在上一篇博客 (opens new window)中，我们讨论了人工智能可以通过生成内容或独立行动的两种方式——Agentic AI (opens new window)和GenAI (opens new window)之间的关键区别。接下来我们将进一步深入了解Agentic AI是如何通过Agentic Workflow实际运作的。
Agentic Workflow将大型语言模型（LLMs） (opens new window)（如GPT）从仅仅对提示做出反应的阶段推进到主动解决问题的阶段。这意味着它们可以将任务分解为较小的步骤，随着任务的进行进行适应，并优化结果，而无需持续指导。这就是从仅仅生成内容到真正完成任务的转变。
在本文中，我们将探讨使人工智能具有增强型特征的核心特点，并更详细地了解这些模型如何变得更加自主和适应性强。通过理解这些模式，我们将看到LLMs如何在各个行业中扮演更重要的角色，不仅仅是智能助手，而是能够做更多事情的 AI Agent。
# Agentic AI的关键特征
现在我们已经了解了Agentic AI的基本概念，让我们深入了解其关键特征，看看它的独特之处。
自主性： Agentic AI可以独立执行任务，无需人进行持续的指导。它可以自主决策和采取行动，使其工作更高效，并能够在较少的监督下处理任务。
目标导向行为： Agentic AI专注于特定目标。它制定并执行行动计划，使自己更接近实现这些目标，无论是完成一个项目、回答一个问题还是解决一个问题。
适应和学习： Agentic AI根据新的信息或反馈调整自己的行为。它通过经验学习并改进自己的性能，使其在处理任务时更加有效。
复杂决策： Agentic AI分析多个因素并做出需要超出简单规则的决策。它处理复杂情况，权衡不同选择，并选择最佳行动方案。
环境感知： Agentic AI理解并响应其环境。它感知周围的变化并相应地调整行动，从而能够对新情况做出反应并做出更好的决策。
# Agentic AI工作流程中的核心模式
在本节中，我们将了解用于开发Agent (opens new window)的不同设计模式，重点关注这些模式如何使人工智能能够自主运行、适应环境变化，并与其他系统或智能体有效合作以实现复杂目标。以下是四种主要模式的讨论：
- 反思模式
- 工具使用模式
- 规划模式
- 多智能体模式
我们将逐个探讨每个模式，以了解它们的工作流程。
# 反思模式
反思模式是一种自我改进的方法，其中人工智能系统在完成任务后检查自己的表现。就像学生在考试后检查答案一样，人工智能将其结果与目标进行比较，找出错误或改进的空间。通过了解出错的原因，人工智能可以改变自己的方法，例如调整程序或传感器，以在下次做得更好。这个回顾和从错误中学习的过程帮助人工智能不断改进，从而在时间上实现更准确和高效的结果。
在这个示例中，人工智能的任务是对列表[2, 4, 6, 7, 10]中的所有偶数索引进行求和。人工智能首先识别出偶数索引的元素：2（索引0）、6（索引2）和10（索引4），然后计算它们的和（2 + 6 + 10 = 18）。之后，人工智能会评估其结果并将其与预期输出（18）进行比较。如果结果正确，则任务完成。然而，如果存在错误，例如人工智能错误地求和了错误的索引，反思模式会促使人工智能分析错误。然后，人工智能将调整其逻辑并重新尝试任务，重复这个过程，直到达到正确的答案。这个评估、修正和重新执行的迭代过程将持续进行，直到人工智能完成任务，确保其不断改进并变得更加准确。
# 工具使用模式
工具使用模式是一种策略，使人工智能系统能够使用外部工具或资源 (opens new window)来增强其能力并解决问题。通过利用这些工具，人工智能可以访问大量信息、进行复杂计算和自动化重复性任务。这种模式使人工智能系统能够解决更困难的问题，工作更高效，并生成创造性的解决方案。例如，写作人工智能可能会使用语言模型生成创意、使用搜索引擎 (opens new window)查找信息或使用语法检查器改进写作。通过精心选择合适的工具，人工智能可以实现更好的结果并扩展其能力。
这个示例展示了工具使用模式的效果。一个提示被给予一个人工智能系统，由友好的机器人表示：“创建一个锤子的图像。”为了满足这个要求，人工智能利用一个外部工具DALL-E (opens new window)，一个可以根据文本描述创建图像的人工智能模型。人工智能将提示传输给DALL-E，DALL-E处理请求并创建了一个锤子的图像。然后，用户将看到这个图像作为人工智能的回复，说明人工智能成功地利用外部工具完成了任务。
# 规划模式
规划模式是一种策略，人工智能系统将任务分解为较小的动作或步骤以达到目标。人工智能不是直接解决问题，而是首先制定一个计划，概述必要的动作并安排步骤以有效地完成任务。然后，系统按照这个计划系统地执行，以实现预期的结果。这种方法使人工智能能够通过规划和安排行动来解决更复杂的问题。
这个示例展示了人工智能如何将任务分解为较小的可管理步骤以达到目标。人工智能不是急于一次性完成所有任务，而是首先制定一个详细的计划，然后逐步按计划进行。每个动作都经过精心设计，并符合整体计划，确保任务以有组织的方式完成，从而获得成功的结果。通过遵循这种结构化的方法，人工智能确保没有遗漏任何事项，并高效地实现目标。
# 多智能体模式
多智能体模式描述了一个框架，其中多个自治智能体 (opens new window)（或人工智能系统）合作解决问题或实现目标。每个智能体都具有不同的能力和职责范围，使其能够在更大的任务中执行特定的动作。系统将工作负载分配给不同的智能体，每个智能体提供其独特的专业知识或能力。这些智能体相互交互，共享信息，并协调他们的活动，以确保任务有效完成。这种团队合作的方法使解决方案更具适应性和可扩展性，因为智能体可以根据任务的复杂性或需求进行添加或排除。此外，由于每个智能体都是独立运行的，系统可以更好地应对故障，因为即使一个智能体遇到问题，其他智能体仍然可以继续工作。通过协调他们的行动，这些智能体可以解决比任何单个人工智能独立处理的更大、更复杂的问题。
在这个场景中，客户与一个由四个聊天机器人组成的系统进行交互，每个机器人都是一个具有特定工作的独立智能体。欢迎机器人向客户问候并收集有关他们问题的信息。如果问题很常见，常见问题机器人提供答案。对于更复杂的问题，技术支持机器人协助进行故障排除，如果问题仍未解决，升级机器人将案例移交给人工智能体。每个聊天机器人都是独立智能体，但它们通过将客户传递给正确的机器人来相互合作，确保问题得到高效解决。这个设置是一个多智能体系统，因为每个聊天机器人都是一个独立的智能体，它们共同合作以实现解决客户问题的共同目标。
# Agentic AI核心模式的比较
下表对比了四种设计模式：反思模式、工具使用模式、规划模式和多智能体模式。每种模式都有其独特的特点和用途，下表对其进行了总结。
| 模式 | 反思模式 | 工具使用模式 | 规划模式 | 多智能体模式 |
|---|---|---|---|---|
| 定义 | 智能体在运行时修改自己的行为或知识。 | 智能体使用外部工具来完成任务。 | 智能体创建和遵循计划以实现特定目标。 | 多个智能体共同合作以实现共同目标。 |
| 关键重点 | 自我意识和动态适应。 | 使用外部资源或工具。 | 基于计划的目标导向决策。 | 智能体之间的协作和协调。 |
| 主要组成部分 | 内省、行为修改。 | 智能体使用的外部工具或系统。 | 计划、行动、目标设定、决策过程。 | 独立智能体、通信、协作。 |
| 智能体行为 | 智能体动态调整自己的行为。 | 智能体依赖工具执行任务。 | 智能体按计划执行特定动作。 | 智能体执行特定任务并与其他智能体合作。 |
| 协作 | 侧重于个体智能体行为，与外部交互较少。 | 使用外部工具，但智能体之间没有协作。 | 协作仅限于计划共享或协调。 | 智能体之间强调协作，协调行动。 |
| 用例 | 需要改变行为的自适应系统。 | 需要外部资源完成任务的系统。 | 需要结构化任务执行的机器人和系统。 | 智能体执行协调任务的分布式系统。 |
| 复杂性 | 由于需要内省和行为改变，复杂性较高。 | 较少复杂，但依赖外部资源。 | 生成和遵循详细计划的复杂性。 | 由于智能体之间的协调和通信，复杂性较高。 |
# 结论
Agentic AI带来了一些真正的优势——自动化任务、做出更明智的决策、个性化服务和全天候工作。通过承担这些责任，它有助于减少对持续人类输入的需求，使一切更加高效，降低成本，并为企业的发展留出空间。它实时学习和适应的能力使其在医疗保健、金融和客户服务等领域特别有用，这些领域的速度和准确性至关重要。
Agentic AI的潜力真是令人兴奋。它可以激发新的想法，使流程更加顺畅，并解决具有挑战性的问题。在医疗保健和金融等领域，人工智能智能体可以协助诊断疾病、识别欺诈和自动化重复性任务。随着人工智能的不断进步，它与其他系统的协作能力、公正决策能力和风险管理能力将改变行业，并为各个企业开辟新的机遇。
