在大模子内卷的大环境下，诚然大模子的使用资本正变得越来越低欧洲杯体育，但模子迭代的考试资本却有增无减。

据OpenAI前商讨副总裁、Anthropic现CEO达里奥·阿莫迪（Dario Amodei）在公开采访时的说法：OpenAI本年推出的GPT-4o新版大模子，考试资本约为1亿好意思元，现在正在开发的AI大模子考试资本可能高达10亿好意思元。

而日前Meta刚发布的Llama 3.1再度刷新最强开源大模子纪录的同期，Meta首创东说念主兼首席奉行官马克·扎克伯格裸露：Llama 3.1的考试资本就花了数亿好意思元，往常模子的考试资本将还可能升至数十亿好意思元。

这使得在合手续的高干预眼前，部分大模子及模子阁下厂商开动探索打破代际模子镣铐，增强模子性能的程序。

在这其中，智能体责任流（AI agent workflows）算是在原模子基础上通过战术和程序调度，权臣改善模子性能的一大标的。

什么是智能体责任流？

业内东说念主关于智能体责任流（AI agent workflows）的领略，可能大王人来自AI领域泰斗学者吴恩达诠释在AI Ascent 2024 大会上的共享。

在这场共享中，他建议了东说念主们不错通过响应相易大模子进行优化调度，从而打破大讲话模子代际领域的新想路。

区别于以往高度依赖代际模子性能，单线式进行信息输入和限度输出的非智能神色责任流（Non-agentic workflow），智能神色的责任流（AI agent workflows）减少了对模子质料的依赖，更多侧重于在职务完成过程中，通过双线式的响应和优化，让AI在复杂任务中结束更好的输出成果。

简便来说，即是在AI奉行任务时，不再仅限于简便发布指示，还要善于督促其进行自我调度和修正，让最终的输出成果能忘形致使卓越更高质料的模子。

为了增多可行性和劝服力，吴恩达诠释还基于HumanEval作念了相应的考证。

测试限度标明：诚然零次学习下的 GPT-3.5模子性能与GPT-4比较互异较大（GPT-4输出限度的准确率较之 GPT-3.5约高出19%），但在使用智能体责任流的情况下， GPT-3.5模子的输出性能（准确率75%+）光显优于 GPT-4（零次学习下准确率为67%）。

况兼当两代大模子居品王人使用智能体责任流，模子性能均有不同幅度的栽种，两者输出的准确率离别保合手在70%和80%以上。

摘自吴恩达诠释的公开共享

基于以上几点，他觉得：智能体责任流的价值被极地面低估。跟着智能体责任流的价值被逐渐发现和获得深爱，往常它很有可能成为大模子增强的一种灵验工夫。

怎么贪图智能体责任流？

浩浩长江，浪奔浪流，波澜壮阔，瑰丽多姿。千百年来，长江不仅滋养了华夏儿女，也孕育了璀璨的长江文化。7月27日上午，“美丽新时代 诗话新长江”融媒体行动之“大美长江”十二时辰诗歌朗诵会在长江轮渡上开启，海峡两岸青少年及众多名家以诗词歌赋同诵长江之美。长江作为中国的母亲河，其壮丽的自然风光为无数诗人提供了无尽的创作灵感。

“我们扬子江朗诵团非常重视本次活动，大约两个月前就开始组织人员、遴选吟咏长江的诗词并排练朗诵。”扬子江朗诵团的团长杨薇告诉记者，参与到本次朗诵活动中的成员们在朗诵方面都有着比较丰富的经验，具有较高的朗诵表演水平和舞台呈现能力，成员们每周二四六固定时间集合，反复地练习，力争呈现一个具有感染力的朗诵舞台，“我认为今天的活动一方面非常新颖，沿江两岸多个城市同步直播，我们朗诵团能够参与其中感觉十分荣幸；另一方面，通过诗歌朗诵这一形式也有助于宣传弘扬长江悠久深厚的历史，特别是今天还有两岸青少年参与其中，年轻人更应该多接触了解长江文化之美。”

智能体责任流对改善模子性能的眩惑力，让东说念主们听后蠕蠕而动，但怎么才能开荒这么的责任经过呢？

现在业内尚无合股定论。不外在吴恩达诠释的共享中，他提到了贪图智能体责任流的4个模块和标的。即反想（Reflection）、器用使用（Tools use）、策划（Planning）、多智能体谐和（Multi-agent collaboration）。

整理自吴恩达诠释公开共享，司普科技绘图

其中反想（Reflection）模块，个东说念主潜入下来，很猛进程上在于督促AI在奉行任务时模拟东说念主类进行反想、自查和纠正，从而在这种合手续的响应和调度中，提高最终的生成质料与准确率。

在这个过程中，Coder Agent（下达指示）和 Critic Agent（自查纠正）是发扬关键作用的两部分。况兼反想模式在编程、写稿、贪图等需要多数修改完善的任务中，显得尤其适用。

器用使用（Tools use）模块，如字面意旨道理潜入，很猛进程上指向模子在完成任务时，往往需要调用一定的器用来配合完成筹备。

举个例子，在完成写稿任务时，为了让生成的实质更详确生动，图文并茂，大模子可能需要用到分析商讨、收罗搜索、图片生成等器用。

遇上发问的实质“超纲”（超出讲话模子现存的学问储备或才能领域），通过外部器用或补充土产货学问库来鼓舞生周密面真是的实质，其实亦然幸免模子幻觉的灵验花样。这种按需调用种种器用以鼓舞复杂任务奉行的模式，灵验膨胀着大模子的举座才能。

至于策划（Planning），往往指向通过“想维链请示”在大讲话模子中激发分步推理，并在“器用使用”的基础上，鼓舞大模子跳跃特定领域，无邪地组合不同的行家模子来完成复杂的任务筹备。

比较前边3点，多智能体谐和（Multi-agent collaboration）在大家视线中可能关怀度更高，阁下也更平日。

对比单智能体，多智能体（Multi-Agent）具有低内存、更褂讪、可拓展、撑合手多决策并行等优点，尤其在搞定复杂问题或任务上，展现出了超越单智能体的超卓谐和才能。

基于此，这种通过优化单干谐和，权臣栽种GenAI生生着力和成果的花样，被行为念栽种模子性能的有劲道路。

写在临了

将AI智能体镶嵌到责任经过中，结束经过自动化和增强任务的程序，诚然仍存在一定的不褂讪性，但在栽种现存模子在处理复杂任务上的性能和容错才能，提高模子输出着力、质料和褂讪性上暗示出了极大的后劲和阁下出路。

这亦然包括吴恩达诠释等在内的AI领域学者行家觉得：“Agent责任流的使用能鼓舞拓展AI完成任务的才能”，往常AI+Human协同将发展为长久形态的一大原因。

另外，诚然基于HumanEval的测试 ，考证了使用智能体责任流能让上一代大模子的输出性能赶超新一代模子（未使用智能体责任流），但在两代大模子居品同期使用智能体责任流的情况下，新一代模子居品的性能栽种空间会更大。

这意味着使用智能体责任流与鼓舞大讲话模子居品迭代并不冲突，反而能相得益彰，同期为减少代际影响和裁汰模子考试资本提供新想路。

注：本文原创，首发司普科技，有参考《What is Agentic Workflow? Discover How AI Enhances Productivity 》欧洲杯体育，仅作念共享。