讲AI,靠得住, 蓝色字体 求关注
大家好,我是
老渡
。
最近 Agent 智能体很火, 人工智能领域国际上最权威的学者之一吴恩达教授,不但总结了Agent设计模式,还亲自下场开发了一款 翻译Agent 。
这个 翻译Agent 在 设计模式和提示词工程等方面都有许多值得学习的地方。老渡拆解一下,跟朋友们分享。
翻译Agent 项目已开源,有三千多的关注
下面是
翻译Agent
的实现思路,分三步骤
让大模型直接翻译,得到初版结果
让大模型反思初版翻译结果,提出建设性的改进建议
使用这些建议改进翻译
上面的每一步都是一个 Prompt。
对于我们大部分人来说,一般只用到第一步。而 翻译Agent 之所以被称为Agent,核心就在后两步。
后两步用到的是 Agent设计模式 中的 反思模式 ,就是让大模型检查、评估上一步生成的结果,提出改进,并重新生成。
其中,第二步
反思Prompt
的内容如下:
得到改进意见后,第三步的Prompt会基于这些改进意见重新翻译
上述Prompt提示词,有两个值得学习的地方—— 分隔符 和 系统提示 。
正好前不久「首届GPT-4提示工程大赛」 夺冠者也提到了这两点。
分隔符 是特殊的符号,能帮助大语言模型辨识提示词中哪些部分是有特殊含义的,一般可用 XML 标签表示。
比如,上面的提示词中<SOURCE_TEXT>、<TRANSLATION>、<EXPERT_SUGGESTIONS>等XML标签用来标识 原文 、 翻译后的内容 和 改进意见 。
大模型可以直接读懂这些分隔符,而不需要在提示词中增加额外解释,从而简化整体提示词的复杂度。
系统提示 是向大语言模型提供的关于其应如何响应的额外指示。这被视为一种额外的提示,因为它超出了大模型的常规用户提示。
上面提示词中 system_message 中的内容就是系统提示词。
翻译Agent 项目是用Python代码编写的,实现了简单工作流将上述三个步骤串联起来。
老渡之前也分享过基于Agent平台开发智能体,不管是 dify 还是扣子,都支持工作流,配置好大模型和提示词,就可以零代码复现这个翻译Agent了。
老渡最近一直在研究利用大模型开发Agent智能体, 公众号 持续分享。