探索智能体:吴恩达对人工智能未来发展的洞见

先直接说几个核心结论：Andrew Ng近期在硅谷顶级风投Sequoia Capital做了一场关于智能体（Agents）的演讲，内容含金量极高。作为谷歌大脑的联合创始人和前首席科学家，他在人工智能领域的地位不必多说。这场演讲的核心观点其实很简单——智能体技术正在以一种我们可能尚未完全意识到的方式，重塑大语言模型的能力边界。

智能体工作流

Andrew Ng对于“非智能体工作流”有个很形象的比喻：它就像是要求一位顶级作家，必须一气呵成一篇万字长文，中途不能回头修改。用户输入一个提示，大语言模型直接给出回答——过程是线性的，一步到位，没有迭代空间。

而智能体工作流就完全是另一回事了。它会先生成大纲、搜集资料，然后生成初稿，再根据反馈进行多轮修订和完善。整个流程是迭代的、交互的，有来有回。

这里有一个数据值得关注：将GPT-3.5包裹在智能体工作流中，其在编程基准测试中的表现，竟然超过了GPT-4的零次提示表现。果真是“工艺”有时比“原料”更能决定成品质量。

智能体设计模式

Andrew Ng重点列出了四种智能体设计模式，这可以说是整场演讲的精华所在：

——允许语言模型审视并修正自己的输出。就好比写完一段话后，再读一遍，挑毛病，改到满意为止。

——语言模型可以调用外部代码和API等工具来完成特定任务。这一步的本质是打破模型自身的知识边界和信息获取局限。

——给予语言模型“慢思考”的能力，把复杂任务拆解成可执行的步骤，而不是一上来就急于给出答案。

——不同的智能体基于不同的大语言模型，通过协同配合来产生更好的结果。类似于组建一个各有专长的专家团队。

关键在于，以上四种设计模式不是孤立的，组合起来威力更大。系统生产力的显著提升，正是源于这些模式的叠加使用。

挑战与前景

当然，智能体工作流并非没有代价。Andrew Ng指出，与传统的一键响应不同，智能体工作流可能需要数分钟甚至数小时才能产生最终结果。这就意味着，用户需要调整对AI响应时间的预期——快不一定是好事，慢工出细活。

快速令牌生成速度对迭代式智能体工作流来说尤其关键。像Grok这样的架构，可以极大加快推理速度，从而支撑起多智能体之间的高效互动。算力依然是绕不开的瓶颈。

尽管存在这些现实挑战，Andrew Ng对智能体技术在通往人工通用智能道路上的前景表达出相当乐观的态度。从整个演讲来看，智能体工作流或许正是那个我们一直在寻找的突破口——它让现有的大语言模型在不大幅升级底层架构的前提下，展现出新的能力和可能性。

这场演讲既给出了清晰的技术框架，也透露出行业顶尖人物对该方向的判断和信心。确实值得反复品读。