圍觀AI大佬吳恩達教授開發的Agent智慧體

講AI，靠得住， 藍色字型 求關註

大家好，我是 老渡 。

最近 Agent 智慧體很火， 人工智慧領域國際上最權威的學者之一吳恩達教授，不但總結了Agent設計模式，還親自下場開發了一款 轉譯Agent 。

這個 轉譯Agent 在 設計模式和提示詞工程等方面都有許多值得學習的地方。老渡拆解一下，跟朋友們分享。

轉譯Agent 計畫已開源，有三千多的關註

下面是 轉譯Agent 的實作思路，分三步驟

上面的每一步都是一個 Prompt。

對於我們大部份人來說，一般只用到第一步。而 轉譯Agent 之所以被稱為Agent，核心就在後兩步。

後兩步用到的是 Agent設計模式 中的 反思模式 ，就是讓大模型檢查、評估上一步生成的結果，提出改進，並重新生成。

其中，第二步 反思Prompt 的內容如下：

得到改進意見後，第三步的Prompt會基於這些改進意見重新轉譯

上述Prompt提示詞，有兩個值得學習的地方—— 分隔符 和 系統提示 。

正好前不久「首屆GPT-4提示工程大賽」 奪冠者也提到了這兩點。

分隔符 是特殊的符號，能幫助大語言模型辨識提示詞中哪些部份是有特殊含義的，一般可用 XML 標簽表示。

比如，上面的提示詞中<SOURCE_TEXT>、<TRANSLATION>、<EXPERT_SUGGESTIONS>等XML標簽用來標識 原文 、 轉譯後的內容 和 改進意見 。

大模型可以直接讀懂這些分隔符，而不需要在提示詞中增加額外解釋，從而簡化整體提示詞的復雜度。

系統提示 是向大語言模型提供的關於其應如何響應的額外指示。這被視為一種額外的提示，因為它超出了大模型的常規使用者提示。

上面提示詞中 system_message 中的內容就是系統提示詞。

轉譯Agent 計畫是用Python程式碼編寫的，實作了簡單工作流將上述三個步驟串聯起來。

老渡之前也分享過基於Agent平台開發智慧體，不管是 dify 還是扣子，都支持工作流，配置好大模型和提示詞，就可以零程式碼復現這個轉譯Agent了。

老渡最近一直在研究利用大模型開發Agent智慧體， 公眾號 持續分享。