yousa

统计数据

2

文章

0

粉丝

0

获赞

2

阅读

2天前

分享个自己昨晚的aha moment 昨晚翻阅了一下Claude半年前发的一篇文章，关于AI Agent如何构建。这篇文章主要介绍了AI Agent构建的一些基本逻辑单元，读的时候发现自己日常prompt开发也是会用这些做法。重新温习了一遍要点： 1. 尽可能采用最简单的解决方案，并且仅在必要时才增加复杂性 2. AI Agent基本逻辑单元 a. 增强型 LLM。添加了检索、工具和记忆等扩展功能的 LLM b. 工作流：提示链（Prompt Chaining）。当任务可以容易且清晰地分解为固定的子任务时 c. 工作流：路由（Routing）。当任务较为复杂且可以划分为截然不同的类别分别处理时，路由非常有效。 d. 工作流：并行化（Parallelization）。分段处理（Sectioning）：将任务拆解为可以并行执行的独立子任务；投票（Voting）：对同一任务执行多次，以获得多样化的输出。 e. 工作流：协调者-工作者（Orchestrator-Workers）。一个中央的 LLM 会动态地将任务分解，并将子任务分派给多个工作者 LLM f. 工作流：评估器-优化器（Evaluator-Optimizer）。一个 LLM 调用负责生成初始响应，另一个 LLM 则对该响应进行评估并提供反馈 g. 智能体。当面对开放式问题，无法预先确定所需步骤数且无法将流程硬编码为固定路径时 h. 组合和定制这些模式构建AI Agent 智能体时的三个核心原则 1. 保持智能体设计的简单性。 2. 通过明确展示智能体的规划步骤来优先保证透明性。 3. 通过详尽的工具文档和测试，精心打造你的智能体-计算机接口（ACI）。自己当时get到的点是，最后「附录1：实践中的智能体」，Claude介绍了两种已经证明成功的智能体，一个是客服agent一个是code agent。现在重读的时候才意识到这时候其实就是Anthropic相当于变相声明自己也要做Code Agent了

#AI Agent构建 #Claude文章 #智能体设计原则 #Anthropic Code Agent #技术分享

2个月前

最近深度学习了 Andrej Karpathy 关于软件未来的演讲，感觉整个认知都被刷新了！我们正处在一场 70 年未有之大变局中。深受启发，我把其中几个核心洞见做成了几张信息图（见附图），希望能帮你快速 get 到精华： 1. 阶梯式演进：从 Software 1.0 到 Software 3.0 2. 核心比喻：LLM = 新一代操作系统 3. 协作模式：打造“钢铁侠战甲”，而非机器人 4. 未来方向：为 AI Agent 而设计软件这不仅是技术的迭代，更是思想的革命。