吴恩达：智能体工作流将是人工智能领域的下一个突破

在人工智能的发展历程中，模型如ChatGPT和GPT-4已经显示出其在处理复杂任务方面的强大能力。特别是，Sora在多模态学习方面的突破，让生成式AI的应用前景更加广阔。然而，AI领域的研究并未止步，斯坦福大学的吴恩达教授最近指出，AI智能体工作流将成为推动该领域巨大进步的关键因素。

当前，大型语言模型（LLM）主要以零样本方式工作，直接根据给定的提示生成输出。这种方式虽然已经能够产生令人印象深刻的结果，但存在效率和准确性的局限。吴恩达教授提出，通过智能体工作流，即允许AI在生成文档的过程中进行多次迭代和改进，可以显著提高输出的质量。这种工作流包括规划大纲、进行网络搜索收集信息、撰写和修订初稿等步骤，模拟人类写作过程中的迭代改进机制。

吴恩达教授团队在研究中发现，通过引入智能体工作流，即使是早期的GPT-3.5模型，其在编码任务的正确率也能显著提高，从48.1%提升至95.1%。这一发现强调了迭代智能体工作流相比于单次生成模式的巨大优势。

为了帮助理解和实施这种复杂的工作流程，吴教授还分享了一个构建智能体的设计模式框架。这包括四个主要方面：反思（自我评估改进）、工具使用（如网络搜索和代码执行）、规划（执行多步骤计划）和多智能体协作（AI之间的任务分配和讨论）。这些模式不仅有助于提高单个智能体的效能，还能促进多个智能体之间的协同工作，进一步拓展AI的应用范围。