↑點選藍字 關注我們
多 Agent 技術的出現打破了傳統單 Agent 模式在處理複雜任務時的侷限性。透過模擬人類社會中的分工與合作，多 Agent 系統能夠更好地應對不確定性高、動態變化的環境，為軟體開發、智慧服務等領域帶來新的變革。
對於開發者而言，隨著大模型技術在各個行業的廣泛應用，多 Agent 技術也成為落地大模型技術中不可或缺的一環，因此開發者需要掌握相關技能，以便在未來的競爭中取得先發優勢。
OSCHINA 採訪了商湯科技大裝置事業群研發總監王志宏，請他聊聊多 Agent 的應用場景、技術難點，已經我們如何利用多 Agent 技術實現開發提效。
王志宏：
從場景來說，多 Agent 適合複雜任務場景，該類場景沒有非常固定的流程安排，需要多個步驟來回切換以滿足實際的交付需求，比如在軟體開發中，可能需要前後端多次協同聯調最終才能達成產品的開發一樣，流程不同但步驟和職能相同
-
軟體開發：在軟體專案中，多個 Agent 可以分別承擔專案經理、開發人員和測試人員等角色，從而將複雜任務分解，提高開發效率。 -
智慧營銷：構建不同的營銷 Agent，如內容生成、使用者管理和效果分析 Agent，以實現精準的市場營銷和使用者互動。 -
智慧客服：針對不同客戶需求，設計專屬的客服 Agent 以及對應的 pipeline，提升服務質量和響應速度。 -
資料分析：針對資料彙總、資料清洗、口徑統一、資料調取、資料整理、資料分析的全流程，設計不同的具體過程，更高效的完成分析報告
OSCHINA：多 Agent 如何加速開發？
王志宏：
-
模組化設計：將複雜系統拆分為多個獨立的 Agent，使得每個 Agent 專注於特定功能，從而簡化開發、測試和維護過程。 -
並行處理：多個 Agent 可以並行工作，減少任務完成時間，提高整體系統的響應速度和效率。 -
專業化能力：每個 Agent 可以專注於其擅長的領域，提升系統整體效能，避免單一 Agent 處理複雜任務時的瓶頸。
OSCHINA：讓多個不同的 Agent 之間相互配合，技術難點主要在哪？
王志宏：
-
任務理解與分配：Agent 必須能夠理解複雜任務併合理分配給各自負責的子任務，需要 thinking 和 action 模組強大的理解和規劃能力，否則任務效率和質量同樣無法提高。 -
記憶與知識管理：環境及對應變數的設定。保持上下文一致性和連貫性，要求各個 Agent 有效地儲存和檢索資訊，以應對動態變化的環境。 -
工具整合與互操作性：Agent 需要與外部工具和服務進行互動，這要求在設計時考慮不同工具之間的相容性與整合問題。
OSCHINA：在 AI 應用開發流程中，對開發者提出了哪些新的技能要求？可以給開發者一些轉型 / 成長建議嗎？
王志宏：
-
機器學習與深度學習知識：掌握機器學習演算法原理，一方面便於構建和最佳化模型，一方面能夠更加了解模型邊界和生成邏輯。 -
框架呼叫能力：善於使用底層框架（LazyLLM）能幫助大大提高實際開發產品的效率 -
快速學習能力：大模型行業日新月異，需要有持續學習的精神和韌性 -
跨學科能力：模型時代極大提高了個體效率，需要思考的內容從 “怎麼做” 到 “做什麼” 是一個大的跨越
本週六，王志宏將出席【2025，加速技術開發】OSC 源創會活動，發表《開發應用一分鐘，省卻臺下十年功：LazyLLM 助你高效構建 AI 助手！》主題演講。
透過介紹 LazyLLM 的設計理念以及程式設計正規化，並結合一些實際應用案例，來介紹如何利用 LazyLLM，讓新手也能快速開發出更有競爭力的 AI 應用。
即刻報名：https://www.oschina.net/event/2407669
時間：2025-01-18 14:00 至 18:00
地點：北京 朝陽 酒仙橋路 10 號 UBP 恆通商務園・之所元空間
END
熱門文章
↓分享、在看與點贊~Orz