2、智能體四種設計模式

吳恩達教授提到了四種主要的智能體設計模式。

這些模式共同構成了 AI Agent 工作流的核心架構。其中 coze 里面的 Muti Agent 就是第四種模式,在這種模式下,每個智能體都有自己的角色和職責,它們通過通信和協作來共同達成目標。這種協作可以提高系統的效率和智能性,因為不同的智能體可以專注于它們最擅長的任務。

典型的例子是 ChatDev 開發框架,它把多個智能體對應于多個工種,所有智能體組成一個虛擬的“軟件公司”。

3、單 agent 模式和 Muti-agent 模式的區別及實用場景

類別單 Agent 模式Multi-agent 模式
描述在 Coze 中開發機器人時,默認使用單 Agent 模式。當處理復雜任務時,必須編寫非常詳細和冗長的提示詞,增加了調試的復雜性。多 Agent 模式允許用戶構建具有更全面和更復雜功能的 AI 機器人。通過為機器人添加多個 Agent,并配置每個代理之間的連接,以通過分解為一組獨立任務來解決復雜的用戶任務。
實用場景適合處理簡單的邏輯和任務,例如單一功能的客戶服務或信息查詢。適合處理復雜的邏輯和任務,需要多個智能體協作完成,例如企業級的知識庫機器人或虛擬公司中的多個角色協作。
優點簡單直接,易于理解和上手。
適用于單一任務的場景。
提高了處理復雜任務的能力和效率。
降低了單個 Agent 的復雜性,提高了錯誤修復的效率和準確性。
可以為每個 Agent 配置獨立的插件和工作流。
缺點處理復雜任務時需要編寫非常詳細和冗長的提示詞。
調試復雜,一處細節改動可能影響整體功能。
設計和維護多個 Agent 之間的交互可能較為復雜。
需要更多的算力支持,尤其是在處理大型數據集和復雜模型時。
適用角色適用于初級開發者或需要快速部署簡單任務的場景。適用于高級開發者或需要構建復雜系統的場景,如企業級應用。
功能基本的聊天機器人功能,適合單一任務處理。支持多 Agent 協作,可以處理更復雜的任務,如多任務處理、任務規劃及分配等。

二、多代理模式搭建教學

一:認識多代理模式

在扣子平臺上創建機器人(Bot)時,默認是單Agent模式。但單Agent模式處理復雜任務時,你需要編寫非常詳細的提示詞,還可能要加插件和工作流,這樣會讓調試變得復雜,一個小改動都可能影響整個Bot的功能,導致實際效果與預期有差距。

為了解決這個問題,扣子提供了多Agent模式,這種模式可以這樣簡化任務處理:

  1. 你可以為不同的Agent設置獨立的提示詞,把復雜任務拆分成多個簡單任務。
  2. 每個Agent可以有自己的插件和工作流,減少單個Agent的復雜性。
  3. 調試時,只需針對出問題的Agent進行修改,提高修復效率和準確性。

簡而言之,多Agent模式通過分工合作,讓處理復雜任務變得更簡單、高效。

創建BOT擇多 Agent 模式

編排頁面

較單 agent模式相比缺少一些方式

多 Agent 模式的配置

多Agent模式和工作流的模式相當,區別在于它沒有輸出節點;那可以使用coze來抓取節點嗎?答案是肯定的,因為在每一個節點都是一個輸出方式。

同時它的開始節點和工作流有區別、并沒有可以添加多個變量的地方,變成了兩種方式:

1:“上一次回復用戶的節點”每一次都會延續聊天,知道重新清楚聊天消息

2:“開始節點”每一次都是在開始節點

添加節點

在畫面的中下部分有一個叫“添加節點”的地方,圖中箭頭所指的所有,都為一個節點

在添加節點中,有三種節點:

1:Agent:就是一個單獨的新bot

2:Bot:為用戶創建好并已經運行的bot

3:全局跳轉調節:這個節點相當于一個總監,監視每個節點防止出錯

Agent節點

可以使用coze來抓取節點嗎?這里我直接用搭建好的 agent節點和大家演示,總共有四個板塊:

1:“適用場景”讓本節點理解它需要干什么;“用于{引導用戶},幫助用戶解決{信息處理}相關的問題。”

2:“Agent 提示詞”用戶處理本節點的內容,為此設置提示詞;“用于{引導用戶},幫助用戶解決{信息處理}相關的問題。引導用戶輸入變量{所在地},{旅游地}和{游玩天數},”

3:“技能”可以添加插件,工作流,知識庫

4:“用戶問題建議”在回復完用戶問題后跳出的三條消息,為用戶建議

Bot節點

已經創建好的bot,將它的能力帶到多agent模式中

全局跳轉條件

當用戶輸入滿足條件時,它會自動的調用它連接的節點

以上是多 agent 模式的各種配置和基礎信息。

三、Coze 上使用多代理模式

模式選擇

編排面板

用一個例子來說明

這個 bot 我創建了 2 個 agent。

在 test 這個 agent 中,創建的是一個 MQTT 協議分析專家?;谧约捍罱ǖ乃接袔臁?/p>

這個 Agent 的提示詞是:”當用戶提問包含 MQTT 詞語的時候,回答用戶問題”

另外一個 Agent 是售后客服,收集用戶的反饋,并把用戶輸入信息存到數據庫里面,也就是由 user_info_collect 來處理

在 user_info_collect 中處理輸入,然后插入到數據庫中,輸入就是將用戶的反饋信息

當輸入我要投訴的時候,跳轉到Agent_747進行投訴處理

當我咨詢MQTT問題的時候,則跳轉到test這個Agent進行處理

四、如何找到Coze平臺

冪簡集成是國內領先的API集成管理平臺,專注于為開發者提供全面、高效、易用的API集成解決方案。冪簡API平臺可以通過以下兩種方式找到所需API:通過關鍵詞搜索API(例如,輸入’Coze‘這類品類詞,更容易找到結果)、或者從API Hub分類頁進入尋找。

此外,冪簡集成博客會編寫API入門指南、多語言API對接指南、API測評等維度的文章,讓開發者快速使用目標API。

上一篇:

AI辦公大模型開放平臺AI21 labs:創新辦公自動化的新紀元

下一篇:

機器學習音頻分析:構建人工智能驅動的聲音檢測應用
#你可能也喜歡這些API文章!

我們有何不同?

API服務商零注冊

多API并行試用

數據驅動選型,提升決策效率

查看全部API→
??

熱門場景實測,選對API

#AI文本生成大模型API

對比大模型API的內容創意新穎性、情感共鳴力、商業轉化潛力

25個渠道
一鍵對比試用API 限時免費

#AI深度推理大模型API

對比大模型API的邏輯推理準確性、分析深度、可視化建議合理性

10個渠道
一鍵對比試用API 限時免費