超越GPT4的Agent，我用代碼實(shí)現(xiàn)了！

作者：AI小智 2024-04-08 10:12:20

通過(guò)本文的介紹和實(shí)戰(zhàn)示例，我們可以看到，智能體工作流和反思技術(shù)在提升AI性能方面的巨大潛力。隨著技術(shù)的發(fā)展，我們有理由相信，未來(lái)的AI將更加智能、高效，能夠更好地服務(wù)于人類社會(huì)。讓我們共同期待并推動(dòng)這一領(lǐng)域的進(jìn)步。

Agent開(kāi)發(fā)的四種設(shè)計(jì)模式

在吳恩達(dá)教授的演講中，他提到了四種可以顯著提升AI智能體性能的設(shè)計(jì)模式：

反思（Reflection）：智能體審視自己的工作，并提出改進(jìn)的方法。
使用工具（Tool use）：智能體利用網(wǎng)絡(luò)搜索、代碼執(zhí)行等工具來(lái)收集信息、采取行動(dòng)或處理數(shù)據(jù)。
規(guī)劃（Planning）：智能體制定并執(zhí)行多步驟計(jì)劃來(lái)達(dá)成目標(biāo)。
多智能體協(xié)作（Multi-agent collaboration）：多個(gè)智能體共同工作，通過(guò)分配任務(wù)和討論來(lái)提出更優(yōu)的解決方案。

圖片

反思（Reflection）的深度解析

在吳恩達(dá)教授提出的AI智能體工作流中，反思（Reflection）是一個(gè)關(guān)鍵的概念，它指的是智能體在完成任務(wù)后，能夠自我審視其產(chǎn)出，并主動(dòng)尋找潛在的改進(jìn)空間。這種能力不僅對(duì)于提升智能體的性能至關(guān)重要，也是模擬人類學(xué)習(xí)過(guò)程的關(guān)鍵環(huán)節(jié)。

反思的過(guò)程

圖片

反思過(guò)程通常包括以下幾個(gè)步驟：

產(chǎn)出生成：智能體根據(jù)給定的任務(wù)或問(wèn)題生成初始的解決方案或產(chǎn)出。
自我評(píng)估：智能體審視自己的產(chǎn)出，檢查是否存在錯(cuò)誤、不足或可以改進(jìn)的地方。
反饋整合：智能體根據(jù)自我評(píng)估的結(jié)果，對(duì)產(chǎn)出進(jìn)行修改和優(yōu)化。
迭代循環(huán)：智能體重復(fù)上述過(guò)程，通過(guò)不斷的反思和改進(jìn)，逐步提升產(chǎn)出的質(zhì)量。

?
吳恩達(dá)教授通過(guò)一個(gè)代碼生成的例子來(lái)闡釋了反思技術(shù)。假設(shè)我們要求一個(gè)代碼智能體為特定任務(wù)編寫(xiě)代碼，它將根據(jù)提示生成代碼。然后，我們可以要求智能體檢查這段代碼的正確性、風(fēng)格和效率，并提出改進(jìn)建議。這個(gè)過(guò)程可以通過(guò)多次迭代來(lái)不斷優(yōu)化代碼。

圖片

反思的重要性

反思技術(shù)的重要性在于它模擬了人類解決問(wèn)題的方式。在面對(duì)復(fù)雜問(wèn)題時(shí)，我們往往會(huì)先嘗試一種解決方案，然后評(píng)估其效果，根據(jù)反饋進(jìn)行調(diào)整，最終得到一個(gè)更好的解決方案。通過(guò)在AI智能體中實(shí)現(xiàn)這一過(guò)程，我們可以使其更加接近人類的思維方式，從而在各種任務(wù)中表現(xiàn)得更加出色。

基于LangGraph的代碼智能體實(shí)戰(zhàn)

圖片

接下來(lái)，我們將使用LangGraph來(lái)實(shí)現(xiàn)一個(gè)具有反思能力的代碼智能體。我們將分步驟進(jìn)行，每一步都會(huì)有相應(yīng)的代碼示例。

圖片

為了進(jìn)一步充實(shí)和細(xì)化最后的代碼實(shí)戰(zhàn)章節(jié)，我們將深入探討每個(gè)步驟的細(xì)節(jié)，并提供更多的代碼示例和解釋，以便讀者更好地理解如何實(shí)現(xiàn)一個(gè)具有反思能力的代碼智能體。

1. 定義智能體間的消息通道

在構(gòu)建智能體系統(tǒng)時(shí)，狀態(tài)管理是非常關(guān)鍵的。我們需要一個(gè)狀態(tài)類來(lái)跟蹤智能體的狀態(tài)，這包括問(wèn)題的當(dāng)前描述、已生成的代碼、迭代次數(shù)等信息。

from typing import Dict, TypedDict

class GraphState(TypedDict):
    keys: Dict[str, any]

這個(gè)GraphState類是一個(gè)簡(jiǎn)單的字典，它允許我們存儲(chǔ)和檢索智能體的狀態(tài)信息。這使得我們可以在智能體的不同部分之間傳遞信息，并在整個(gè)工作流中保持狀態(tài)的一致性。

2. 定義代碼助手agent和編程導(dǎo)師agent

智能體的工作流程通常包括多個(gè)步驟，每個(gè)步驟都由一個(gè)特定的智能體來(lái)執(zhí)行。在這個(gè)例子中，我們有兩個(gè)智能體：一個(gè)代碼生成器和一個(gè)代碼導(dǎo)師。

詳細(xì)代碼見(jiàn)github：https://github.com/q2wxec/langgraph-demo

def generate(state: GraphState):
    # 代碼生成器智能體的實(shí)現(xiàn)
    # ...
    pass

def code_mentor(state: GraphState):
    # 代碼導(dǎo)師智能體的實(shí)現(xiàn)
    # ...
    pass

generate函數(shù)負(fù)責(zé)根據(jù)當(dāng)前狀態(tài)和問(wèn)題生成代碼。如果生成的代碼在之前的迭代中被標(biāo)記為不正確，它將使用反饋來(lái)改進(jìn)代碼。code_mentor函數(shù)則扮演一個(gè)導(dǎo)師的角色，評(píng)估生成的代碼，并提供是否正確的判斷以及改進(jìn)的建議。

3. 定義多智能體交互流程

智能體之間的交互流程是工作流的核心。我們需要定義一個(gè)圖結(jié)構(gòu)，指定智能體之間的通信路徑和條件。

from langgraph.graph import END, StateGraph

# 定義工作流圖
workflow = StateGraph(GraphState)

# 添加節(jié)點(diǎn)和邊
workflow.add_node("generate", generate)
workflow.add_node("code_mentor", code_mentor)
workflow.set_entry_point("generate")
workflow.add_edge("generate", "code_mentor")
workflow.add_conditional_edges(
    "code_mentor",
    decide_to_finish,
    {
        "end": END,
        "generate": "generate",
    },
)

# 編譯工作流
app = workflow.compile()

# 運(yùn)行工作流
app.invoke({"keys":{"question":"如何實(shí)現(xiàn)歸并排序算法？","iterations":0}})

在這個(gè)流程中，我們首先從generate節(jié)點(diǎn)開(kāi)始，生成初始代碼。然后，我們根據(jù)code_mentor節(jié)點(diǎn)的反饋，決定是繼續(xù)生成代碼還是結(jié)束流程。如果代碼被認(rèn)為不正確，我們將回到generate節(jié)點(diǎn)，進(jìn)行下一輪迭代。這個(gè)過(guò)程會(huì)持續(xù)進(jìn)行，直到我們得到正確的代碼，或者達(dá)到了預(yù)設(shè)的迭代次數(shù)上限。

案例總結(jié)

通過(guò)這個(gè)實(shí)戰(zhàn)示例，我們展示了如何使用LangGraph來(lái)構(gòu)建一個(gè)具有反思能力的代碼智能體。這個(gè)過(guò)程不僅涉及到代碼的生成和評(píng)估，還包括了智能體之間的協(xié)作和信息交換。這種工作流的設(shè)計(jì)模式能夠有效地提升智能體的性能，并使其更加接近人類的解決問(wèn)題的方式。

在實(shí)際應(yīng)用中，這種方法可以用于自動(dòng)代碼審查、智能編程助手、自動(dòng)化測(cè)試等場(chǎng)景。隨著AI技術(shù)的不斷進(jìn)步，我們期待看到更多采用這種工作流的智能體出現(xiàn)，并在各個(gè)領(lǐng)域發(fā)揮重要作用。