行或任何其他功能来帮助其收集信息、采取行动或处理数据。
规划（Planning）：LLM 提出并执行一个多步骤计划来实现目标。
多智能体协作（Multi-agent collaboration）：多个 AI 智能体一起工作，分配任务并讨论和辩论想法，提出比单个智能体更好的解决方案。
接下来我将详细解释这四种模式。
首先是 Reflection。举个例子：假设我让一个代码智能体为某个任务写代码，它会根据 prompt 写出一个如图所示的函数。
如果你写一段 prompt，把你刚刚生成的代码给它，告诉它这是用于执行某个任务的代码，让它检查这段代码的正确性、效率等问题。结果根据你的 prompt 写出代码的那个大模型，可能会发现代码里的问题，比如第五行的 bug。它还会告诉你怎么修改。
如果你现在采纳了它的反馈，并再次给它提示，它可能会给出一个比第一个版本更好的第二版代码。不能保证一定如此，但这是有效的。
第二种模式是 Tool use（使用工具）。许多人可能已经见过基于大模型的系统使用工具。左边是一个截图，来自 Copilot。右边的截图来自 GPT-4。左边的问题是，网上最好的咖啡机是哪个？Copilot 会通过上网检索来解决一些问题。GPT-4 将会生成代码并运行代码。有很多不同的工具，可以用于分析、收集信息以采取行动、提高个人生产力。
很多关于 Tool use 的工作都是在计算机视觉社区。因为之前，大型语言模型对图像无能为力，所以唯一的选择就是大模型生成一个函数调用，可以用来操作图像，比如生成图像或目标检测。Tool use 扩展了大型语言模型的能力。
接下来是 Planning（规划）。对于没有大量接触过规划算法的人来说，他们会觉得，「哇，从未见过这样的东西」。同样，很多人看到 AI 智能体会很惊讶，「哇，我没想到 AI 智能体能做这些」。
在我进行的一些现场演示中，有些演示会失败，AI 智能体会重新规划路径。我经历过很多这样的时刻。其中一个例子是从 HuggingGPT 论文中改编的，输入的是：请生成一张图片，一个女孩在看书，她的姿态和图像中的男孩一样，再使用你的声音描述这张新图片。
今天有了 AI 智能体，你可以确定第一件要做的事是确定男孩的姿态，提取姿态。接下来需要找到一个姿态图像模型，遵循指令生成一张女孩的图像。然后使用图像 - 文本模型得到描述。最后使用文本转语音模型读出描述。
我们今天已经有了 AI 智能体和智能体循环。当我并不想花很多时间在谷歌搜索上，我就会把需求发给 AI 智能体，几分钟后回来看看它做了什么。它有时有效，有时不行。但这已经是我个人工作流的一部分。
最后要讲的模式是多智能体协作。这部分很有趣，效果比你想象的要好得多。
下面这张图来自一篇名为 ChatDev 的论文。ChatDev 是多智能体系统的一个实例。你可以给它一个 prompt，它有时扮演软件引擎公司的 CEO，有时扮演设计师，有时又是产品经理、或测试人员。
这群智能体是通过大模型的 prompt 来构建的，告诉它们「你现在是 CEO / 你现在是软件工程师」。他们会协作、进一步对话。如果你告诉它们，「请开发一款游戏」，它们会花几分钟写代码，然后进行测试、迭代，生成一个令人惊讶的复杂程序，虽然并不是总能运行。
事实证明，多智能体辩论（比如说，你可以让 ChatGPT 和谷歌的 Gemini 辩论），实际上会带来更好的性能。因此，让多个相似的 AI 智能体一起工作，也是一个强大的模式。
总结一下，我认为如果我们在我们的工作中使用这些模式，很多人可以快速获得实践上的提升。我预计，今年 AI 能做的事情将大幅扩展，这得益于智能体工作流。
人们在输入提示之后，总想立即得到结果。在进行网络搜索时，你想在半秒钟内得到回复。这是人性使然 —— 我们喜欢即时获取、即时反馈。
但是对于很多 AI 智能体工作流来说，我们需要学会分配任务给 AI 智能体，并耐心地等待几分钟，甚至几小时，直到给出回应。
我见过很多新晋管理者，喜欢将某事委托给某人，五分钟后检查结果。这不是一种有效的工作方式。我们也需要对我们的 AI 智能体多点耐心。
另一件重要的事情是，快速的 token 生成非常重要。如果 AI 生成 token 的速度比任何人的阅读速度都快，那太棒了。我认为，快速生成更多 token，即使大模型质量稍低，也能带来很好的结果。因为它可能让你在这个循环中反复更多次。
坦率地说，我非常期待 Claude 4、GPT-5 和 Gemini 2.0，以及其他正在研发的大模型。如果你期待以零样本的方式在 GPT-5 上运行你的任务，你可能能通过一些 AI 智能体应用，实现接近那一水平的性能。
智能体推理加上之前发布的大模型，我认为这是一个重要的趋势。通往 AGI 的道路感觉更像是一段旅程，而不是目的地。我认为这套智能体工作流，可以帮助我们在这漫长的旅程中向前迈出一小步。
参考链接
https://www.deeplearning.ai/the-batch/issue-242/
https://zhuanlan.zhihu.com/p/689492556
https://www.youtube.com/watch?v=sal78ACtGTc&t=108s
