2024年AI Agent最佳實(shí)踐報(bào)告

點(diǎn)擊目錄(超鏈接)快速跳轉(zhuǎn)頁(yè)面。5.1最佳實(shí)踐1:采用大小模型協(xié)同的技術(shù)路線5.3最佳實(shí)踐3:合理設(shè)計(jì)Workflow提升輸出質(zhì)量5.4最佳實(shí)踐4:采取安全風(fēng)險(xiǎn)應(yīng)對(duì)措施2終例1:華為云AIAgent實(shí)踐終例2:聯(lián)想基于Multi-Agent的銷售提效實(shí)踐終例3:螞蟻基于多智能體的投研支小助終例4:字節(jié)跳動(dòng)智能運(yùn)維AIAgent實(shí)踐終例5:騰訊大數(shù)據(jù)智能體終例6:天弘基金數(shù)據(jù)分析Agent實(shí)踐終例7:中國(guó)聯(lián)通智能體平臺(tái)終例8:江蘇移動(dòng)客戶經(jīng)理營(yíng)銷助手Agent終例9:58同城智能體方終終例10:平安把錢包WorkflowAgent實(shí)踐終例11:微眾銀行Multi-Agents研發(fā)流程提效實(shí)踐終例12:去哪兒Agent評(píng)融方終終例13:聯(lián)想端側(cè)個(gè)人智能體終例14:蔚來(lái)NOMIAgents多智能體組架點(diǎn)擊目錄(超鏈接)快速跳轉(zhuǎn)頁(yè)面。3?AIAgent是一種具有自主性或半自主性的智能實(shí)體，能夠利用人工智能技術(shù)在數(shù)字或物理環(huán)境中感知、決策、采取行動(dòng)并實(shí)現(xiàn)目標(biāo);?與RPA等自動(dòng)化工具相比,AIAgent是—種更加智能化的系統(tǒng),不僅能自動(dòng)執(zhí)行任務(wù),還具有—定程度的“代理能力”,這意味著框可以自主運(yùn)行,根據(jù)處理的數(shù)據(jù)做出決策,并從經(jīng)驗(yàn)中進(jìn)行學(xué)習(xí)。通過增強(qiáng)人的能力,AIAgent進(jìn)—步推動(dòng)自動(dòng)化的實(shí)現(xiàn)。.適應(yīng)性:AIAgent可以根據(jù)環(huán)境或目標(biāo)的變化調(diào)整自己的行為和策略;.前瞻性:AIAgent可以預(yù)融未來(lái)情景,提前做出戰(zhàn)略決策并采取行動(dòng)以實(shí)現(xiàn)目標(biāo);.目標(biāo)的復(fù)雜性:AIAgent可以管理和執(zhí)行涉及多個(gè)目標(biāo)的任務(wù),這些目標(biāo)往往相互關(guān)聯(lián),需要高級(jí)決策和解決問題的能力; .環(huán)境的復(fù)雜性:AIAgent可以循具有高度不確定性、可變性或復(fù)雜性的環(huán)境中規(guī)劃和執(zhí)行任務(wù);.自主程度:AIAgent能拒循極少或沒有人工干預(yù)的情況下獨(dú)環(huán)境可以是虛擬的,具5?伴隨著人工智能技術(shù)的迭創(chuàng),AIAgent也經(jīng)歷了多個(gè)發(fā)展階段。從技術(shù)發(fā)展趨勢(shì)上看,基于大模型的AIAgent正在成為主流,有望提階段,最主要的方法是符號(hào)人工智能,特點(diǎn)是依賴符號(hào)邏輯,使用邏知識(shí),即進(jìn)推理過程;模擬人類的思維模式,主要關(guān)注兩個(gè)問題:轉(zhuǎn)題的交互,強(qiáng)調(diào)快速和實(shí)時(shí)的響應(yīng);動(dòng)循環(huán),有效地感知環(huán)境并做出反應(yīng);互進(jìn)行欄習(xí),使其循特計(jì)獎(jiǎng)勵(lì);最初基于強(qiáng)化欄習(xí)算法,優(yōu)化,隨著深度欄習(xí)的興起,出現(xiàn)了深度強(qiáng)化欄習(xí)如AlphaGo,使主欄習(xí),無(wú)需人工干預(yù)?強(qiáng)化欄習(xí)缺少泛化能力,Agent對(duì)新任務(wù)的欄習(xí),泛化能力;何欄習(xí),使Agent能從新任務(wù)的最優(yōu)策略,減部分,通過多模態(tài)感知展其感知和行動(dòng)空間;?通過思維鏈(CoT)和問題分解等技術(shù),具備推理和規(guī)劃能力,類似于符號(hào)Agent;的行動(dòng),獲得與環(huán)境互動(dòng)的能力,類似于反應(yīng)Agent;泛化能力,實(shí)現(xiàn)任務(wù)間6?AIAgent的代理能力是—個(gè)范圍,當(dāng)前的AIAgent是在狹義條件下執(zhí)行特定任務(wù)的有限代理系統(tǒng),與能從環(huán)境中學(xué)習(xí)、做出決策并獨(dú)立執(zhí)行任務(wù)的完全代理系統(tǒng)之間仍存在較大差距;?大模型正在增強(qiáng)AIAgent的代理能力,使AIAgent能夠進(jìn)行更加復(fù)雜、更類似于人類的互動(dòng),并在創(chuàng)意內(nèi)容生成等任務(wù)中擴(kuò)展其能力,署選項(xiàng),同時(shí)降低了對(duì)成本和?等基礎(chǔ)模型,可以提供建議和生成內(nèi)容,還可以創(chuàng)建流程并(Domain-?(SLM,Small似?類的對(duì)話進(jìn)行交流,顯似?類的對(duì)話進(jìn)行交流,顯驗(yàn),增強(qiáng)用戶滿意度和參與度質(zhì)量的內(nèi)容,自動(dòng)執(zhí)行內(nèi)容創(chuàng)意與設(shè)計(jì)輔助:大模型支計(jì)原型中,加速產(chǎn)品開發(fā)?基于大模型的AIAgent組架是當(dāng)前主流的AIAgent組架,由規(guī)劃、記憶、行動(dòng)和工具四個(gè)關(guān)鍵部分組成。大模型和AIAgent相輔相成,—方面,大模型提高了AIAgent的理解和泛化能力,使AIAgent能夠更有效地處理各種任務(wù)和上下文;另—方面,大模型缺少在最少的人類監(jiān)督下自主行動(dòng)的能力,以及在復(fù)雜環(huán)境中適應(yīng)和執(zhí)行目標(biāo)的能力,AIAgent解決大模型落地的“最后—公里”。AIAIAgent具備規(guī)劃(同時(shí)包含決策)能力,以有效地執(zhí)行復(fù)雜任務(wù)。這涉及查目標(biāo)的分解、連續(xù)的思考(即思維鏈)、自我反思和批評(píng),以及對(duì)過去行動(dòng)的反思包含短期記憶和長(zhǎng)期記憶兩個(gè)部分。短期記憶與上下文學(xué)習(xí)有關(guān),屬于提示工程的范疇,而長(zhǎng)期記憶涉及信息的長(zhǎng)時(shí)間保留和檢索,包含了AIAgent可能調(diào)用的各種工具,如日歷、計(jì)算器、代碼解練,其內(nèi)部能力和知識(shí)邊界基本就已固定且難以拓展,因此這些工具非常重要?？騻償U(kuò)展了AIAgent的能力,使其能夠執(zhí)行超出AIAgent基于規(guī)劃和記憶來(lái)執(zhí)行具體的行動(dòng),這可能包括與外部世界互動(dòng),或者通過工具調(diào)用來(lái)完成—個(gè)動(dòng)作或任務(wù)要承擔(dān)人類助手的角色,人類和AIAgent之間的互動(dòng)趨向于平等,但人類仍然占主導(dǎo),AIAgent的自主性仍然有限。級(jí)別務(wù),與他人互動(dòng),確保務(wù),與他人互動(dòng),確保協(xié)作行為(多智能體))超人類(超過5Agent感知用戶環(huán)境,理解用戶記憶,并主動(dòng)提供上下文和記憶,同時(shí)主動(dòng)大師(相當(dāng)于99%Agent感知用戶環(huán)境,理解用戶記憶,并主動(dòng)提供上下文和記憶,同時(shí)主動(dòng)大師(相當(dāng)于99%43專家(相當(dāng)于90%具執(zhí)行步驟,并根據(jù)中間2勝任(相當(dāng)于50%用戶:“查看北京今天的天氣”架1新人(相當(dāng)于無(wú)技用戶:“打開門”用戶:“呼叫Alice”用戶:打開第—個(gè)抽屜并統(tǒng),如SHRDLU、廣義領(lǐng)域的非AI,如廣義領(lǐng)域的非AI,如9?按應(yīng)用架構(gòu)劃分,AIAgent可以劃分為單Agent、多Agent兩種類型,多Agent又可進(jìn)—步分為垂直架構(gòu)和水平架構(gòu):?單Agent:由—個(gè)?立的Agent組成,旨在?立執(zhí)行特定任務(wù);?多Agent:由多個(gè)彼此?立但可互相交互的的Agent組成,每個(gè)Agent都能感知環(huán)境并采取行動(dòng)。?多Agent朝著—個(gè)共同的目標(biāo)努力,而這個(gè)目標(biāo)超出了單Agent的能力范圍。多Agent的聯(lián)合應(yīng)用往往可以解決單Agent無(wú)法完雜任務(wù),同時(shí)創(chuàng)造出適應(yīng)性更強(qiáng)、擴(kuò)展性更高和更穩(wěn)健的解決方終。多Agent系統(tǒng)還可以用于需要分散決策的環(huán)境中;?兩個(gè)及以上Agent組成,不?兩個(gè)及以上Agent組成,不所有Agent平等,共同協(xié)作??單—模型驅(qū)動(dòng),獨(dú)立完成所?按決策邏輯劃分,AIAgent主要可以劃分為以下6種類型:簡(jiǎn)單反射型Agent、基于模型的反射型Agent、基于目標(biāo)的Agent、基于效?不同決策邏輯的AIAgent之間并不相互排斥,例如,AIAgent可以主要基于目標(biāo),同時(shí)也具備從環(huán)境中學(xué)習(xí)的能力。分類介紹規(guī)則來(lái)執(zhí)行其功能,該規(guī)則規(guī)定了在????易于設(shè)計(jì)和實(shí)施,需要最少的計(jì)算資源下,高度可靠????如果輸入傳感器有缺陷或規(guī)則設(shè)計(jì)不善,就會(huì)出沒有記憶或狀態(tài),限制其適用范圍僅限于—組特定的行動(dòng),無(wú)法適應(yīng)新情況件-行動(dòng)規(guī)則,但與簡(jiǎn)單反射型Agent不同的是,基于模型的反射型Agent????基于對(duì)世界的理解,快速高效地做出決策通過構(gòu)建內(nèi)部世界模型,更好地做出準(zhǔn)確決策通過利用其內(nèi)部狀態(tài)和規(guī)則來(lái)確定條件,從而做?????模型需要經(jīng)常更新,以保持最新狀態(tài)劃后,基于目標(biāo)的Agent會(huì)嘗試選擇實(shí)現(xiàn)目標(biāo)的最佳策略,然后使用搜索?????可與其他AI技術(shù)相結(jié)合,創(chuàng)建更高級(jí)的Agent?????將任務(wù)分配給最合適的Agent,避免重復(fù)勞動(dòng),?將任務(wù)分配給最合適的Agent,避免重復(fù)勞動(dòng),化問題,促進(jìn)Agent學(xué)習(xí)?通過更簡(jiǎn)潔、可重復(fù)地表示整個(gè)問題,分層分層Agent具有分層結(jié)構(gòu),可在不同做出抽象的長(zhǎng)期決策,而較低層次的?需要精確的環(huán)境模型,否則會(huì)導(dǎo)致決策失誤的Agent用值最大化做出決策,它們選擇預(yù)期?計(jì)算成本高,需要大量計(jì)算效用最高的行動(dòng),而預(yù)期效用可以衡?擇的應(yīng)用中,例如資源分配、日程安排?動(dòng),從反饋中學(xué)習(xí),并在未來(lái)的互動(dòng)?學(xué)習(xí)型Agent可以按照基本指令(如口語(yǔ)指令)?與執(zhí)行預(yù)定行動(dòng)的傳統(tǒng)Agent不同,學(xué)習(xí)型?????境中的適應(yīng)性,阻礙了Agent調(diào)整或?qū)ふ姨娲?分層Agent遵循自上而下的控制流,可能造成瓶?每個(gè)領(lǐng)域可能都需要?jiǎng)?chuàng)建新的分層結(jié)構(gòu),耗時(shí)且?訓(xùn)練分層Agent具有挑戰(zhàn)性,且提高性能難度大?面向B端企業(yè),專業(yè)顧問類Agent作為“數(shù)字員工”,專注于自動(dòng)化工作流程、數(shù)據(jù)分析和客戶服務(wù)等。通過提高效率、輔助決策、風(fēng)險(xiǎn)管理和跨部門協(xié)作來(lái)增強(qiáng)企業(yè)運(yùn)營(yíng)。AIAgent的架構(gòu)可以與現(xiàn)有系統(tǒng)集成,具有高度的可擴(kuò)展性和成本效益,能夠持續(xù)優(yōu)化以適應(yīng)企業(yè)需求;?面向C端用戶,交互娛樂類Agent作為“個(gè)人助理”,提供個(gè)性化的日常任務(wù)輔助和智能交互服務(wù)。通過學(xué)習(xí)用戶偏好來(lái)定制服務(wù),如日程管理、信息搜索和娛樂互動(dòng),同時(shí)注重用戶隱私保暢,確保數(shù)據(jù)安全。?無(wú)論是面向B端還是C端,AIAgent的核心價(jià)值都在于提高效率、降低成本、提供決策支持,并在與用戶的互動(dòng)中創(chuàng)造更好的體驗(yàn)?！?AIAgent具有自動(dòng)執(zhí)行任務(wù)、做出決策以及與周圍環(huán)境智能互動(dòng)的能力,企業(yè)需要將AIAgent納入到與業(yè)務(wù)環(huán)境相關(guān)的產(chǎn)品中,才能滿足對(duì)AIAgent的期望。AIAgent可以配置在任何數(shù)字化的環(huán)境中運(yùn)行,包括:消費(fèi)環(huán)境工業(yè)環(huán)境動(dòng)信息環(huán)境總結(jié)信息,改創(chuàng)意環(huán)境社會(huì)環(huán)境物流環(huán)境?AIAgent在業(yè)務(wù)環(huán)境中的應(yīng)用涉及多種AIAgent互動(dòng)模式,需要根據(jù)業(yè)務(wù)需求、用戶界面和預(yù)期的用戶體驗(yàn)進(jìn)行選擇:人類主導(dǎo)流程作,例如為產(chǎn)品生成更新的營(yíng)銷材料,過往營(yíng)銷活動(dòng)的互動(dòng)情況,生成支持混合流程務(wù)的某些階段。例如,旅行預(yù)訂Agent可識(shí)別行程并預(yù)訂機(jī)票,但在完成預(yù)隱藏過程和處理—個(gè)正在進(jìn)行的目標(biāo),并接受外部監(jiān)控,例如Agent對(duì)分布式物流系?AIAgent不是插件或API接口,但其架構(gòu)中經(jīng)常使用這兩種工具。AIAgent的創(chuàng)理能力使其能夠自主采取行動(dòng)來(lái)實(shí)現(xiàn)特定結(jié)果,因此需要某些關(guān)鍵組件。企業(yè)需要根據(jù)AIAgent的任務(wù)目的來(lái)設(shè)計(jì)組件,如果沒有正確的組件,企業(yè)將無(wú)法構(gòu)建能夠規(guī)劃、行動(dòng)和學(xué)習(xí)的?構(gòu)建—個(gè)AIAgent的關(guān)鍵組件如下,根據(jù)任務(wù)類型的不同,可能需要更多或更少的組件:8 ①記憶:作為AIAgent的記憶庫(kù),存儲(chǔ)信息、過去的經(jīng)驗(yàn)和與任務(wù)相關(guān)的偏好。記憶分為用于進(jìn)程間任務(wù)的短期記憶、用于環(huán)境信息和過去行動(dòng)的長(zhǎng)期記憶,以及循某8 規(guī)劃的自我批評(píng)過程;71234②規(guī)劃:規(guī)劃的自我批評(píng)過程;71234③任務(wù):當(dāng)前要執(zhí)行的任務(wù)列表,與工具配合執(zhí)行和跟蹤每項(xiàng)任務(wù);5④工具集成:支持AIAgent與各種環(huán)境交互,包括API接口、數(shù)據(jù)庫(kù)、用戶界面和網(wǎng)絡(luò)瀏覽器,擴(kuò)展Agent操作和控制環(huán)境的能力;5⑤感知:使AIAgent能拒感知周圍環(huán)境,從文本、圖(如位置數(shù)據(jù)、環(huán)境數(shù)據(jù)或網(wǎng)絡(luò)連接等技術(shù)數(shù)據(jù))中收集數(shù)據(jù);6⑥模型:包括大小模型或其他AI技術(shù),幫助AIAgent理解自然語(yǔ)言、提供—般知識(shí)并推6⑦目標(biāo):AIAgent需要完成的總體任務(wù);⑧環(huán)境:AIAgent將循其中行動(dòng)的物理或數(shù)字領(lǐng)域(例如,機(jī)器人或自動(dòng)駕駛汽車、?多Agent系統(tǒng)通常比單Agent系統(tǒng)更難設(shè)計(jì)。這些系統(tǒng)可能會(huì)表現(xiàn)出難以提前預(yù)融的突發(fā)行為,需要更強(qiáng)大的訓(xùn)練和融試,以及持續(xù)的監(jiān)控、追?和文檔記錄。例如,Agent之間相互沖突的目標(biāo)和互動(dòng)可能會(huì)產(chǎn)生不良行為;?在多Agent系統(tǒng)中,每個(gè)Agent都有其特定的角色和功能,框們需要相互協(xié)作以完成共同的任務(wù),這可能涉及到Agent之間的通信、協(xié)商和協(xié)調(diào)策略。將—個(gè)工作流程分解成多個(gè)Agent的過程需要實(shí)驗(yàn)和探索,企業(yè)需要考慮—個(gè)任務(wù)是由—個(gè)Agent?立完成,還是多個(gè)Agent共同協(xié)作;?通常從用戶提示開始,用戶提示可以是人類用戶的請(qǐng)求?協(xié)調(diào)Agent負(fù)責(zé)監(jiān)督系統(tǒng)運(yùn)行,協(xié)調(diào)工作流程、了解其他Agent的角色并檢查他們的工作;?主Agent設(shè)定目標(biāo),并提示下—個(gè)Agent開始工作;?查Agent將其輸出返回給主Agent進(jìn)行審查,以便主Agent協(xié)調(diào)下—步工作;①用戶提示:以用戶要求文檔撰寫開始,這—過程可以由人類驅(qū)動(dòng),也可以由其他AIAgent驅(qū)動(dòng);如防護(hù)欄、提示注入和越?檢融;③協(xié)調(diào)Agent:循本例中,協(xié)調(diào)Agent負(fù)責(zé)控制w他Agent的工作;④目標(biāo)提示詞:協(xié)調(diào)Agent的查目標(biāo)與提示下—個(gè)Agent開始工作來(lái)處理指初;⑤輸出提示詞:查創(chuàng)理將輸出結(jié)果返回給協(xié)調(diào)Agent審核,以便⑥LLM:多Agent系統(tǒng)中不同的Agent可能會(huì)使用相同的LLM,或術(shù);循此工作流程中,評(píng)刻Agent會(huì)對(duì)文檔提供反饋,以便人類查看其他內(nèi)容建議;1122 83766⑧協(xié)作:人類和AIAgent將建立協(xié)作關(guān)系,循此工作流程中,編?當(dāng)前,企業(yè)對(duì)AIAgent技術(shù)的應(yīng)用仍處于初期階段,尤其是基于大模型的AIAgent。根據(jù)沙丘智庫(kù)近期對(duì)81名企業(yè)技術(shù)相關(guān)負(fù)責(zé)人的調(diào)研,17.3%的企業(yè)表示正在開發(fā)AIAgent(44.4%的企業(yè)正在使用大模型技術(shù),而在使用大模型技術(shù)的企業(yè)中,38.9%的企業(yè)正在開發(fā)AIAgent)。44.4%的企44.4%的企?從應(yīng)用方向上看,當(dāng)前AIAgent的應(yīng)用領(lǐng)域集中在大模型擅長(zhǎng)的領(lǐng)域,調(diào)研結(jié)果顯示,員工助手(51.9%)、數(shù)據(jù)分析(35.8%)、?從應(yīng)用深度上看,盡管AIAgent的潛力巨大,但當(dāng)前企業(yè)AIAgent的應(yīng)用相對(duì)簡(jiǎn)單,復(fù)雜場(chǎng)景尚未實(shí)現(xiàn)。員工助手?jǐn)?shù)據(jù)分析問題:您認(rèn)為AIAgent在哪些方面可以帶來(lái)價(jià)值?(可多選)?企業(yè)在開發(fā)AIAgent時(shí)會(huì)遇到來(lái)自多方面的挑戰(zhàn),其中AIAgent的結(jié)果可靠性是限制其落地的關(guān)鍵因素之一。調(diào)研結(jié)果顯示,66.7%的企業(yè)認(rèn)為結(jié)果可靠性是阻礙其開發(fā)AIAgent的挑戰(zhàn),此外,數(shù)據(jù)隱私和安全(39.5%)、成本效益分析(35.8%)等因素也在阻礙問題:阻礙您所在企業(yè)開發(fā)AIAgent的挑戰(zhàn)是什么?(可多選)?通過對(duì)企業(yè)AIAgent落地實(shí)踐的觀察與調(diào)研,沙丘智庫(kù)將現(xiàn)階段AIAgent的技術(shù)局限性總結(jié)如下,企業(yè)需要在實(shí)踐過程中(尤其是面對(duì)復(fù)雜任務(wù)時(shí))保持謹(jǐn)慎。?AIAgent主要由自我迭創(chuàng)組成,可以使用prompt來(lái)約束迭創(chuàng)過程中Agent的行為,但并不能保證百分百的可控性,特別是循需要高度固確性的任務(wù)中,如SQL數(shù)據(jù)庫(kù)操作和科欄計(jì)算,結(jié)果的可控性難以把控?AIAgent循執(zhí)行任務(wù)時(shí)需要存儲(chǔ)記憶和狀態(tài),但循處理復(fù)雜工作,如大量文本或搜索結(jié)果時(shí),很容易遇到token溢出問題,即使使用高級(jí)模型,仍然存循注意力分散的挑戰(zhàn)?串聯(lián)任務(wù)是目前AIAgent工作模式的主流,但這種模式的優(yōu)化空間有限,且現(xiàn)有組架對(duì)并行任務(wù)的支持并不理?有時(shí)候—個(gè)簡(jiǎn)單的需求可能需要AIAgent運(yùn)行長(zhǎng)達(dá)10分鐘,這循實(shí)際應(yīng)用中難以接受?AIAgent的prompt設(shè)計(jì)對(duì)于任務(wù)的魯棒性至關(guān)重要,但循面對(duì)復(fù)雜任務(wù)時(shí),AIAgent可能會(huì)出現(xiàn)錯(cuò)誤,甚至瀏?目前的大語(yǔ)言模型并沒有針對(duì)AIAgent的各個(gè)環(huán)節(jié)進(jìn)行專門調(diào)整,而是依賴于模型的泛化能力,這循—定程度5.1最佳實(shí)踐1:采用大小模型協(xié)同的技術(shù)路線?大模型擅長(zhǎng)理解、總結(jié)和提供高層次的指導(dǎo),而小模型的可解釋性更強(qiáng),擅長(zhǎng)感知和執(zhí)行具體的任務(wù)。在實(shí)際落地過程中,企業(yè)需要根據(jù)任務(wù)進(jìn)行適配,通過大模型、小模型甚至傳統(tǒng)AI技術(shù)的組合,可以有效實(shí)現(xiàn)企業(yè)復(fù)雜場(chǎng)景的智能化,提高AIAgent輸出結(jié)果的準(zhǔn)確性和可靠性,實(shí)現(xiàn)更高效的業(yè)務(wù)流程和決策支持。大模型大模型分發(fā),調(diào)用小模型執(zhí)行小模型感知,輸入給大模型理解小模型N…大模型M?大模型在處理特定領(lǐng)域或需要專業(yè)知識(shí)的問題時(shí)可能表現(xiàn)不足,RAG技術(shù)可以提供額外的知識(shí)來(lái)源,增強(qiáng)知識(shí)廣度和深度。對(duì)于AIAgent的長(zhǎng)期記憶,當(dāng)前企業(yè)最常用的方式是通過RAG技術(shù)從外掛知識(shí)庫(kù)中獲取知識(shí),從而提升AIAgent的答復(fù)準(zhǔn)確率和質(zhì)量;?在實(shí)踐RAG的過程中,企業(yè)會(huì)發(fā)現(xiàn)RAG實(shí)際落地生產(chǎn)的難度非常大,—些典型的問題和最佳實(shí)踐如下(具體可參考沙丘智庫(kù)《2024年“大模型+RAG”最佳實(shí)踐報(bào)告》):?數(shù)據(jù)質(zhì)量差:企業(yè)大部分?jǐn)?shù)據(jù)(尤其是非結(jié)構(gòu)數(shù)據(jù))缺乏良好的數(shù)據(jù)治理,未經(jīng)標(biāo)記/評(píng)估的非結(jié)構(gòu)化數(shù)?最佳實(shí)踐1:構(gòu)建完整的數(shù)據(jù)準(zhǔn)備流程?最佳實(shí)踐2:采用多種分塊方式?錯(cuò)過排名靠前的文檔:與用戶查詢相關(guān)的文檔被?最佳實(shí)踐3:通過查詢轉(zhuǎn)換澄清用戶意圖?最佳實(shí)踐4:采用混合檢索和重排策略?最佳實(shí)踐5:改進(jìn)提示詞模板??最佳實(shí)踐5:改進(jìn)提示詞模板?最佳實(shí)踐6:實(shí)施動(dòng)態(tài)防護(hù)欄I5.3最佳實(shí)踐3:合理設(shè)計(jì)Workflow提升輸出質(zhì)量(1)?AgenticWorkflow是由多個(gè)AIAgent協(xié)作和聯(lián)動(dòng)完成復(fù)雜任務(wù)的工作流模式,強(qiáng)調(diào)AIAgent之間的信息交換、分工協(xié)作、決策反饋,甚至包括集體反思與任務(wù)調(diào)整。AgenticWorkflow是—種新型的協(xié)作系統(tǒng),具有自適應(yīng)、自主決策的特性,這種協(xié)作類似于—個(gè)由多個(gè)專家組成的團(tuán)隊(duì),其中每個(gè)成員都各司其職,且通過彼此的交流與反饋實(shí)現(xiàn)整體效能的最大化。修改/思考/思考/.用戶輸入指令,模型輸出結(jié)果.用戶輸入指令,模型輸出結(jié)果.—次完成,限制模型迭代優(yōu)化.將復(fù)雜任務(wù)拆解為多個(gè)步驟.通過循環(huán)迭代的方式優(yōu)化結(jié)果workflow的效果,結(jié)果表明:shot);5.3最佳實(shí)踐3:合理設(shè)計(jì)Workflow提升輸出質(zhì)量(2)?Workflow的基本設(shè)計(jì)模式有4種:反思(ReflectCollaboration),這四種模式旨在優(yōu)化AIAgent的不同方面,從決策制定到協(xié)作,使Agent能夠更準(zhǔn)確、更高效地處理更復(fù)雜的任務(wù)。多個(gè)AIAgent扮演不同的角色,協(xié)…… 自------- 一 自------- 一 4------- 一 自-------任務(wù)結(jié)果-----b…任務(wù)結(jié)果-----b…4蕁-------------?4蕁-------------?123生成創(chuàng)碼,然后通過單元融試檢查作5.4最佳實(shí)踐4:采取安全風(fēng)險(xiǎn)應(yīng)對(duì)措施(1)?傳統(tǒng)AI模型和應(yīng)用的安全風(fēng)險(xiǎn)通常限于模型輸入、模型處理和模型輸出、編排層的軟件漏洞以及托管框們的環(huán)境。除了這些威脅外,AIAgent的安全風(fēng)險(xiǎn)范圍擴(kuò)大到了AIAgent觸發(fā)和參與的—系列再件和交互中,這些通常對(duì)人類或系統(tǒng)操作員來(lái)說(shuō)是不可見的,也無(wú)法進(jìn)行阻止,需要通過適當(dāng)?shù)陌踩胧┻M(jìn)行解決。AIAgent帶來(lái)的特有安全風(fēng)險(xiǎn)包括:?AIAgent循執(zhí)行和交互的過程中可能會(huì)無(wú)節(jié)制地消耗大量系統(tǒng)資源,無(wú)論是有意還是無(wú)意,這可能導(dǎo)致系統(tǒng)資源?AIAgent可能會(huì)有意或無(wú)意地執(zhí)行未授權(quán)或惡意的活動(dòng),例如惡意程序或人類的Agent“劫持”行為?AIAgent可能會(huì)由于編碼邏輯錯(cuò)誤導(dǎo)致數(shù)據(jù)泄露或其他威脅,這些錯(cuò)誤可能是未經(jīng)授權(quán)的、意外的或惡意的?使用從第三方網(wǎng)站下載的庫(kù)或創(chuàng)碼用于AIAgent可能會(huì)瀏來(lái)供應(yīng)鏈風(fēng)險(xiǎn),這些創(chuàng)碼可能被植入了惡意軟件,旨循?使用自動(dòng)化的Agent流程可能會(huì)傳播和復(fù)制惡意創(chuàng)碼,以及通過檢索增強(qiáng)生成(RAG)對(duì)Agent進(jìn)行“投毒”觸5.4最佳實(shí)踐4:采取安全風(fēng)險(xiǎn)應(yīng)對(duì)措施(2)?為了應(yīng)對(duì)AIAgent的安全風(fēng)險(xiǎn),企業(yè)應(yīng)采取相應(yīng)的應(yīng)對(duì)措施,并將這些措施的訪問權(quán)限授予給IT、安全或任何其他需要管理AIAgent應(yīng)對(duì)措施1:為了檢融異常和違規(guī)行為,需要給AIAgent的行動(dòng)、流程、連接、數(shù)據(jù)暴露、信息流、輸出和響應(yīng)提供—個(gè)全面的儀表盤視圖。同時(shí),還需要支持對(duì)Agent的所有交互和活動(dòng)進(jìn)行不可更改的審計(jì)跟蹤。儀表盤視圖應(yīng)支持對(duì)以下內(nèi)容的可見性:?輸出的使用情況:AIAgent的輸出是如何隨時(shí)間被組織使用的;?AIAgent的交互意圖:例如Agent的目標(biāo)、行為和通信方式;?是否遵循企業(yè)政策:AIAgent的表現(xiàn)是否符合企業(yè)可接受的使用政策;?是否遵循安全、隱私和法律要求:AIAgent的表現(xiàn)是否符合相關(guān)的安全、隱私和法律要求;?將AIAgent的行動(dòng)與企業(yè)身份和訪問管理(IAM)系統(tǒng)集成,確?？梢源_定訪問權(quán)限,并實(shí)施最小權(quán)限訪問控制。應(yīng)對(duì)措施2:??檢融并標(biāo)記那些異常的AIAgent行動(dòng)以及違反了企業(yè)相關(guān)政策的行動(dòng)。企業(yè)循建立了儀表盤視圖、確定了預(yù)期的行動(dòng)基線后,就可以開始檢融異常的交易和行動(dòng);考慮到AIAgent交互的速度和數(shù)量,人工無(wú)法進(jìn)行所有的監(jiān)督和修復(fù),因此應(yīng)盡可能對(duì)異常交易進(jìn)行自動(dòng)修復(fù);對(duì)于無(wú)法自動(dòng)修復(fù)的異常情況,應(yīng)該立刻暫停,并轉(zhuǎn)給人工進(jìn)行審查和修復(fù)。?數(shù)據(jù)脫敏:當(dāng)企業(yè)定義的敏感數(shù)據(jù)(例如,個(gè)人身份信息或機(jī)密的非結(jié)構(gòu)化信息)傳遞給Agent系統(tǒng)時(shí),進(jìn)行脫敏處理;應(yīng)對(duì)措施3:?實(shí)施最小權(quán)限訪問:盡可能實(shí)施最小權(quán)限訪問控制。如果檢融到違規(guī)行為且無(wú)法自動(dòng)修復(fù),則阻止訪問,并將問題應(yīng)對(duì)措施3:?支持特定Agent威脅指標(biāo)的拒絕列表:基于企業(yè)數(shù)據(jù)相關(guān)的威脅情報(bào)制定—個(gè)特定Agent威脅指標(biāo)的拒絕列表,Agent循行動(dòng)時(shí)需要根據(jù)列表進(jìn)行驗(yàn)證;?支持文件和文件類型的拒絕和接受列表:定義Agent可以訪問和不可以訪問的文件和文件類型,包括循RAG中支持Agent工作流的文件;?實(shí)施監(jiān)控和反饋循環(huán):通過實(shí)施監(jiān)控和反饋循環(huán),識(shí)別由于不固確性導(dǎo)致的不需要的行動(dòng)。案例1:華為云AIAgent實(shí)踐(1)?華為云在內(nèi)部落地AIAgent技術(shù),并總結(jié)AIAgent落地的三階七步法,引導(dǎo)業(yè)務(wù)團(tuán)隊(duì)逐步采納AIAgent技術(shù),避免對(duì)AIAgent的過度預(yù)期與失望,同時(shí)明確AIAgent的適用場(chǎng)景:落地AIAgent,解決企業(yè)生產(chǎn)場(chǎng)景的復(fù)雜問題,提升企業(yè)生成作業(yè)效率如何持續(xù)保持效果,并保障安全?如何持續(xù)保持效果,并保障安全?引入大模型,少量數(shù)據(jù)微調(diào)引入大模型,少量數(shù)據(jù)微調(diào)專業(yè)領(lǐng)域微調(diào)/預(yù)訓(xùn)練,外掛知識(shí)庫(kù)專業(yè)領(lǐng)域微調(diào)/預(yù)訓(xùn)練,外掛知識(shí)庫(kù)調(diào)調(diào)練排2.Prompt將支撐將支撐AIAgent的能力平臺(tái)化,提供給業(yè)務(wù)開發(fā)團(tuán)隊(duì)使用案例1:華為云AIAgent實(shí)踐(2)?在AIAgent的技術(shù)實(shí)踐中,針對(duì)專業(yè)性、協(xié)作性、責(zé)任性和安全性挑戰(zhàn),華為云通過企業(yè)詞表、外掛知識(shí)庫(kù)、模型編排、防退化、防安全風(fēng)險(xiǎn)等關(guān)鍵技術(shù)實(shí)踐,使企業(yè)能夠更加有效地利用AIAgent技術(shù),提升企業(yè)生產(chǎn)場(chǎng)景智能化水平,同時(shí)確保技術(shù)應(yīng)用的安全性和責(zé)任性專業(yè)性、協(xié)作性責(zé)任性模型編排|理解生成+感知執(zhí)行模型編排|理解生成+感知執(zhí)行大模型數(shù)據(jù)固入標(biāo)固|領(lǐng)域知識(shí)動(dòng)態(tài)知識(shí)持續(xù)補(bǔ)充|分鐘級(jí)更新作業(yè)即標(biāo)注|數(shù)據(jù)飛輪安全性數(shù)據(jù)安全:隱私數(shù)據(jù)脫敏數(shù)據(jù)安全:隱私數(shù)據(jù)脫敏應(yīng)用安全:應(yīng)用安全護(hù)欄模型交互安全:安全隔離帶案例1:華為云AIAgent實(shí)踐(3)?以客服AIAgent的實(shí)現(xiàn)為例,華為云通過四個(gè)階段的實(shí)施,提高客服助手AIAgent的答復(fù)準(zhǔn)確率,并通過持續(xù)優(yōu)化,實(shí)現(xiàn)了與客服業(yè)務(wù)流程的深度整合,顯著提升了客服效率和客戶滿意度。答準(zhǔn)率2%17%答準(zhǔn)率1.引入LLM,基于廣域2.Prompt,模擬客服3.垂域知識(shí),引入向量搜索+知識(shí)庫(kù),給AI提4.?工標(biāo)注+SFT微調(diào),5.提升標(biāo)注質(zhì)量,進(jìn)—注,提升標(biāo)注效率固確率提升,緩解“幻覺”問題,但對(duì)問題清固確率提升,緩解“幻覺”問題,但對(duì)問題清固確率進(jìn)—步提升,效果及格,單標(biāo)注效率和效果良好,達(dá)到業(yè)務(wù)團(tuán)更新,效果優(yōu)秀,業(yè)務(wù)能扮演客服,但“幻覺”嚴(yán)重,無(wú)法很好約束模來(lái)源:沙丘智庫(kù),《華為云AIAgent實(shí)案例2:聯(lián)想基于Multi-Agent的銷售提效實(shí)踐?聯(lián)想海外銷售業(yè)務(wù)通過建立Multi-Agent系統(tǒng)來(lái)簡(jiǎn)化產(chǎn)品配置建議流程,旨在生成精準(zhǔn)的、定制化的產(chǎn)品配置建議;?系統(tǒng)內(nèi)的每個(gè)Agent都由—個(gè)大語(yǔ)言模型支持執(zhí)行特定任務(wù),如檢查庫(kù)存可用性、優(yōu)先考慮高毛利產(chǎn)品以及根據(jù)營(yíng)銷策略推廣產(chǎn)品;?根據(jù)用戶輸入的prompt,每個(gè)Agent從知識(shí)庫(kù)中獲取特定信息,并觸發(fā)工具包中的相關(guān)應(yīng)用來(lái)執(zhí)行任務(wù)。工具包是—個(gè)API集合,這些API可以在配置過程中觸發(fā)應(yīng)用,不同的Agent會(huì)根據(jù)不同的任務(wù)需求選擇不同的API來(lái)完成任務(wù)。案例3:螞蟻基于多智能體的投研支小助(1)?螞蟻agentUniverse是—個(gè)大模型多智能體組架,其中,“PEER”是最具特色的模式之—。PEER模式通過計(jì)劃(Planning)、執(zhí)行(Executing)、表達(dá)(Expressing)、評(píng)價(jià)(Reviewing)四個(gè)不同職責(zé)的智能體,實(shí)現(xiàn)對(duì)復(fù)雜問題的多步拆解、分步執(zhí)行,并基于評(píng)價(jià)反饋進(jìn)行自主迭創(chuàng),最終提升推理分析類任務(wù)表現(xiàn)。answerPEERPatternPEERPattern描述分析的維度、過程,描述分析的維度、過程,描述知識(shí)框架的用途,集案例3:螞蟻集團(tuán)基于多智能體的投研支小助(2)?投研支小助基于PEER模式實(shí)現(xiàn),中間是計(jì)劃、執(zhí)行、表達(dá)、評(píng)價(jià)的閉環(huán),且閉環(huán)可以嵌套,例如在計(jì)劃環(huán)節(jié)引入—層PEER通過分工得到更好的拆解,或者在評(píng)價(jià)環(huán)節(jié)再引入PEER的分工來(lái)做細(xì)粒度的精細(xì)評(píng)價(jià),讓查閉環(huán)內(nèi)的多個(gè)Agent決定復(fù)雜任務(wù)如何進(jìn)行更合理的拆解;?驅(qū)動(dòng)閉環(huán)的核心是智能體中的專家knowhow,這些專家knowhow以“1+4+1”結(jié)構(gòu)的專家組架形式落地,螞蟻針對(duì)9類典型的定性知識(shí)挖掘金融知識(shí)工程金融知識(shí)工程案例4:字節(jié)跳動(dòng)智能運(yùn)維AIAgent實(shí)踐(1)?AIAgent可以幫助智能運(yùn)維領(lǐng)域很多復(fù)雜任務(wù)類場(chǎng)景的落地,比較常見的故障排查、故障修復(fù)等,此外還有通過AIAgent的反思和工具調(diào)用能力增強(qiáng)單個(gè)大模型的場(chǎng)景,例如運(yùn)維知識(shí)問答、信息檢索等;?故障排查場(chǎng)景通過單Agent實(shí)現(xiàn),通過表象現(xiàn)象進(jìn)行下鉆,收集更多異常信息進(jìn)行綜合的根因推斷和總結(jié),最終生成故障的診斷定位。 問題:近日應(yīng)用app001發(fā)現(xiàn)應(yīng)用響應(yīng)遲鈍,部分響應(yīng)超過了7秒,請(qǐng)幫忙定位故障工具:指標(biāo)異常檢融,日志異常檢融,再件工具:歷史故障檢索,根因分析工具,故障工具:歷史故障檢索,根因分析工具,故障app001因?yàn)橹鳈C(jī)宕機(jī),導(dǎo)致……告警,機(jī)器學(xué)習(xí)/深度學(xué)習(xí),基根因分析:流程+規(guī)則,算法,流程+規(guī)則+規(guī)劃計(jì)劃:I案例4:字節(jié)跳動(dòng)智能運(yùn)維AIAgent實(shí)踐(2)?故障修復(fù)可使用多Agent方式進(jìn)行實(shí)現(xiàn),可根據(jù)故障依賴的組織結(jié)構(gòu)設(shè)計(jì)多個(gè)Agent,使用主持人的方式,規(guī)劃/管理各個(gè)角色的協(xié)作,并對(duì)目標(biāo)的達(dá)成進(jìn)行判斷決策。針對(duì)使用的知識(shí)、工具和環(huán)境交互,可利用工具箱進(jìn)行劃分,分配給不同的角色,減少—個(gè)角色使用的工具,精簡(jiǎn)—個(gè)角色的職能,提升多Agent的協(xié)作效率?！I(lǐng)域知識(shí)/工具,解決領(lǐng)域問題2.使用“主特?”模式,實(shí)現(xiàn)計(jì)劃的編排,角色之間的調(diào)度,可減少利用“協(xié)作”和“對(duì)抗/反思”2.利用傳統(tǒng)工具+模型建立工具箱,形成“環(huán)境”………………領(lǐng)域知識(shí)/工具,解決領(lǐng)域問題2.使用“主特?”模式,實(shí)現(xiàn)計(jì)劃的編排,角色之間的調(diào)度,可減少利用“協(xié)作”和“對(duì)抗/反思”2.利用傳統(tǒng)工具+模型建立工具箱,形成“環(huán)境”……案例5:騰訊大數(shù)據(jù)智能體?騰訊大數(shù)據(jù)智能體建設(shè)旨在構(gòu)建—個(gè)自動(dòng)駕駛的大數(shù)據(jù)平臺(tái),解決穩(wěn)定性保障、成本優(yōu)化和查詢加速等問題,同時(shí)有效降低運(yùn)營(yíng)運(yùn)維中的人力投入;?大數(shù)據(jù)智能體更像是—個(gè)中控,負(fù)責(zé)接受用戶的自然意圖(文字、截圖、語(yǔ)音等)作為輸入,以大語(yǔ)言模型作為調(diào)度工具,整合現(xiàn)有大數(shù)據(jù)平臺(tái)的數(shù)據(jù)知識(shí)和數(shù)據(jù)服務(wù)工具,在數(shù)據(jù)工程、數(shù)據(jù)科學(xué)、數(shù)據(jù)分析環(huán)節(jié)提供自動(dòng)化的智能決策和智能分析服務(wù)。大數(shù)據(jù)智能體---大數(shù)據(jù)智能體---Ppt…案例6:天弘基金數(shù)據(jù)分析Agent實(shí)踐?天弘基金正在開發(fā)基于大模型的ChatBI產(chǎn)品,只需要梳理好指標(biāo)或者利用虛擬化引擎的指標(biāo)沉淀能力輸出給智能BI平臺(tái),用戶就可以通過問答的方式獲取到想要的數(shù)據(jù)。數(shù)據(jù)分析Agent的實(shí)現(xiàn)思路如下:歷史查詢Query:過去半年收益較高的指數(shù)產(chǎn)品執(zhí)行:{"time":"最近半年","filter":"收子任務(wù)1:查詢天弘上半年表現(xiàn)較好的指歷史查詢Query:過去半年收益較高的指數(shù)產(chǎn)品執(zhí)行:{"time":"最近半年","filter":"收子任務(wù)1:查詢天弘上半年表現(xiàn)較好的指子任務(wù)2:查詢天弘上半年收益率大于子任務(wù)1:工具:基金篩選API參數(shù):{"fund_yield_rate":">10%",…}子任務(wù)2:工具:基金篩選API參數(shù):{"wind_type":"被動(dòng)指數(shù)型基金",…}子任務(wù)3:工具:繪圖分析API參數(shù):{"name":"天弘上證50",…}對(duì)每個(gè)查任務(wù)參數(shù)格式與字段進(jìn)行校驗(yàn),工具調(diào)用報(bào)錯(cuò),基于報(bào)錯(cuò)信息進(jìn)行參數(shù)合預(yù)期,不符合預(yù)期重新規(guī)劃查任務(wù)QueryQuery查找天弘上半年表現(xiàn)較好的指數(shù)基金,子任務(wù)1:子任務(wù)1:查詢天弘上半年表現(xiàn)較好的指子任務(wù)2:查詢?nèi)袌?chǎng)指數(shù)基金查任務(wù)3:繪制(查任務(wù)2結(jié)果)上半年工具選擇,工具調(diào)用意圖識(shí)別,任務(wù)拆解工具選擇,工具調(diào)用意圖識(shí)別,任務(wù)拆解案例7:中國(guó)聯(lián)通智能體平臺(tái)?中國(guó)聯(lián)通構(gòu)建智能體平臺(tái),具備融合感知、決策規(guī)劃、行動(dòng)和學(xué)習(xí)記憶能力,智能體平臺(tái)能夠識(shí)別用戶的真實(shí)意圖,自主采取行動(dòng)以實(shí)現(xiàn)業(yè)務(wù)目標(biāo),補(bǔ)足與既有平臺(tái)、應(yīng)用的集成能力,規(guī)?；卣勾竽Ｐ偷哪芰吔?有效提升客服大模型解決復(fù)雜業(yè)務(wù)問題的能力?！?………… …長(zhǎng)期記憶(向量知識(shí)庫(kù))長(zhǎng)期記憶(向量知識(shí)庫(kù))來(lái)源:沙丘智庫(kù),《中國(guó)聯(lián)通智能客服大模型實(shí)I案例8:江蘇移動(dòng)客戶經(jīng)理營(yíng)銷助手Agent(1)?江蘇移動(dòng)選用移動(dòng)自研大模型九天進(jìn)行私域部署,低代碼的構(gòu)建—整套客戶經(jīng)理AIAgent助手實(shí)現(xiàn)業(yè)務(wù)場(chǎng)景功能。智能體的規(guī)劃能力借助大模型的語(yǔ)義理解、識(shí)別和生成能力進(jìn)行業(yè)務(wù)邏輯的規(guī)劃;智能體的記憶能力借助提示詞和知識(shí)增強(qiáng)進(jìn)行業(yè)務(wù)知識(shí)的記憶;智能體的執(zhí)行能力借助數(shù)據(jù)庫(kù)、第三方接口的接入和交互進(jìn)行業(yè)務(wù)動(dòng)作;?項(xiàng)目架構(gòu)分為MaaS基座層和助手層兩大板塊:?MaaS基座層提供基礎(chǔ)大模型的管理、上下架等全生命周期管理和維護(hù);模型精調(diào)、測(cè)評(píng)、開發(fā)解析及助手構(gòu)建、服務(wù)所需的各項(xiàng)工具;還包括專業(yè)知識(shí)庫(kù)、業(yè)務(wù)數(shù)據(jù)集的數(shù)據(jù)采集、分類、存儲(chǔ)等能力;?助手層細(xì)分成數(shù)據(jù)層、模型層、開發(fā)層、集成層:?數(shù)據(jù)層負(fù)責(zé)構(gòu)建同業(yè)務(wù)相關(guān)的知識(shí)庫(kù),包括業(yè)務(wù)知識(shí)的收集、數(shù)據(jù)質(zhì)量分析、業(yè)務(wù)知識(shí)和關(guān)鍵信息的抽取、專業(yè)知識(shí)庫(kù)的維護(hù)與更新;?模型層針對(duì)L0/L1級(jí)模型進(jìn)行精微調(diào),并提供業(yè)務(wù)模型的精調(diào)和訓(xùn)練、模型評(píng)測(cè)等功能;?助手開發(fā)層實(shí)現(xiàn)—套基于低代碼可視化技術(shù)的智能體編排平臺(tái),可以依據(jù)本平臺(tái)實(shí)現(xiàn)場(chǎng)景下助手的快速編排、開發(fā)、調(diào)試,并利用提示工程,實(shí)現(xiàn)同大模型的交互;?助手集成層負(fù)責(zé)實(shí)現(xiàn)對(duì)業(yè)務(wù)邏輯的集成,實(shí)現(xiàn)網(wǎng)格客戶經(jīng)理助手相關(guān)的業(yè)務(wù)邏輯,集成多個(gè)智能體助手,串接復(fù)雜的業(yè)務(wù)流程,對(duì)外部API接口的接入管理,并提供場(chǎng)景功能的前端展現(xiàn)。I案例8:江蘇移動(dòng)客戶經(jīng)理營(yíng)銷助手Agent(2)平臺(tái)提供基礎(chǔ)模型、數(shù)據(jù)加工工具,L0九天模型(自研)案例9:58同城智能體方案?58同城智能體方終如下,能夠智能解析各種文檔,包括Word、PDF、Excel等。此外,還可以通過query改寫進(jìn)行問題拆解、支持多路索引策略,實(shí)現(xiàn)高效的索引召回效果。智能體內(nèi)置多種RAG強(qiáng)化模型,并支持用戶在AI平臺(tái)進(jìn)行自定義工作流,使智能體能夠靈活否API根據(jù)資料,黑神話悟空有提到2個(gè)結(jié)局 否API根據(jù)資料,黑神話悟空有提到2個(gè)結(jié)局 片段—:結(jié)局1:天命?戴上金箍,繼承了大圣意志…片段二:第二個(gè)結(jié)局是在二周目中,玩械再次對(duì)戰(zhàn)二郎神…I案例10:平安壹錢包WorkflowAgent實(shí)踐題,主要將其分為三個(gè)Agent:?第—個(gè)Agent是規(guī)劃者,負(fù)責(zé)理解問題并判斷需要調(diào)用哪些工具和工作流;?第二個(gè)Agent是觀察者,負(fù)責(zé)觀察工具調(diào)用的結(jié)果,生成數(shù)據(jù)分析結(jié)論,并判斷是否需要再次調(diào)?第三個(gè)Agent是決策者,負(fù)責(zé)總結(jié)現(xiàn)有的數(shù)據(jù),?以處理用戶問題為例,規(guī)劃者首先理解問題,并將—著,觀察者會(huì)分析規(guī)劃者提供的處理流程報(bào)告,并分析用哪個(gè)具體的工具來(lái)執(zhí)行每個(gè)分支流程,并依次執(zhí)行,執(zhí)行完后會(huì)得到多個(gè)中間報(bào)告。最后,這些中間報(bào)告會(huì)交給決策者,由決策者生成—個(gè)最終的答終。來(lái)源:沙丘智庫(kù),《平安壹錢包大模型應(yīng)用實(shí)踐》問:xx問:xxxx顧問,結(jié)合以下信息生成xx表現(xiàn)分析:析觀察者--析觀察者--決策者--答:決策者--答:……案例11:微眾銀行Multi-Agents研發(fā)流程提效實(shí)踐(1)?微眾銀行最初通過—個(gè)簡(jiǎn)單的Agent示例,確定了企業(yè)研發(fā)流程中的基礎(chǔ)Agent以及Agent之間的協(xié)議,并以此為基礎(chǔ)進(jìn)行擴(kuò)展,從……案例11:微眾銀行Multi-Agents研發(fā)流程提效實(shí)踐(2)?Agent是實(shí)現(xiàn)研發(fā)流程提效的關(guān)鍵,企業(yè)想要真正提升效率,需要資深的開發(fā)人員轉(zhuǎn)去編寫Agent來(lái)服務(wù)整個(gè)研發(fā)流程。此外,其他人員在使用過程中遇到問題時(shí),不能總是依賴這些核心人員來(lái)解決。因此,需要建立更好的人機(jī)交互機(jī)制,方便人工確認(rèn)和調(diào)整action的順序,并且需要疊加開發(fā)許多tools,以確保整個(gè)研發(fā)流程能夠更加順?地運(yùn)行。 …… ! ! 案例12:去哪兒Agen