Agentic workflow加速Agentic AI到來(lái)，AI Agent成為重要實(shí)現(xiàn)方式

Agentic workflow加速Agentic AI到來(lái)，AI Agent成為重要實(shí)現(xiàn)方式

OpenAI定義大模型時(shí)代AI Agent，吳恩達(dá)揭開(kāi)生成式Agentic AI序幕

還在討論AI Agent嗎？從Agentic Workflow開(kāi)始該關(guān)注Agentic AI了

從AI Agent審美疲勞到Agentic AI引人熱議，Agentic Workflow真正火了

什么是Agentic AI？與AI Agent有什么區(qū)別和聯(lián)系？一篇文章看明白

握準(zhǔn)大模型時(shí)代商業(yè)脈搏：戰(zhàn)略層瞄準(zhǔn)Agentic AI，戰(zhàn)術(shù)層鎖定AI Agent

文/王吉偉

就在國(guó)內(nèi)還在大談特談AI Agent的時(shí)候，國(guó)外技術(shù)圈的風(fēng)向變了。他們不再談?wù)揂I Agent如何如何，而是轉(zhuǎn)頭開(kāi)始交流Agentic AI。

雖然Agentic AI的概念可以追溯到上世紀(jì)IBM深藍(lán)象棋系統(tǒng)（Deep Blue chess-playing system）出現(xiàn)的90年代，但讓它再次進(jìn)入公眾視野的卻是大語(yǔ)言模型的真正應(yīng)用。尤其是AI Agent和Autonomous Agent的具體應(yīng)用，讓Autonomous AI再次被熱議，包含AI Agent的工作流更是直接讓Agentic AI成為AI領(lǐng)域更炙手的話題。

這個(gè)進(jìn)程與變化，仍然要感謝OpenAI。2023年6月，OpenAI應(yīng)用研究主管翁麗蓮(Lilian Weng)撰寫(xiě)了《LLM Powered Autonomous Agents》一文，定義了目前很多開(kāi)發(fā)者都在用的AI Agent主流技術(shù)框架。

文章地址：https://lilianweng.github.io/posts/2023-06-23-agent

2023年12月，OpenAI發(fā)表《Practices for Governing Agentic AI Systems》白皮書(shū)，介紹了Agenticness、Agentic AI Systems及Agents的區(qū)別，并正式為Agentic AI Systems下了定義。自此，Agentic AI 也正式進(jìn)入了技術(shù)人的視野。

白皮書(shū)地址：https://openai.com/index/practices-for-governing-agentic-ai-systems/

真正讓Agentic AI出圈的，還是人工智能領(lǐng)域領(lǐng)軍人物、DeepLearning.AI與Landing AI創(chuàng)始人兼CEO吳恩達(dá)教授提出的Agentic Workflow。2024年3月26日，吳恩達(dá)教授在紅杉資本（Sequoia Capital）的人工智能峰會(huì)（AI Ascent）上發(fā)表了一次主題為《Agentic Reasoning》的演講，分享了當(dāng)下AI Agent的4種主流設(shè)計(jì)模式。

在最近的2024年Snowflake峰會(huì)開(kāi)發(fā)者日上，他又發(fā)表了題為《How Al Agentic workflows could drive more Al progress than even the next generation of foundation models》的演講，進(jìn)一步揭開(kāi)了Agentic AI神秘面紗，并指它可能是比下一代基礎(chǔ)模型更具潛力的AI 展方向。

兩次演講，讓Agentic AI真正成為技術(shù)人所熱衷探討的話題。

AI Agent與Agentic AI 看起來(lái)非常相似，以至于看起來(lái)就像是將“AI Agent”的兩個(gè)單詞互換位置，一般人甚至看不出什么區(qū)別。但若細(xì)細(xì)品味，僅從單詞性質(zhì)名詞與形容詞的區(qū)別上，就能體會(huì)到Agent與Agentic些許不同。而作為人工智能的概念或者技術(shù)名詞，兩者所代表的意義區(qū)別還是非常明顯的。

那么，到底什么是Agentic AI？它有哪些創(chuàng)新與特性？與AI Agent有什么區(qū)別？什么又是Agentic Workflow？有哪些特征？它的四種主流設(shè)計(jì)模式又是什么？本文，從Agentic AI到Agentic Workflow，王吉偉頻道一次為大家說(shuō)清楚。

（注：本文提到的相關(guān)論文、白皮書(shū)等資源已打包，后臺(tái)發(fā)消息 agentic 獲取。）

什么是Agentic AI？

在《Practices for Governing Agentic AI Systems》白皮書(shū)中，OpenAI認(rèn)為（Agentic AI systems）智能體人工智能系統(tǒng)的特征是能夠采取行動(dòng)，這些行動(dòng)在很長(zhǎng)一段時(shí)間內(nèi)持續(xù)地有助于實(shí)現(xiàn)目標(biāo)，而不必事先明確規(guī)定其行為。

白皮書(shū)將系統(tǒng)的智能性（Agenticness，還可以翻譯為主動(dòng)性\代理性\能動(dòng)性）程度定義為系統(tǒng)在有限的直接監(jiān)督下適應(yīng)性地實(shí)現(xiàn)復(fù)雜環(huán)境中的復(fù)雜目標(biāo)的程度，并將這種智能性細(xì)分為目標(biāo)復(fù)雜性、環(huán)境復(fù)雜性、適應(yīng)性和獨(dú)立執(zhí)行四個(gè)組成部分。

▲ OpenAI定義的Agentic AI Systems，來(lái)源：《Practices for Governing Agentic AI Systems》

artificiality將Agentic AI Systems定義為能夠以不同復(fù)雜性感知、推理和行動(dòng)的系統(tǒng)，以將人類(lèi)思維擴(kuò)展到我們當(dāng)前經(jīng)驗(yàn)之外。該定義，更加強(qiáng)調(diào)了感知、推理和行動(dòng)這三種能力。

基于以上兩個(gè)Agentic AI Systems定義，結(jié)合業(yè)界對(duì)于Agentic AI的各種觀點(diǎn)，不難歸納出Agentic AI這一概念所代表的深刻含義。

Agentic AI（智能體AI\代理式AI\能動(dòng)AI），也稱為自主AI（Autonomous AI），是指被設(shè)計(jì)用來(lái)通過(guò)理解目標(biāo)、導(dǎo)航復(fù)雜環(huán)境，并在最少的人工干預(yù)下執(zhí)行任務(wù)的系統(tǒng)，能夠通過(guò)自然語(yǔ)言輸入獨(dú)立和主動(dòng)地完成端到端任務(wù)。通常被設(shè)計(jì)為更具自主性和適應(yīng)性，不僅能處理數(shù)據(jù)，還做出決策、從互動(dòng)中學(xué)習(xí)，并采取積極的步驟來(lái)實(shí)現(xiàn)復(fù)雜目標(biāo)。

Agentic AI可以設(shè)定目標(biāo)，從互動(dòng)中學(xué)習(xí)，并自主做出決策，轉(zhuǎn)變業(yè)務(wù)運(yùn)營(yíng)和客戶互動(dòng)。功能與人類(lèi)員工非常相似，可以掌握細(xì)微的環(huán)境，設(shè)定和追求目標(biāo)，通過(guò)任務(wù)進(jìn)行推理，并根據(jù)不斷變化的條件調(diào)整他們的行動(dòng)。

例如，雖然傳統(tǒng)AI可能協(xié)助創(chuàng)建客戶支持腳本或甚至根據(jù)客戶輸入生成個(gè)性化響應(yīng)，但Agentic AI則更進(jìn)一步。它可以自主處理客戶查詢，從開(kāi)始到結(jié)束解決問(wèn)題，甚至根據(jù)客戶的回應(yīng)跟進(jìn)客戶。Agentic AI可以模仿人類(lèi)通常用來(lái)實(shí)現(xiàn)目標(biāo)的推理、執(zhí)行和糾正航向機(jī)制，體現(xiàn)了一種更精細(xì)的技術(shù)運(yùn)作機(jī)制和管理方法。

事實(shí)上，Agentic AI背后的理念是賦予機(jī)器代理權(quán)，這意味著它們可以設(shè)定目標(biāo)、規(guī)劃，并采取行動(dòng)來(lái)達(dá)到這些目標(biāo)。Agentic AI能夠預(yù)測(cè)需求、建議行動(dòng)，并做出與設(shè)定目標(biāo)一致的決策，其功能更像是一個(gè)合作伙伴而不僅僅是一個(gè)工具。因此，它代表了人工智能的根本轉(zhuǎn)變，旨在以最少的人工干預(yù)自主理解和管理復(fù)雜的工作流程。

Agentic AI的創(chuàng)新與特性

這里，為了體現(xiàn)Agentic AI的創(chuàng)新與特性，需要將其與傳統(tǒng)AI做一下對(duì)比。

傳統(tǒng) AI（Traditional AI），也稱為狹義AI（Narrow AI），主要在特定算法和設(shè)置規(guī)則上運(yùn)行。這些系統(tǒng)旨在執(zhí)行定義明確的任務(wù)，例如對(duì)數(shù)據(jù)進(jìn)行排序、識(shí)別照片中的人臉、翻譯語(yǔ)言、執(zhí)行預(yù)定義的流程或基于數(shù)據(jù)庫(kù)回答常見(jiàn)問(wèn)題解答。傳統(tǒng)人工智能的范圍僅限于其編程，缺乏偏離其給定指令或獨(dú)立學(xué)習(xí)新經(jīng)驗(yàn)的能力。

傳統(tǒng)AI擅長(zhǎng)于狹義的任務(wù)，需要在明確的指令下運(yùn)行。它能在具有明確規(guī)則的結(jié)構(gòu)化環(huán)境中茁壯成長(zhǎng)，并在流程嚴(yán)格劃分的場(chǎng)景中有效運(yùn)作，但會(huì)受到其有限的范圍、對(duì)人類(lèi)指導(dǎo)的依賴以及難以適應(yīng)不可預(yù)見(jiàn)變化的限制。

此外，傳統(tǒng)AI主要是為了自動(dòng)執(zhí)行特定的重復(fù)性任務(wù)，在有限的范圍內(nèi)提高速度和效率，但它們?cè)谔幚硇枰w理解和戰(zhàn)略判斷的復(fù)雜工作流程方面存在不足。

Agentic AI則利用大型語(yǔ)言模型 （LLM）、可擴(kuò)展的計(jì)算能力和龐大的數(shù)據(jù)集等進(jìn)步，提供了一種更加動(dòng)態(tài)和靈活的方法。它結(jié)合了強(qiáng)化學(xué)習(xí)（RL）和決策理論，可以從互動(dòng)中學(xué)習(xí)并隨時(shí)間優(yōu)化。不僅能對(duì)情況做出反應(yīng)，而且能積極地參與決策過(guò)程。

可以說(shuō)，Agentic AI就是為了自主性而構(gòu)建的，旨在駕馭復(fù)雜的現(xiàn)實(shí)世界場(chǎng)景，并能夠隨著情況的發(fā)展調(diào)整其策略。這標(biāo)志著從AI作為需要人類(lèi)輸入的工具或?qū)I(yè)系統(tǒng)，到作為能夠獨(dú)立行動(dòng)和與現(xiàn)實(shí)世界互動(dòng)的協(xié)作伙伴的深刻轉(zhuǎn)變。

Agentic AI 的功能更像是人類(lèi)員工，掌握自然語(yǔ)言提供的復(fù)雜上下文和指令，開(kāi)始設(shè)定目標(biāo)，通過(guò)子任務(wù)進(jìn)行推理，并根據(jù)不斷變化的條件調(diào)整決策和行動(dòng)。

因此，Agentic AI的關(guān)鍵創(chuàng)新主要體現(xiàn)于以下幾點(diǎn)：

大型語(yǔ)言模型（LLMs）：這些模型能夠理解詳細(xì)的人類(lèi)語(yǔ)言，使人與人之間的互動(dòng)更加自然，使Agentic AI能夠理解細(xì)微的人類(lèi)語(yǔ)音和文本。

可擴(kuò)展的計(jì)算能力：增強(qiáng)的計(jì)算能力，使Agentic AI能夠管理復(fù)雜的任務(wù)并訓(xùn)練復(fù)雜的模型。

大規(guī)模數(shù)據(jù)集：通過(guò)分析大量的數(shù)據(jù)，Agentic AI可以學(xué)習(xí)和隨著時(shí)間的推移提高其性能，使其更有效地處理動(dòng)態(tài)環(huán)境，豐富的數(shù)據(jù)集也使其能夠理解和解釋復(fù)雜的上下文和目標(biāo)。

互聯(lián)性：Agentic AI擅長(zhǎng)與其他系統(tǒng)和信息源連接及互動(dòng)，并能夠無(wú)縫集成到現(xiàn)有的工作流程中，增強(qiáng)了其解決復(fù)雜問(wèn)題和做出復(fù)雜決策的能力。

Agentic AI的主要特性，也可以總結(jié)為：

自治性：Agentic AI以高度獨(dú)立性運(yùn)作。擁有明確的目標(biāo)和對(duì)周?chē)h(huán)境不斷演變的理解，這些系統(tǒng)能夠自主做出決策并啟動(dòng)行動(dòng)，最小化對(duì)直接人類(lèi)監(jiān)督的依賴。

適應(yīng)性：與它們的前身不同，Agentic AI系統(tǒng)不僵硬或脆弱。它們被設(shè)計(jì)為學(xué)習(xí)、進(jìn)化和適應(yīng)。它們通過(guò)分析模式、根據(jù)變化調(diào)整策略以及通過(guò)模擬和自省來(lái)完善決策過(guò)程，展現(xiàn)出無(wú)與倫比的靈活性。

主動(dòng)性：Agentic AI不僅對(duì)外部刺激做出反應(yīng)，還能主動(dòng)與環(huán)境互動(dòng)，尋找實(shí)現(xiàn)目標(biāo)的機(jī)會(huì)，在潛在問(wèn)題完全顯現(xiàn)之前預(yù)測(cè)它們，并獨(dú)立設(shè)計(jì)解決方案。

語(yǔ)言理解：憑借解釋自然語(yǔ)言的高級(jí)能力，這些系統(tǒng)可以精確地遵循復(fù)雜的指令。

工作流程優(yōu)化：Agentic AI可在子任務(wù)和應(yīng)用程序之間高效轉(zhuǎn)換，確保以最佳方式執(zhí)行流程以實(shí)現(xiàn)預(yù)期結(jié)果。

現(xiàn)在，像CrewAI、Langraph及Autogen等開(kāi)創(chuàng)性框架，正在為Agentic AI的發(fā)展鋪平道路。開(kāi)發(fā)人員可以在這些平臺(tái)設(shè)計(jì)和部署AI Agent團(tuán)隊(duì)，每個(gè)Agent都有獨(dú)特的技能、知識(shí)庫(kù)和通信界面。通過(guò)協(xié)調(diào)協(xié)作，這些Agent團(tuán)隊(duì)可以自主導(dǎo)航和執(zhí)行復(fù)雜的工作流程，適應(yīng)動(dòng)態(tài)條件和不斷變化的需求。

擴(kuò)展閱讀：AI智能體構(gòu)建智能未來(lái)，全球80+AI Agent構(gòu)建平臺(tái)大盤(pán)點(diǎn)

這些進(jìn)步，使Agentic AI能夠超越僅僅遵循指令來(lái)設(shè)定獨(dú)立目標(biāo)、制定戰(zhàn)略和適應(yīng)，從而為實(shí)現(xiàn)復(fù)雜目標(biāo)提供動(dòng)態(tài)方法。

Agentic AI與AI Agent的區(qū)別

雖然AI Agent這個(gè)詞組與Agentic AI長(zhǎng)的很像，基本就是“AI在后”與“AI在前”的區(qū)別，但兩個(gè)概念還是有很大區(qū)別的。

對(duì)于Agent和Agentic這兩個(gè)單詞，吳恩達(dá)教授在文章中提到：與其以二元方式選擇某個(gè)系統(tǒng)是否是Agent，不如將系統(tǒng)視為具有不同程度的Agent特性更有用。與名詞“Agent”不同，形容詞“Agentic”允許我們思考這類(lèi)系統(tǒng)，并將它們?nèi)考{入這一不斷發(fā)展的領(lǐng)域中。

原文：Rather than having to choose whether or not something is an agent in a binary way, I thought, it would be more useful to think of systems as being agent-like to different degrees. Unlike the noun “agent,” the adjective “agentic” allows us to contemplate such systems and include all of them in this growing movement.

原文鏈接：

https://www.deeplearning.ai/the-batch/welcoming-diverse-approaches-keeps-machine-learning-strong

也就是說(shuō)，名詞“Agent”僅用于表明某個(gè)產(chǎn)品或項(xiàng)目是否為AI Agent是否具備了智能特性，而形容詞“Agentic”則意味著AI產(chǎn)品或項(xiàng)目的Agentic特性有多強(qiáng)能否體現(xiàn)更強(qiáng)大主動(dòng)性、自治性和適應(yīng)性。前者仍在探討Agent產(chǎn)品或項(xiàng)目的相關(guān)特性，后者則在探討產(chǎn)品的智能程度，顯然后者更有意義。

從AI Agent到Agentic AI，即使當(dāng)前所探討的內(nèi)容仍是AI Agent相關(guān)的技術(shù)、產(chǎn)品或解決方案，但立足點(diǎn)已經(jīng)截然不同，這是一個(gè)認(rèn)知上的重大轉(zhuǎn)變。如果說(shuō)AI Agent仍然屬于產(chǎn)品思維，Agentic AI已經(jīng)上升到戰(zhàn)略思維。Agentic AI進(jìn)一步代表了一類(lèi)AI技術(shù)、產(chǎn)品、方案、生態(tài)乃至戰(zhàn)略的總體集合，必然也會(huì)像GenAI等詞匯一樣被更多的組織放到其戰(zhàn)略報(bào)告之中。

從定義和概念而言，AI Agent是一種能夠感知環(huán)境、進(jìn)行決策和執(zhí)行動(dòng)作的智能實(shí)體。它們通?；跈C(jī)器學(xué)習(xí)和人工智能技術(shù)，具備自主性和自適應(yīng)性，在特定任務(wù)或領(lǐng)域中能夠自主地進(jìn)行學(xué)習(xí)和改進(jìn)。其核心功能可以歸納為三個(gè)步驟的循環(huán)：感知、規(guī)劃和行動(dòng)。

Agentic AI是具有更高程度自主性的AI系統(tǒng)，它們能夠主動(dòng)思考、規(guī)劃和執(zhí)行任務(wù)，而不僅僅依賴于預(yù)設(shè)的指令。它強(qiáng)調(diào)的是系統(tǒng)可以具有不同程度的“能動(dòng)性”（Agentic特性），而不僅僅局限于被動(dòng)執(zhí)行指令。

兩者的主要區(qū)別，主要在于以下幾點(diǎn)：

AI Agent更側(cè)重于智能實(shí)體的基本功能和自主性，而Agentic AI則強(qiáng)調(diào)系統(tǒng)在更高層面上的自主決策和問(wèn)題解決能力。

AI Agent可以看作是實(shí)現(xiàn)Agentic AI的一種技術(shù)手段或組件，而Agentic AI則是AI Agent在特定工作流程和目標(biāo)導(dǎo)向下的一種表現(xiàn)形式。

Agentic AI的概念更寬泛，涵蓋了從傳統(tǒng)AI系統(tǒng)到高度自主智能體的一系列發(fā)展階段，而AI Agent通常指的是具備一定感知、決策和行動(dòng)能力的智能實(shí)體。

對(duì)于兩者的區(qū)別，我們說(shuō)了這么多。但當(dāng)探索Agentic AI的時(shí)候，你會(huì)發(fā)現(xiàn)更多內(nèi)容仍舊是AI Agent相關(guān)的，或者說(shuō)是“Agent+工作流”相關(guān)的。吳恩達(dá)教授也提到，Agentic AI的實(shí)現(xiàn)關(guān)鍵在于“智能體工作流（Agentic Workflow）”，它通過(guò)循環(huán)迭代的方式逐步優(yōu)化結(jié)果，更接近于人類(lèi)解決問(wèn)題的思維模式。

因此，如果說(shuō)Agentic AI聚焦的是戰(zhàn)略層面指向組織技術(shù)發(fā)展目標(biāo)，AI Agent則正是在戰(zhàn)術(shù)層面實(shí)現(xiàn)這個(gè)目標(biāo)的主要方法。

既然涉及到了Agentic Workflow這一概念，這里也來(lái)聊一聊。

什么是Agentic Workflow？

自從吳恩達(dá)教授分享了Agentic workflow的四種設(shè)計(jì)方法之后，Agentic workflow變得越發(fā)炙手可熱。雖然這個(gè)概念并不是全新的，但在大語(yǔ)言模型和AI Agent應(yīng)用日益壯大的情況下，Agentic Workflow也正在變得炙手可熱。

匯總各方人士的觀點(diǎn)與看法之后，可以對(duì)Agentic Workflow做出以下解釋。

Agentic Workflow可以翻譯為智能體工作流\代理工作流\能動(dòng)工作流，核心是一個(gè)智能體系統(tǒng)，其中多個(gè)AI Agent通過(guò)利用自然語(yǔ)言處理 （NLP） 和大型語(yǔ)言模型 （LLM） 協(xié)作完成任務(wù)。這些智能體能夠自主感知、推理和行動(dòng)，以追求特定目標(biāo)，形成強(qiáng)大的集體智慧，可以打破孤島，集成不同的數(shù)據(jù)源，并提供無(wú)縫的端到端自動(dòng)化。

作為一個(gè)復(fù)雜的系統(tǒng)和迭代過(guò)程，Agentic Workflow旨在提高業(yè)務(wù)流程的效率和有效性。它使用AI Agent與業(yè)務(wù)設(shè)置無(wú)縫集成，部署在Agentic Workflow中的AI Agent能夠高精度地協(xié)作和執(zhí)行復(fù)雜任務(wù)。

Agentic workflow架構(gòu)圖 來(lái)源：codiste

從開(kāi)發(fā)角度而言，Agentic Workflow是指一種迭代、交互式的AI開(kāi)發(fā)方法，使用大型語(yǔ)言模型和AI Agent來(lái)執(zhí)行任務(wù)，其中AI Agent能夠參與更動(dòng)態(tài)和自我反思的過(guò)程，這是一種更迭代和多步驟的方法。

從自動(dòng)化角度來(lái)看，Agentic Workflow代表了傳統(tǒng)自動(dòng)化方法的重大轉(zhuǎn)變。傳統(tǒng)自動(dòng)化方法通常依賴于嚴(yán)格的預(yù)定義腳本或人機(jī)交互流程，通過(guò)利用多個(gè)專業(yè)AI Agent協(xié)同工作的能力，Agentic系統(tǒng)可以動(dòng)態(tài)導(dǎo)航和適應(yīng)企業(yè)工作流程的復(fù)雜性，因此有望將各行各業(yè)的生產(chǎn)力和創(chuàng)新提升到新的水平。

簡(jiǎn)單來(lái)說(shuō)，Agentic Workflow是一個(gè)復(fù)雜的迭代和多步驟過(guò)程，用于交互和指示大型語(yǔ)言模型，以更準(zhǔn)確地完成復(fù)雜的任務(wù)。在此過(guò)程中，單個(gè)任務(wù)被劃分為多個(gè)更易于管理的小任務(wù)，并在整個(gè)任務(wù)完成過(guò)程中留出改進(jìn)空間。

此外，Agentic Workflow還涉及部署多個(gè)AI Agent來(lái)執(zhí)行特定的角色和任務(wù)。這些Agent配備了特定的個(gè)性和屬性，使他們能夠高精度地協(xié)作和執(zhí)行定義的任務(wù)。

Agentic Workflow的另一個(gè)關(guān)鍵亮點(diǎn)是使用先進(jìn)的提示工程技術(shù)和框架。該過(guò)程包括思維鏈、計(jì)劃和自我反思等技術(shù)，使AI Agent能夠：

將復(fù)雜的任務(wù)分解為可管理的任務(wù)；

確定任務(wù)順序；

遇到困難時(shí)調(diào)整任務(wù)計(jì)劃；

自我反思自己的產(chǎn)出并確定需要改進(jìn)的領(lǐng)域；

提示的工程技術(shù)和多智能體方法使AI Agent能夠自主計(jì)劃、協(xié)作、確定和執(zhí)行完成任務(wù)的必要步驟。

舉個(gè)例子，如果你直接使用LLM寫(xiě)一篇關(guān)于Agentic AI的文章。在傳統(tǒng)方法中，需要輸入一個(gè)提示，指示LLM 撰寫(xiě)這個(gè)主題的文章。這就像要求某人從頭到尾寫(xiě)文章，不審查研究來(lái)源、檢查大綱并改善內(nèi)容的語(yǔ)氣和質(zhì)量。

這種傳統(tǒng)的零樣本方法使用LLM，在撰寫(xiě)文章的過(guò)程中沒(méi)有留下迭代、反饋和改進(jìn)的余地，大大降低了輸出的準(zhǔn)確性和質(zhì)量。

但在Agentic Workflow并不需要給出撰寫(xiě)文章的提示，僅需要提出目標(biāo)要求，它就能將任務(wù)分解為更小的任務(wù)，一般會(huì)有如下的任務(wù)分解步驟：

首先從可靠的來(lái)源研究該主題；

創(chuàng)建帶有標(biāo)題和副標(biāo)題的博客大綱；

分析、修改和改進(jìn)大綱；

撰寫(xiě)博客初稿；

校對(duì)和編輯博客以確保高內(nèi)容質(zhì)量

在Agentic Workflow工作模式下，LLM被指示按照一個(gè)循序漸進(jìn)的過(guò)程完成更大的任務(wù)，且每個(gè)步驟的輸出充當(dāng)下一個(gè)任務(wù)的輸入。

這意味著，Agentic Workflow這種迭代和協(xié)作模型，將與LLM 的交互轉(zhuǎn)換為一系列可管理、可改進(jìn)的步驟，從而允許在整個(gè)任務(wù)完成過(guò)程中進(jìn)行持續(xù)改進(jìn)和調(diào)整。

Agentic Workflow的主要特征與三大支柱

通過(guò)以上解析和案例，我們可以總結(jié)Agentic Workflow的主要特征如下：

以目標(biāo)為導(dǎo)向：工作流中的座席由明確的目標(biāo)驅(qū)動(dòng)，并共同努力實(shí)現(xiàn)預(yù)期的結(jié)果。

適應(yīng)性：該系統(tǒng)可以動(dòng)態(tài)地適應(yīng)不斷變化的環(huán)境，從過(guò)去的經(jīng)驗(yàn)中學(xué)習(xí)，并隨著時(shí)間的推移優(yōu)化其性能。

互動(dòng)：座席相互通信和協(xié)作，以及與人類(lèi)用戶進(jìn)行通信和協(xié)作，以收集信息、提供更新并做出決策。

與傳統(tǒng)工作流自動(dòng)化相比，Agentic Workflow具有多種優(yōu)勢(shì)。它們可以處理更復(fù)雜的多步驟流程，這些流程需要上下文感知決策，并且可以適應(yīng)新情況，而無(wú)需大量重新編程。此外，自然語(yǔ)言處理的使用允許人與系統(tǒng)之間更直觀地交互，從而減少對(duì)專業(yè)技術(shù)知識(shí)的需求。

在Agentic Workflow中，AI Agent是一個(gè)自主驅(qū)動(dòng)的動(dòng)態(tài)問(wèn)題解決器，用于處理復(fù)雜且不斷發(fā)展的任務(wù)，從而提高工作效率。

AI Agents、提示工程技術(shù)（Prompt Engineering Techniques）和生成式AI網(wǎng)絡(luò)（Generative AI Networks，GAIN） 是Agentic Workflow的三大支柱。它們?cè)贏gentic Workflow中的作用，簡(jiǎn)單介紹如下：

AI Agent：Agentic Workflow的核心是AI Agent，它們本質(zhì)上是大型語(yǔ)言模型（LLMs）的復(fù)雜實(shí)例。

提示工程技術(shù)與框架：Agentic Workflow的一個(gè)關(guān)鍵方面是使用高級(jí)提示工程技術(shù)和框架。

生成式AI網(wǎng)絡(luò)（GAINs）：通過(guò)部署生成式AI網(wǎng)絡(luò)（GAINs），Agentic Workflow得到顯著增強(qiáng)，它們體現(xiàn)了多代理協(xié)作的原則。

三大支柱的詳細(xì)內(nèi)容，可以參考下面的思維導(dǎo)圖。

▲ 點(diǎn)擊看大圖

除了三大支柱，Agentic Workflow的核心組成部分還包括AI增強(qiáng)、倫理考量、人工智能交互和適應(yīng)性學(xué)習(xí)，各項(xiàng)解析如下圖。

此外，關(guān)于Agentic Workflow的常見(jiàn)工作流程及可重用的LLM配置文件組件，大家可以參考論文：A Survey on LLM-Based Agents: Common Workflows and Reusable LLM-Profiled Components.

論文地址：

https://arxiv.org/abs/2406.05804

各種工作的業(yè)務(wù)流程從傳統(tǒng)流程轉(zhuǎn)向Agentic Workflow，標(biāo)志著我們將能夠通過(guò)AI實(shí)現(xiàn)更優(yōu)越成果的轉(zhuǎn)變。實(shí)驗(yàn)證明，即便是不太先進(jìn)的LLMs，參與這些復(fù)雜的、多層次的工作流程時(shí)，也能產(chǎn)生顯著的成果。對(duì)于這一點(diǎn)，大家將在下面對(duì)Agentic Workflow的四種設(shè)計(jì)模式的介紹中有更深的感觸。

多說(shuō)一句，Agentic Workflow也讓國(guó)產(chǎn)大語(yǔ)言模型和各種開(kāi)源大語(yǔ)言模型擁有了更多用武之地，這在當(dāng)前的國(guó)際大環(huán)境下還是非常重要的。

當(dāng)然，我們還應(yīng)該認(rèn)識(shí)到，在目前的技術(shù)前提下，這些增強(qiáng)的工作流程要求用戶有足夠的耐心。因?yàn)锳gentic Workflow固有的迭代、協(xié)作過(guò)程也更加耗時(shí)，往往需要幾分鐘甚至幾小時(shí)來(lái)完成某個(gè)任務(wù)。過(guò)長(zhǎng)的任務(wù)執(zhí)行時(shí)間，也是Agentic Workflow遇到的主要問(wèn)題之一，更是被吐槽體驗(yàn)不夠的重要因素。

但相對(duì)于它能提供的遠(yuǎn)超過(guò)傳統(tǒng)方法的分析深度、創(chuàng)造力和解決問(wèn)題的能力，在很多應(yīng)用場(chǎng)景中大家仍然愿意嘗試，這也預(yù)示著巨大的市場(chǎng)潛力。

Agentic Workflow的四種主流設(shè)計(jì)模式

在介紹Agentic Workflow之前，先考慮一個(gè)問(wèn)題，為什么需要AI Agent/Agentic Workflow？

目前，對(duì)于ChatGPT、文心一言、Kimi等大語(yǔ)言模型的使用，大多數(shù)人仍然是用簡(jiǎn)單的語(yǔ)句直接提問(wèn)（一部分原因在于不會(huì)寫(xiě)結(jié)構(gòu)化提示詞），比如：幫我寫(xiě)一篇關(guān)于Agentic AI的文章。這種提問(wèn)方式，在技術(shù)領(lǐng)域叫作零樣本提示。

零樣本提示（zero-shot prompting）是指LLM模型在沒(méi)有針對(duì)具體任務(wù)進(jìn)行專門(mén)訓(xùn)練的情況下，僅依賴于提示詞（prompt）和預(yù)訓(xùn)練中獲得的廣泛語(yǔ)言知識(shí)來(lái)執(zhí)行任務(wù)的能力，它可以很好地檢驗(yàn)大語(yǔ)言模型的能力。這種方法靈活性高、適用范圍廣，且無(wú)需為每個(gè)特定任務(wù)準(zhǔn)備專門(mén)的訓(xùn)練數(shù)據(jù)。但由于缺乏特定任務(wù)的訓(xùn)練，其生成質(zhì)量無(wú)法保證。

具體到用戶與大語(yǔ)言模型的交互，如果用戶讓ChatGPT寫(xiě)一篇關(guān)于XX的論文，ChatGPT會(huì)一次性給出回復(fù)。在這個(gè)過(guò)程中，它只會(huì)執(zhí)行“生成”這個(gè)任務(wù)。

這個(gè)過(guò)程，與真實(shí)世界完成工作任務(wù)的流程是不同的。比如寫(xiě)論文時(shí)，一般會(huì)先起草一個(gè)初稿，再進(jìn)行評(píng)估、分析、修訂，迭代出第二、第三個(gè)版本，直到滿意為止。我們處理工作、學(xué)習(xí)等任務(wù)時(shí)都是這樣，會(huì)將其分解為按步執(zhí)行的流程并按照流程來(lái)操作，以保證工作的完成的質(zhì)量。

▲ 零樣本提示與Agentic Workflow的區(qū)別 來(lái)源：吳恩達(dá)教授紅杉峰會(huì)分享

也就是說(shuō)，想要讓大語(yǔ)言模型更出色的完成我們的交給它的工作，最好也使用類(lèi)似人類(lèi)的分部執(zhí)行的流程步驟。

AI Agent就是來(lái)做這個(gè)工作的，它能通過(guò)自然語(yǔ)言了解用戶所輸入零樣本提示詞的意圖，并將這個(gè)用戶給定的需求目標(biāo)任務(wù)規(guī)劃分解為多個(gè)流程步驟，將簡(jiǎn)單的提示詞轉(zhuǎn)化為更精細(xì)的機(jī)構(gòu)化提示詞，并可以調(diào)用聯(lián)網(wǎng)、代碼等各種工具插件去進(jìn)一步執(zhí)行并完成所分解的各種子任務(wù)。

顯然，這樣的工作方式已經(jīng)無(wú)限接近于人類(lèi)。

Zero-shot prompting模式和AI Agent模式的任務(wù)執(zhí)行效果，非常明顯。吳恩達(dá)教授團(tuán)隊(duì)分別以“Zero-shot prompting”模式和AI Agent模式使用GPT-3.5和GPT-4，得出了幾個(gè)結(jié)論：

1、Zero-shot模式下，模型在沒(méi)有具體任務(wù)示例的情況下，僅依賴于其預(yù)訓(xùn)練的知識(shí)來(lái)執(zhí)行任務(wù)。這種情況下比拼的是模型的通用基礎(chǔ)能力，所以GPT-4得表現(xiàn)好在意料之中。

2、添加了Agentic Workflow的AI Agent在任務(wù)執(zhí)行中的表現(xiàn)顯著提升，不論基座模型是GPT-3.5還是GPT-4。

3、即使基座模型是GPT-3.5，通過(guò)添加Agentic Workflow將其設(shè)計(jì)為AI Agent后，性能表現(xiàn)也超過(guò)了Zero-shot模式下的GPT-4。

吳恩達(dá)教授還總結(jié)和介紹了四種較為常見(jiàn)的設(shè)計(jì)模式，分別是反饋（Reflection）、工具使用（Tool Use）、規(guī)劃（Planning）和多智能體協(xié)作（Multi-agent Collaboration）。

反饋（Reflection）設(shè)計(jì)模式是一種讓AI模型通過(guò)自我反思和迭代改進(jìn)來(lái)提高任務(wù)執(zhí)行能力的方法。在這種模式中，模型不僅生成初始解決方案，還會(huì)通過(guò)多次反饋和修改，不斷優(yōu)化其輸出。

工具使用（Tool Use）設(shè)計(jì)模式是一種讓AI模型通過(guò)調(diào)用外部工具或庫(kù)來(lái)增強(qiáng)任務(wù)執(zhí)行能力的方法。在這種模式中，模型并不僅僅依賴于自身的知識(shí)和能力，而是利用各種外部資源來(lái)完成任務(wù)，從而提高效率和準(zhǔn)確性。

規(guī)劃（Planning）設(shè)計(jì)模式是一種通過(guò)提前計(jì)劃和組織任務(wù)步驟來(lái)提高效率和準(zhǔn)確性的方法。在這種模式中，模型將復(fù)雜任務(wù)分解為多個(gè)步驟，并依次執(zhí)行每個(gè)步驟，以達(dá)到預(yù)期的目標(biāo)。

多智能體協(xié)作（Multiagent Collaboration）設(shè)計(jì)模式是一種通過(guò)多個(gè)智能體之間的合作來(lái)提高任務(wù)執(zhí)行效率和準(zhǔn)確性的方法。在這種模式中，多個(gè)智能體分擔(dān)任務(wù)，并通過(guò)相互交流和協(xié)作，共同完成復(fù)雜任務(wù)。

PS：以上標(biāo)有 Andrew Ng的圖片，都來(lái)自吳恩達(dá)教授紅杉峰會(huì)分享。公眾號(hào)后臺(tái)發(fā)消息 agentic ，獲取 吳恩達(dá)紅杉美國(guó)AI峰會(huì)談 Agentic Workflow 以及 4 種主流設(shè)計(jì)模式的PDF文件。

AI Agent/Agentic Workflow可以更好幫助用戶與大語(yǔ)言模型交互，幫助用戶更好的完成各種任務(wù)。這將極大地拓展AI的使用場(chǎng)景，有效地提高任務(wù)完成質(zhì)量，因此對(duì)AI應(yīng)用的落地至關(guān)重要。

在這個(gè)分享中，吳恩達(dá)教授將Agent參與的流程稱作Agentic Workflow，而不是AI Agent workflow，顯然后者更注重AI Agent參與的workflow而不是AI Agent本身。從這一點(diǎn)，也能看出AI Agent與 Agentic AI的簡(jiǎn)單區(qū)別。

對(duì)于AI Agent參與的業(yè)務(wù)流程自動(dòng)化，RPA\超自動(dòng)化、ERP、CRM、BI等技術(shù)廠商早已在現(xiàn)有技術(shù)生態(tài)下引入了AI Agent架構(gòu)，且表現(xiàn)出的任務(wù)執(zhí)行能力更強(qiáng)。對(duì)于這個(gè)選題，王吉偉頻道會(huì)在另一篇文章中與大家交流。

Agentic AI的概念已經(jīng)講清楚，而后面要實(shí)現(xiàn)這個(gè)目標(biāo)并使其繁榮，就要看各種AI Agent的構(gòu)建方式以及各種融合AI Agent的Agentic Workflow解決方案了。

在Agentic Workflow的構(gòu)建方面，吳恩達(dá)教授給出的四種主流設(shè)計(jì)模式，已經(jīng)給于開(kāi)發(fā)者及企業(yè)很大啟發(fā)。

目前很多AI Agent構(gòu)建平臺(tái)已經(jīng)支持這四種設(shè)計(jì)模式，企業(yè)及個(gè)人都已能在這些平臺(tái)構(gòu)建符合需求Agentic Workflow。還有很多開(kāi)源項(xiàng)目也在進(jìn)一步優(yōu)化Agentic workflow的構(gòu)建流程，對(duì)于廣大組織的私有化部署都是極大的利好。

此外很多技術(shù)供應(yīng)商也已在引入AI Agent的基礎(chǔ)上進(jìn)一步構(gòu)建Agentic Workflow，能夠讓用戶更簡(jiǎn)單快捷的應(yīng)用各種智能工作流。

在Agentic Workflow構(gòu)建上，王吉偉頻道也會(huì)在后面寫(xiě)幾篇文章與大家分享相關(guān)的體驗(yàn)感受。大家想在哪些方面進(jìn)行交流，歡迎踴躍留言。

后記：握住Agentic AI的商業(yè)脈搏

當(dāng)前AI應(yīng)用有一個(gè)大趨勢(shì)，幾乎所有應(yīng)用都在向AI Agent和RAG的方向發(fā)展與遷移。這意味著，如果所有的AI應(yīng)用都走向AI Agent模式，未來(lái)的workflow都將變成Agentic Workflow。

從吳恩達(dá)教授的Zero-shot prompting與Agentic Workflow來(lái)看，任何加持了Agentic模式的大語(yǔ)言模型都能領(lǐng)先大模型本身很多，這意味著接下來(lái)組織與企業(yè)的業(yè)務(wù)流程效率將會(huì)翻倍提升。

在王吉偉頻道看來(lái)，即使ChatGPT背后的大語(yǔ)言模型迭代到GPT-4以后的更高版本，Agentic AI也會(huì)是更高效的大語(yǔ)言模型使用方式。不然，OpenAI也不會(huì)發(fā)表本文開(kāi)頭所提到的白皮書(shū)，來(lái)詳細(xì)闡述大語(yǔ)言模型、AI Agent與Agentic AI Systerm的關(guān)聯(lián)與區(qū)別了。

通過(guò)各種系統(tǒng)與集成大語(yǔ)言模型，或者在大語(yǔ)言模型的基礎(chǔ)上做工具與平臺(tái)擴(kuò)展，對(duì)于大語(yǔ)言模型的應(yīng)用效率及體驗(yàn)會(huì)更高，已是被驗(yàn)證的事實(shí)。

拓展閱讀：更多組織接入ChatGPT等生成式AI，生成式自動(dòng)化或成企業(yè)運(yùn)營(yíng)新標(biāo)配

從AI技術(shù)發(fā)展歷史來(lái)看，智能體的理念要先于AI，且一直以來(lái)AI都是作為Agent的技術(shù)實(shí)現(xiàn)路徑，大語(yǔ)言模型亦不例外。因此在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)火爆以后，大家都在關(guān)注的是AlphaGo和AI換臉技術(shù)?，F(xiàn)在大語(yǔ)言模型火了，人們關(guān)注更多的也是AI Agent、Agentic Workflow以及接下來(lái)的Agentic AI。

拓展閱讀：AI Agent發(fā)展簡(jiǎn)史，從哲學(xué)思想啟蒙到人工智能實(shí)體落地

當(dāng)然，Agentic AI也不是玄之又玄的東西，只是把AI Agent以及Agentic Workflow在內(nèi)的各種應(yīng)用與生態(tài)歸納成了一類(lèi)。但不可否認(rèn)的是，它勢(shì)必會(huì)在未來(lái)很長(zhǎng)一段時(shí)間內(nèi)成為各大組織與商業(yè)領(lǐng)域的口頭禪，也會(huì)成為這一階段AI的重要體現(xiàn)形式。

當(dāng)下，全民皆談智能體讓AI Agent越發(fā)審美疲勞，國(guó)外更多則在談Agentic AI。就連吳恩達(dá)教授也在文章中提到：當(dāng)看到一篇談?wù)?ldquo;Agentic”工作流程的文章時(shí)，更有可能閱讀。

大家的眼球開(kāi)始被Agentic AI吸引，是否還會(huì)足夠關(guān)注AI Agent？這是否意味著AI Agent已然勢(shì)微？對(duì)于這些問(wèn)題，大家不要忘了前面我們的探討：AI Agent是Agentic AI的實(shí)現(xiàn)方式，Agentic Workflow是Agentic AI的關(guān)鍵。

所以，從“道”的層面關(guān)注Agentic AI戰(zhàn)略發(fā)展趨勢(shì)，從術(shù)的層面關(guān)注AI Agent不斷推陳出新的各種框架、技術(shù)與解決方案，你將會(huì)把握住整個(gè)Agentic AI乃至AGI時(shí)代的商業(yè)脈搏。

全文完

【王吉偉頻道，關(guān)注AIGC與IoT，專注數(shù)字化轉(zhuǎn)型、業(yè)務(wù)流程自動(dòng)化與RPA，歡迎關(guān)注與交流?！?/p>