智能体计划需要依赖关系,而不仅仅是编号列表
摘要
文章提出,智能体计划应该明确映射任务依赖关系,而不是依赖顺序列表,并以播客工作流为例,展示这如何使等待或重复工作更可见和高效。
编号计划可能使独立工作看起来像顺序执行,同时隐藏了真正必须等待的任务。我宁愿让智能体在每个步骤开始前解释需要什么。以一个虚构的播客工作流为例:转录访谈、识别主题、撰写节目笔记、选择短片,并准备发布草稿。主题提取可以使用转录文本。片段时间戳需要实际的音频对齐。发布草稿需要最终的节目标题和批准的链接。完成转录文本并不会神奇地满足所有三个依赖关系。还有一些工作可以独立进行,例如在转录过程中准备一个空的笔记模板。这与在阅读访谈之前起草事实性节目笔记不同。对于每个任务,我会记录所需的输入、它产生的输出,以及什么会使该输出无效。如果音频被编辑,片段时间戳需要重新检查;标题中的拼写更正不应强制重新转录。这是一个提出的规划模式,而不是性能基准。它的价值在于使等待或重复工作的原因可见,而不是让“步骤4完成”代表拥有正确的输入。
相似文章
你的 agent 不需要更多工具,它需要一份岗位说明书。
作者认为,AI agent 不需要更多工具——它们需要的是定义清晰的岗位说明书:将权限和操作打包成可复用的角色,并将业务逻辑编码其中,使 agent 按公司规则行事,而非根据提示词即兴发挥。这是让软件适配 agent 系列文章的一部分。
智能体是否需要逐步规划?重新思考以数据为中心的工具调用中的规划视野
本文认为,在以数据为中心的大语言模型智能体任务中,采用延迟重规划的全视野规划比逐步执行更为高效,在保持准确率的同时大幅减少了Token消耗。
当多个代理在同一仓库工作时,你的计划存放在哪里?
一位开发者询问关于协调多个AI代理在同一代码库工作的策略,对比书面计划与心智协调。
当你的智能体批准计划后,它实际遵循计划的频率有多高?
一位开发者讨论了AI智能体在多步骤工作流程中偏离已批准计划的常见问题,寻求缩小计划与执行之间差距的建议。
我们是否把太多工作流程称为“智能体”?
作者质疑许多所谓的AI智能体是否更适合被称为工作流程,并认为对于可重复的浏览器任务,定义好的工作流程可能比每次重新解释步骤的智能体更可靠。