AI遇見應(yīng)用興趣引領(lǐng)未來人工智能基礎(chǔ)與應(yīng)用

構(gòu)建智能體實訓(xùn)實踐

18

目錄基本介紹你將學(xué)到什么？一、結(jié)構(gòu)化Prompt的寫作方法二、基于LLM的智能體(AIAgent)三、智能體常用案例 構(gòu)建智能體實訓(xùn)實踐19Principlesand

ApplicationsofArtificialIntelligence人工智能基礎(chǔ)與應(yīng)用【基本介紹】

旨在通過基于大型語言模型（LLM）的技術(shù)，探討如何設(shè)計和實現(xiàn)具備自主決策與行動能力的AI智能體。任務(wù)重點包括結(jié)構(gòu)化Prompt的寫作方法，強調(diào)通過清晰的層級和模板化的結(jié)構(gòu)提升模型的理解和輸出表現(xiàn)；深入分析了智能體的核心模塊——大腦模塊、感知模塊和行動模塊——如何在信息處理、環(huán)境感知和行動執(zhí)行中協(xié)同工作；并比較了Prompt-tuning和Fine-tuning兩種模型調(diào)優(yōu)策略，分別在不同場景下的適用性?！灸銓W(xué)到什么？】在構(gòu)建智能體中，你將學(xué)到以下內(nèi)容：1.結(jié)構(gòu)化Prompt的編寫技巧：掌握如何通過結(jié)構(gòu)化和模板化的Prompt編寫方法，提升語言模型的理解和輸出質(zhì)量。2.AI智能體的核心模塊：深入理解智能體的三大核心模塊——大腦模塊（信息處理與決策）、感知模塊（多模態(tài)輸入處理）和行動模塊（執(zhí)行與環(huán)境交互）的功能與協(xié)作。3.模型調(diào)優(yōu)策略：比較并理解Prompt-tuning與Fine-tuning兩種調(diào)優(yōu)策略的應(yīng)用場景、優(yōu)勢及選擇方法，學(xué)會如何根據(jù)任務(wù)需求優(yōu)化模型性能。4.智能體技術(shù)的實際應(yīng)用：了解單智能體、多智能體系統(tǒng)及智能體平臺的應(yīng)用場景，學(xué)習(xí)如何將智能體技術(shù)應(yīng)用于不同的實際任務(wù)中。結(jié)構(gòu)化Prompt簡介一、結(jié)構(gòu)化Prompt的寫作方法

結(jié)構(gòu)化的思想很普遍，結(jié)構(gòu)化內(nèi)容也很普遍，我們?nèi)粘懽鞯奈恼?，看到的書籍都在使用標題、子標題、段落、句子等語法結(jié)構(gòu)。結(jié)構(gòu)化Prompt的思想通俗點來說就是像寫文章一樣寫Prompt。

為了閱讀、表達的方便，我們?nèi)粘Ｓ懈鞣N寫作的模板，用來控制內(nèi)容的組織呈現(xiàn)形式。例如古代的八股文、現(xiàn)代的簡歷模板、學(xué)生實驗報告模板、論文模板等等模板。

結(jié)構(gòu)化編寫Prompt自然也有各種各樣優(yōu)質(zhì)的模板幫助你把Prompt寫的更輕松、性能更好。結(jié)構(gòu)化Prompt簡介一、結(jié)構(gòu)化Prompt的寫作方法例如知名的CRISPE框架，CRISPE分別代表以下含義：CR：CapacityandRole（能力與角色）。你希望ChatGPT扮演怎樣的角色。I：Insight（洞察力），背景信息和上下文（坦率說來我覺得用Context更好）。S：Statement（指令），你希望ChatGPT做什么。P：Personality（個性），你希望ChatGPT以什么風(fēng)格或方式回答你。E：Experiment（嘗試），要求ChatGPT為你提供多個答案。

結(jié)構(gòu)化Prompt簡介一、結(jié)構(gòu)化Prompt的寫作方法

這類思維框架只呈現(xiàn)了Prompt的內(nèi)容框架，但沒有提供模板化、結(jié)構(gòu)化的prompt形式。

而我們所提倡的結(jié)構(gòu)化、模板化Prompt，寫出來是這樣的：#Role:詩人##Profile-Author:小孚AI-Version:0.1-Language:

中文-Description:詩人是創(chuàng)作詩歌的藝術(shù)家，擅長通過詩歌來表達情感、描繪景象、講述故事，具有豐富的想象力和對文字的獨特駕馭能力。詩人創(chuàng)作的作品可以是紀事性的，描述人物或故事，如荷馬的史詩；也可以是比喻性的，隱含多種解讀的可能，如但丁的《神曲》、歌德的《浮士德》。結(jié)構(gòu)化Prompt簡介一、結(jié)構(gòu)化Prompt的寫作方法###擅長寫現(xiàn)代詩1.現(xiàn)代詩形式自由，意涵豐富，意象經(jīng)營重于修辭運用，是心靈的映現(xiàn)2.更加強調(diào)自由開放和直率陳述與進行“可感與不可感之間”的溝通。

###擅長寫七言律詩1.七言體是古代詩歌體裁2.全篇每句七字或以七字句為主的詩體3.它起于漢族民間歌謠###擅長寫五言詩1.全篇由五字句構(gòu)成的詩2.能夠更靈活細致地抒情和敘事3.在音節(jié)上，奇偶相配，富于音樂美結(jié)構(gòu)化Prompt簡介一、結(jié)構(gòu)化Prompt的寫作方法##Rules1.內(nèi)容健康，積極向上2.七言律詩和五言詩要押韻##Workflow1.讓用戶以"形式：[],主題：[]"的方式指定詩歌形式，主題。2.針對用戶給定的主題，創(chuàng)作詩歌，包括題目和詩句。##Initialization作為角色<Role>,嚴格遵守<Rules>,使用默認<Language>與用戶對話，友好的歡迎用戶。然后介紹自己，并告訴用戶<Workflow>。結(jié)構(gòu)化Prompt簡介一、結(jié)構(gòu)化Prompt的寫作方法基于上述詩人prompt例子，說明結(jié)構(gòu)化prompt的幾個概念：

標識符：#,<>

等符號(-,[]也是)，這兩個符號依次標識標題,變量，控制內(nèi)容層級，用于標識層次結(jié)構(gòu)。這里采用了markdown語法，#是一級標題##是二級標題，Role用一級標題是告訴模型，我之后的所有內(nèi)容都是描述你的，覆蓋范圍為全局，然后有幾個#就是幾級標題，如二級三級標題等等。

屬性詞：Role,Profile,Initialization等等，屬性詞包含語義，是對模塊下內(nèi)容的總結(jié)和提示，用于標識語義結(jié)構(gòu)。

日常的文章結(jié)構(gòu)是通過字號大小、顏色、字體等樣式來標識的，大模型接收的輸入沒有樣式，因此借鑒markdown，yaml這類標記語言的方法或者json這類數(shù)據(jù)結(jié)構(gòu)實現(xiàn)prompt的結(jié)構(gòu)表達都可以，例如用標識符#標識一級標題，##標識二級標題，以此類推。結(jié)構(gòu)化Prompt簡介一、結(jié)構(gòu)化Prompt的寫作方法

目前選用的是Markdown標記語法，一是因為類GPT網(wǎng)頁版本身就支持Markdown格式，二是希望對非程序員朋友使用更加友好。程序員朋友推薦使用yaml,json等進行結(jié)構(gòu)化prompt開發(fā)。屬性詞好理解，和學(xué)術(shù)論文中使用的摘要，方法，實驗，結(jié)論的段落標題起的作用一樣。標識符，屬性詞都是可替換的，可以替換為你喜歡的符號和內(nèi)容。結(jié)構(gòu)化prompt直觀上和傳統(tǒng)的prompt方式差異就很大，那么為什么提倡結(jié)構(gòu)化方式編寫Prompt呢？結(jié)構(gòu)化Prompt的優(yōu)勢一、結(jié)構(gòu)化Prompt的寫作方法模板化Prompt的性能好！這一點已經(jīng)在許多朋友的日常使用甚至商業(yè)應(yīng)用中得到證明。許多企業(yè)，乃至網(wǎng)易、字節(jié)這樣的互聯(lián)網(wǎng)大廠都在使用結(jié)構(gòu)化Prompt！此外結(jié)構(gòu)化、模板化Prompt還有許多優(yōu)勢，這些優(yōu)勢某種意義上又是其在實際使用時表現(xiàn)卓越的原因。優(yōu)勢一：層級結(jié)構(gòu)：內(nèi)容與形式統(tǒng)一結(jié)構(gòu)清晰，可讀性好結(jié)構(gòu)化方式編寫出來的Prompt層級結(jié)構(gòu)十分清晰，將結(jié)構(gòu)在形式上和內(nèi)容上統(tǒng)一了起來，可讀性很好。Role(角色)作為Prompt標題統(tǒng)攝全局內(nèi)容。Profile(簡介)、Rules（規(guī)則）作為二級標題統(tǒng)攝相應(yīng)的局部內(nèi)容。Language、Description作為關(guān)鍵詞統(tǒng)攝相應(yīng)句子、段落。結(jié)構(gòu)化Prompt的優(yōu)勢一、結(jié)構(gòu)化Prompt的寫作方法優(yōu)勢一：層級結(jié)構(gòu)：內(nèi)容與形式統(tǒng)一結(jié)構(gòu)豐富，表達性好結(jié)構(gòu)化prompt的結(jié)構(gòu)由形式控制，完全沒有記憶負擔(dān)。只要模型能力支持，可以做到二層，三層等更多、更豐富的層級結(jié)構(gòu)。這種方式寫出來的Prompt符合人類的表達習(xí)慣，與我們?nèi)粘懳恼聲r有標題、段落、副標題、子段落等豐富的層級結(jié)構(gòu)是一樣的。這種方式寫出來的Prompt符合ChatGPT的認知習(xí)慣，因為ChatGPT正是在大量的文章、書籍中訓(xùn)練得到，其訓(xùn)練內(nèi)容的層級結(jié)構(gòu)本來就是十分豐富的。結(jié)構(gòu)化Prompt的優(yōu)勢一、結(jié)構(gòu)化Prompt的寫作方法優(yōu)勢二：提升語義認知結(jié)構(gòu)化表達同時降低了人和GPT模型的認知負擔(dān)，大大提高了人和GPT模型對prompt的語義認知。生成的初版Prompt足以應(yīng)對大部分日常場景，生產(chǎn)級應(yīng)用場景下的prompt也可以在這個初版prompt基礎(chǔ)上進行迭代優(yōu)化得到，能夠大大降低編寫prompt的任務(wù)量。對GPT模型來說，標識符標識的層級結(jié)構(gòu)實現(xiàn)了聚攏相同語義，梳理語義的作用，降低了模型對Prompt的理解難度，便于模型理prompt語義。屬性詞實現(xiàn)了對prompt內(nèi)容的語義提示和歸納作用，緩解了Prompt中不當內(nèi)容的干擾。使用屬性詞與prompt內(nèi)容相結(jié)合，實現(xiàn)了局部的總分結(jié)構(gòu)，便于模型提綱挈領(lǐng)的獲得prompt整體語義。結(jié)構(gòu)化Prompt的優(yōu)勢一、結(jié)構(gòu)化Prompt的寫作方法優(yōu)勢三：定向喚醒大模型深度能力使用特定的屬性詞能夠確保定向喚醒模型的深層能力。實踐發(fā)現(xiàn)讓模型扮演某個角色其能大大提高模型表現(xiàn)，所以一級標題設(shè)置的就是Role（角色）屬性詞，直接將Prompt固定為角色，確保定向喚醒模型的角色扮演能力。也可使用Expert（專家）,Master(大師)等提示詞替代Role，將Prompt固定為某一領(lǐng)域?qū)＜摇１热鏡ules，規(guī)定了模型必須盡力去遵守的規(guī)則。比如在這里添加不準胡說八道的規(guī)則，緩解大模型幻覺問題。添加輸出內(nèi)容必須積極健康的規(guī)則，緩解模型輸出不良內(nèi)容等。用Constraints(約束)，中文的規(guī)則等詞替代也可。結(jié)構(gòu)化Prompt的優(yōu)勢一、結(jié)構(gòu)化Prompt的寫作方法優(yōu)勢三：定向喚醒大模型深度能力下面是示例Prompt中使用到的一些屬性詞介紹：#Role:設(shè)置角色名稱，一級標題，作用范圍為全局##Profile:設(shè)置角色簡介，二級標題，作用范圍為段落-Author:小孚AI設(shè)置Prompt作者名，保護Prompt原作權(quán)益-Version:1.0設(shè)置Prompt版本號，記錄迭代版本-Language:中文設(shè)置語言，中文還是English-Description:一兩句話簡要描述角色設(shè)定，背景，技能等###Skill:設(shè)置技能，下面分點仔細描述1.xxx2.xxx結(jié)構(gòu)化Prompt的優(yōu)勢一、結(jié)構(gòu)化Prompt的寫作方法優(yōu)勢三：定向喚醒大模型深度能力##Rules設(shè)置規(guī)則，下面分點描述細節(jié)1.xxx2.xxx##Workflow設(shè)置工作流程，如何和用戶交流，交互1.讓用戶以"形式：[],主題：[]"的方式指定詩歌形式，主題。2.針對用戶給定的主題，創(chuàng)作詩歌，包括題目和詩句。##Initialization設(shè)置初始化步驟，強調(diào)prompt各內(nèi)容之間的作用和聯(lián)系，定義初始化行為。作為角色<Role>,嚴格遵守<Rules>,使用默認<Language>與用戶對話，友好的歡迎用戶。然后介紹自己，并告訴用戶<Workflow>。好的屬性詞也很關(guān)鍵，你可以定義、添加、修改自己的屬性詞。結(jié)構(gòu)化Prompt的優(yōu)勢一、結(jié)構(gòu)化Prompt的寫作方法優(yōu)勢四：像代碼開發(fā)一樣構(gòu)建生產(chǎn)級Prompt代碼是調(diào)用機器能力的工具，Prompt是調(diào)用大模型能力的工具。Prompt越來越像新時代的編程語言。在生產(chǎn)級AIGC應(yīng)用的開發(fā)中，結(jié)構(gòu)化prompt使得prompt的開發(fā)也像代碼開發(fā)一樣有規(guī)范。結(jié)構(gòu)化Prompt的規(guī)范可以多種多樣，用json，yaml實現(xiàn)都可以，結(jié)構(gòu)化Prompt的這些規(guī)范，這些模塊化設(shè)計，能夠大大便利于prompt后續(xù)的維護升級，便利于多人協(xié)同開發(fā)設(shè)計。這一點程序員群體應(yīng)該深有感受。結(jié)構(gòu)化Prompt的優(yōu)勢一、結(jié)構(gòu)化Prompt的寫作方法優(yōu)勢四：像代碼開發(fā)一樣構(gòu)建生產(chǎn)級Prompt想象一下，你是某公司一名prompt工程師，某一個或多個prompt因為某些原因（前任離職或調(diào)崗）需要你負責(zé)維護升級，你是更喜歡面對結(jié)構(gòu)化的Prompt還是非結(jié)構(gòu)化的Prompt呢？結(jié)構(gòu)化Prompt是自帶使用文檔的，十分清晰明了。像復(fù)用代碼一樣復(fù)用Prompt。對于某些常用的模塊，比如Rules是不是可以像復(fù)用代碼一樣實現(xiàn)Prompt的復(fù)用？是不是可以像面向?qū)ο蟮木幊桃粯訌?fù)用某些基礎(chǔ)角色？同時Prompt作為一種文本，也完全可以使用Git等工具像管理代碼一樣對prompt進行版本管理。

如何寫好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫作方法當我們構(gòu)建結(jié)構(gòu)化Prompt的時候，我們在構(gòu)建什么？什么是真正重要的事情？1）構(gòu)建全局思維鏈

對大模型的Prompt應(yīng)用CoT思維鏈方法的有效性是被研究和實踐廣泛證明了的。一個好的結(jié)構(gòu)化Prompt模板，某種意義上是構(gòu)建了一個好的全局思維鏈。展示的模板設(shè)計時就考慮了如下思維鏈：Role(角色)->Profile（角色簡介）—>Profile下的skill(角色技能)->Rules(角色要遵守的規(guī)則)->Workflow(滿足上述條件的角色的工作流程)->Initialization(進行正式開始工作的初始化準備)->開始實際使用

如何寫好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫作方法

一個好的Prompt，內(nèi)容結(jié)構(gòu)上最好也是邏輯清晰連貫的。結(jié)構(gòu)化prompt方法將久經(jīng)考驗的邏輯思維鏈路融入了結(jié)構(gòu)中，大大降低了思維鏈路的構(gòu)建難度。構(gòu)建Prompt時，不妨參考優(yōu)質(zhì)模板的全局思維鏈路，熟練掌握后，完全可以對其進行增刪改留調(diào)整得到一個適合自己使用的模板。例如當你需要控制輸出格式，尤其是需要格式化輸出時，完全可以增加Output或者OutputFormat。

如何寫好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫作方法2）保持上下文語義一致性

包含兩個方面，一個是格式語義一致性，一個是內(nèi)容語義一致性。

格式語義一致性是指標識符的標識功能前后一致。最好不要混用，比如#既用于標識標題，又用于標識變量這種行為就造成了前后不一致，這會對模型識別Prompt的層級結(jié)構(gòu)造成干擾。

內(nèi)容語義一致性是指思維鏈路上的屬性詞語義合適。例如文中的Profile屬性詞，原來是Features，但實踐+思考后我更換為了Profile，使之功能更加明確：即角色的簡歷。內(nèi)容語義一致性還包括屬性詞和相應(yīng)模塊內(nèi)容的語義一致。例如Rules部分是角色需要遵守規(guī)則，則不宜將角色技能、描述大量堆砌在此。

如何寫好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫作方法3）有機結(jié)合其他Prompt技巧

結(jié)構(gòu)化Prompt編寫思想是一種方法，與其他例如CoT,ToT,Thinkstepbystep等技巧和方法并不沖突，構(gòu)建高質(zhì)量Prompt時，將這些方法結(jié)合使用，結(jié)構(gòu)化方式能夠更便于各個技巧間的協(xié)同組織，例如就將CoT方法融合到結(jié)構(gòu)化Prompt中編寫提示詞。

從prompting的角度有哪些方法可以提高大模型在復(fù)雜任務(wù)上的性能表現(xiàn)呢？

如何寫好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫作方法3）有機結(jié)合其他Prompt技巧

匯總現(xiàn)有的一些方法：①

細節(jié)法：給出更清晰的指令，包含更多具體的細節(jié)②

分解法：將復(fù)雜的任務(wù)分解為更簡單的子任務(wù)（Let'sthinkstepbystep,CoT，LangChain等思想）③

記憶法：構(gòu)建指令使模型時刻記住任務(wù)，確保不偏離任務(wù)解決路徑（system級prompt）④

解釋法：讓模型在回答之前進行解釋，說明理由（CoT等方法）⑤

投票法：讓模型給出多個結(jié)果，然后使用模型選擇最佳結(jié)果（ToT等方法）⑥

示例法：提供一個或多個具體例子，提供輸入輸出示例（one-shot,few-shot等方法）

結(jié)構(gòu)化Prompt示例一、結(jié)構(gòu)化Prompt的寫作方法#Role:詩人##Profile-Author:小孚AI-Version:0.1-Language:中文-Description:詩人是創(chuàng)作詩歌的藝術(shù)家，擅長通過詩歌來表達情感、描繪景象、講述故事，具有豐富的想象力和對文字的獨特駕馭能力。詩人創(chuàng)作的作品可以是紀事性的，描述人物或故事，如荷馬的史詩；也可以是比喻性的，隱含多種解讀的可能，如但丁的《神曲》、歌德的《浮士德》。

結(jié)構(gòu)化Prompt示例一、結(jié)構(gòu)化Prompt的寫作方法##Rules1.內(nèi)容健康，積極向上2.七言律詩和五言詩要押韻##Workflow1.讓用戶以"形式：[],主題：[]"的方式指定詩歌形式，主題。2.針對用戶給定的主題，創(chuàng)作詩歌，包括題目和詩句。##Initialization作為角色<Role>,嚴格遵守<Rules>,使用默認<Language>與用戶對話，友好的歡迎用戶。然后介紹自己，并告訴用戶<Workflow>。

結(jié)構(gòu)化Prompt示例一、結(jié)構(gòu)化Prompt的寫作方法效果圖二、基于LLM的智能體(AIAgent)

智能體（AIAgent）是一種能夠自主行動、感知環(huán)境、做出決策并與環(huán)境交互的計算機系統(tǒng)或?qū)嶓w，通常依賴大型語言模型作為其核心決策和處理單元，具備獨立思考、調(diào)用工具去逐步完成給定目標的能力。2024年智能體技術(shù)被納入《國家人工智能產(chǎn)業(yè)綜合標準化體系建設(shè)指南（征求意見稿）》，在標準引領(lǐng)下未來智能體技術(shù)將高質(zhì)量發(fā)展并助推大模型加速賦能千行百業(yè)。二、基于LLM的智能體(AIAgent)

什么是智能體？1）智能體技術(shù)原理

大腦(Brain)：大腦主要由一個大型語言模型LLM組成，不僅存儲知識和記憶，還承擔(dān)著信息處理和決策等功能，并可以呈現(xiàn)推理和規(guī)劃的過程，能很好地應(yīng)對未知任務(wù)。

感知(Perception)：感知模塊的核心目的是將智能體的感知空間從純文字領(lǐng)域擴展到包括文字、聽覺和視覺模式在內(nèi)的多模態(tài)領(lǐng)域。

行動(Action)：智能體的構(gòu)建過程中，行動模塊接收大腦模塊發(fā)送的行動序列，并執(zhí)行與環(huán)境互動的行動。二、基于LLM的智能體(AIAgent)

什么是智能體？

大腦模塊（Brain）是AI

Agent智能行為的核心，它是一個高度集成的系統(tǒng)，負責(zé)處理信息、做出決策和規(guī)劃行動。這個模塊通常基于大型語言模型(如Llama或GPT)，這些模型在海量文本數(shù)據(jù)上進行訓(xùn)練，賦予了Agent強大的自然語言理解和生成能力。大腦模塊不僅包含了豐富的語言知識，如詞法、句法、語義學(xué)和語用學(xué)，還融入了廣泛的常識知識，幫助Agent做出符合現(xiàn)實世界的合理決策。

大腦模塊還集成了特定領(lǐng)域的專業(yè)知識，使Agent能夠在專業(yè)領(lǐng)域內(nèi)執(zhí)行復(fù)雜任務(wù)。它具備記憶能力，能夠存儲和檢索過去的觀察、思考和行動序列，這對于處理連續(xù)任務(wù)和解決復(fù)雜問題至關(guān)重要二、基于LLM的智能體(AIAgent)

什么是智能體？

在接收到感知模塊處理過的信息后，大腦模塊首先會訪問存儲系統(tǒng)，在那里檢索相關(guān)知識并從記憶中提取信息。這些步驟對于AIAgent來說極其重要，因為它們幫助Agent制定計劃、進行推理，并做出明智的決策。

此外，大腦模塊還能記錄Agent過去的觀察、思考和行動，無論是以摘要形式、矢量還是其他數(shù)據(jù)結(jié)構(gòu)。同時，它也不斷更新常識和專業(yè)知識庫，以便未來使用。基于大型語言模型的AIAgent還具備出色的概括和遷移能力，使其能夠適應(yīng)新奇或陌生的場景。二、基于LLM的智能體(AIAgent)

什么是智能體？

感知模塊(Perception)

感知模塊的設(shè)計初衷在于極大地拓展Agent的感知視野，不僅僅局限于文字的范疇，而是邁向一個更為豐富多元的領(lǐng)域。這個領(lǐng)域融合了文字、聽覺和視覺等多種模態(tài)，使得Agent能夠以一種更加接近人類的方式去感知和理解周圍的世界。二、基于LLM的智能體(AIAgent)

什么是智能體？文本輸入AIAgent通過文本輸入與人類進行交流，能夠理解用戶文本中明確的內(nèi)容以及隱含的信念、愿望和意圖。利用強化學(xué)習(xí)技術(shù)，Agent能夠感知并推斷用戶的偏好，實現(xiàn)個性化和準確的回應(yīng)。此外，Agent展現(xiàn)出的零樣本學(xué)習(xí)能力使其能夠處理全新的任務(wù)，無需針對特定任務(wù)的微調(diào)。視覺輸入視覺輸入為AIAgent提供了豐富的環(huán)境信息，包括物體的屬性、空間關(guān)系和場景布局。Agent可以通過生成圖像的文本描述（圖像標題）來理解圖像內(nèi)容。Transformer模型的應(yīng)用使得Agent能夠直接對視覺信息進行編碼和整合，提高了視覺感知能力。通過在視覺編碼器和LLM之間添加可學(xué)習(xí)的接口層，Agent能夠更好地對齊視覺和語言信息。二、基于LLM的智能體(AIAgent)

什么是智能體？聽覺輸入聽覺輸入方面，AIAgent能夠利用LLMs作為控制中心，調(diào)用現(xiàn)有的音頻處理模型庫來感知音頻信息。通過音頻頻譜圖的轉(zhuǎn)換，Agent能夠?qū)⒁纛l信號的有效編碼，實現(xiàn)對音頻信息的理解和處理。其他輸入除了文本、視覺和聽覺輸入，AIAgent還可能配備更豐富的感知模塊，如觸覺、嗅覺以及對環(huán)境溫濕度的感知能力。指向指令的引入使得Agent能夠通過用戶的手勢或光標與圖像交互。此外，通過集成激光雷達、GPS、IMU等硬件設(shè)備，Agent能夠獲得更全面的三維空間和運動感知能力。二、基于LLM的智能體(AIAgent)

什么是智能體？

行動模塊（Action）作為人工智能體系中的關(guān)鍵組成部分，扮演著類似于人類大腦在感知環(huán)境后的角色。它負責(zé)接收來自感知模塊的豐富信息，這些信息可能包括文字、聲音、圖像等多模態(tài)數(shù)據(jù)。正如人類大腦所做的，行動模塊首先對這些信息進行整合，構(gòu)建出一個全面的情境理解。

在這個整合的基礎(chǔ)上，行動模塊進一步分析信息，提煉出關(guān)鍵要素，進行邏輯推理。它模擬人類大腦的決策過程，評估不同行動方案的可行性和預(yù)期結(jié)果，從而選擇最優(yōu)的行動路徑。這個過程涉及到復(fù)雜的算法和模型，包括但不限于決策樹、強化學(xué)習(xí)、規(guī)則引擎等。二、基于LLM的智能體(AIAgent)

什么是智能體？

行動模塊（Action）

決策確定之后，行動模塊則負責(zé)將決策轉(zhuǎn)化為具體的行動指令。在人類中，這一過程由大腦通過神經(jīng)系統(tǒng)控制身體完成。而在人工智能系統(tǒng)中，行動模塊則通過工具(Tools)，來驅(qū)動機器人或虛擬角色進行相應(yīng)的動作。

這些行動可以是適應(yīng)環(huán)境的反應(yīng)，如在導(dǎo)航模塊的輔助下躲避障礙物，確保行動的順暢和安全，或是在社交互動中發(fā)起交談，建立聯(lián)系。二、基于LLM的智能體(AIAgent)

什么是智能體？文本輸出LLM-basedAgent利用基于Transformer的語言生成模型，展現(xiàn)出卓越的文本生成能力，文本質(zhì)量在流暢性、相關(guān)性、多樣性和可控性方面都非常出色，使其成為強大的語言生成器。工具使用工具是使用者能力的延伸。在面對復(fù)雜任務(wù)時，人類會使用工具來簡化任務(wù)的解決過程并提高效率，從而節(jié)省時間和資源。同樣，如果AIAgent也學(xué)會使用和利用工具，就有可能更高效、更高質(zhì)量地完成復(fù)雜任務(wù)。LLM-basedAgent在某些方面存在局限性，使用工具可以增強Agent的能力。二、基于LLM的智能體(AIAgent)

什么是智能體？使用工具：AIAgent學(xué)習(xí)使用工具的方法主要包括從demonstartion中學(xué)習(xí)和從reward中學(xué)習(xí)。這包括模仿人類專家的行為，以及了解其行為的后果，并根據(jù)從環(huán)境和人類獲得的反饋做出調(diào)整。環(huán)境反饋包括行動是否成功完成任務(wù)的結(jié)果反饋和捕捉行動引起的環(huán)境狀態(tài)變化的中間反饋；人類反饋包括顯性評價和隱性行為，如點擊鏈接。二、基于LLM的智能體(AIAgent)

什么是智能體？具身智能在追求人工通用智能（AGI）的征途中，具身Agent（EmbodiedAgent）正成為核心的研究范式，它強調(diào)將智能系統(tǒng)與物理世界的緊密結(jié)合。具身Agent的設(shè)計靈感源自人類智能的發(fā)展，認為智能不僅僅是對預(yù)設(shè)數(shù)據(jù)的處理，更多地來自于與周遭環(huán)境的持續(xù)互動和反饋。與傳統(tǒng)的深度學(xué)習(xí)模型相比，LLM-basedAgent不再局限于處理純文本信息或調(diào)用特定工具執(zhí)行任務(wù)，而是能夠主動地感知和理解其所在的物理環(huán)境，進而與其互動。這些Agent利用其內(nèi)部豐富的知識庫，進行決策并產(chǎn)生具體行動，以此改變環(huán)境，這一系列的行為被稱為“具身行動”。二、基于LLM的智能體(AIAgent)

什么是智能體？具身智能具身行動的潛力在多個方面得到了驗證。首先，它解決了傳統(tǒng)強化學(xué)習(xí)（RL）算法在數(shù)據(jù)效率、泛化能力以及處理復(fù)雜問題時的局限性。LLM-basedAgent通過聯(lián)合訓(xùn)練機器人數(shù)據(jù)與視覺語言數(shù)據(jù)，實現(xiàn)了顯著的轉(zhuǎn)移能力，同時幾何輸入表示法提升了訓(xùn)練數(shù)據(jù)的利用效率。在行動規(guī)劃方面，具身Agent采用了分層強化學(xué)習(xí)方法和新興的推理能力，使其能夠無縫應(yīng)對復(fù)雜任務(wù)，并根據(jù)環(huán)境反饋動態(tài)調(diào)整行動計劃。具身行動主要包括觀察、操縱和導(dǎo)航，這些能力使Agent能夠獲取環(huán)境信息、執(zhí)行任務(wù)并動態(tài)改變位置。二、基于LLM的智能體(AIAgent)

什么是智能體？具身智能具體來說，觀察是AIAgent獲取環(huán)境信息的主要方式，而操縱任務(wù)如物體重新排列和桌面操作，需要AIAgent精確觀察和整合子目標。導(dǎo)航能力則允許AIAgent根據(jù)環(huán)境反饋和內(nèi)部地圖動態(tài)改變位置，進行遠距離操作。通過整合這些功能，具身Agent能夠完成復(fù)雜的任務(wù)，如自主探索環(huán)境并回答多模態(tài)問題。它們在特定數(shù)據(jù)集上訓(xùn)練后，能夠生成高級策略命令，控制低級策略實現(xiàn)特定子目標。二、基于LLM的智能體(AIAgent)

什么是智能體？2）智能體技術(shù)特點

大模型通常通過Prompt（提示）與用戶進行交互，輸出效果受限于用戶提問的清晰度。信息處理方面，僅處理靜態(tài)或流式數(shù)據(jù)輸入，不涉及直接的環(huán)境交互，不能自主地采取行動。技術(shù)應(yīng)用方面，行業(yè)知識缺乏、易出現(xiàn)幻覺提示詞工程學(xué)習(xí)門檻高成為大模型破圈的阻礙。而基于大模型的智能體，其設(shè)計目標是實現(xiàn)對環(huán)境的有效互動，通過感知模塊收集環(huán)境信息，并通過行動模塊來改變環(huán)境狀態(tài)，整合了感知、決策、行動等多個環(huán)節(jié)，因而智能體在自主能力、決策能力、協(xié)作交互等方面展現(xiàn)出優(yōu)勢，彌補了大模型的不足，成為人工智能界的“行動派”。二、基于LLM的智能體(AIAgent)

什么是智能體？3）智能體技術(shù)應(yīng)用

根據(jù)面向的對象、流程不同，智能體主要應(yīng)用在三種場景：（1）單智能體應(yīng)用

一個特定的環(huán)境中，僅有一個智能體進行感知、學(xué)習(xí)和行動，需要獨立地與環(huán)境進行交互，并根據(jù)環(huán)境的反饋來優(yōu)化其行為策略，以實現(xiàn)預(yù)設(shè)的目標?？蓱?yīng)用在交互性質(zhì)場景，如游戲AI（如圍棋、電子游戲等）、自動駕駛汽車、機器人控制等。單智能體系統(tǒng)的復(fù)雜性相對較低，某些任務(wù)中更容易實現(xiàn)和部署。二、基于LLM的智能體(AIAgent)

什么是智能體？3）智能體技術(shù)應(yīng)用

（2）多智能體系統(tǒng)

由多個智能體（軟件程序、機器人或其他具有自治性的實體）組成的復(fù)雜的分布式系統(tǒng)，每個智能體都具有自己的感知、決策和行動能力，并且可以與其他智能體進行通信、信息共享、交互和協(xié)作，以實現(xiàn)共同的目標或任務(wù)通常后端設(shè)定不同角色的智能體，前端通過對話鏈協(xié)同工作，能夠完成單個智能體難以完成或無法完成的任務(wù)，具有更高的靈活性、可擴展性和魯棒性?？蓱?yīng)用在分布式控制、智能交通、智能制造、自然語言處理等領(lǐng)域。二、基于LLM的智能體(AIAgent)

什么是智能體？3）智能體技術(shù)應(yīng)用

（3）智能體平臺

構(gòu)建智能體系統(tǒng)的集成化平臺，用戶在平臺上定義并部署各類智能體，平臺通過策略性流程，優(yōu)化智能體組合以適應(yīng)特定任務(wù)需求，各智能體可扮演不同專業(yè)角色，在任務(wù)協(xié)商和角色分配后，協(xié)同執(zhí)行任務(wù)并完成結(jié)果整合。適用于智能體開發(fā)、企業(yè)定制化解決方案場景。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

在自然語言處理和AIAgent的開發(fā)中，`Prompt-tuning`和`Fine-tuning`是兩種常用的模型訓(xùn)練策略，用于調(diào)整大型預(yù)訓(xùn)練模型（如GPT系列）以適應(yīng)特定任務(wù)。這兩種策略在實現(xiàn)方式和應(yīng)用場景上有所不同。

①

Fine-tuning定義與方法Fine-tuning是一種在預(yù)訓(xùn)練模型的基礎(chǔ)上進行進一步訓(xùn)練的方法。在這個過程中，使用特定任務(wù)的數(shù)據(jù)集對模型的所有參數(shù)進行調(diào)整，以便模型更好地適應(yīng)這一任務(wù)。這種方法通常需要較大的標注數(shù)據(jù)集和較多的計算資源，因為它涉及到調(diào)整模型中的大量參數(shù)。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

①

Fine-tuning應(yīng)用優(yōu)勢：高度定制：Fine-tuning可以讓模型在特定任務(wù)上表現(xiàn)得更好，因為它通過任務(wù)相關(guān)的數(shù)據(jù)訓(xùn)練來定制模型的行為。改善性能：通常能夠顯著提升模型在特定任務(wù)上的性能，特別是在任務(wù)與原始預(yù)訓(xùn)練數(shù)據(jù)差異較大時。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

②

Prompt-tuning定義與方法Prompt-tuning是一種只調(diào)整模型輸入的方式。它通過設(shè)計特定的輸入“提示”（prompt），在不改變模型內(nèi)部參數(shù)的前提下引導(dǎo)模型生成期望的輸出。Prompt-tuning不修改模型權(quán)重，只是在模型運行時前加入一些特定的文本（如特定問題的格式），利用預(yù)訓(xùn)練模型的知識來解決問題。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

②

Prompt-tuning應(yīng)用優(yōu)勢：節(jié)省資源：因為不需要調(diào)整和訓(xùn)練大量參數(shù)，所以計算成本較低。靈活性：可以快速適應(yīng)多種任務(wù)，只需更改輸入的提示即可，而無需重新訓(xùn)練模型。保持泛化能力：由于不改變內(nèi)部權(quán)重，模型保留了原有的泛化能力，可以在多種類型的任務(wù)上表現(xiàn)良好。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

②

Prompt-tuning

對比與選擇數(shù)據(jù)和資源：如果資源和數(shù)據(jù)較少，Prompt-tuning可能更合適；如果有足夠的資源和數(shù)據(jù)來進行定制化訓(xùn)練，F(xiàn)ine-tuning可能會提供更好的性能。任務(wù)特異性：Fine-tuning適合于高度特定的任務(wù)，特別是當任務(wù)與預(yù)訓(xùn)練數(shù)據(jù)差異較大時；Prompt-tuning更適合于快速適應(yīng)多種不同的任務(wù)。實現(xiàn)速度：Prompt-tuning通常實現(xiàn)更快，適合于需要快速部署的應(yīng)用。綜合考慮資源、任務(wù)需求和性能目標是選擇最佳策略的關(guān)鍵。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning在之前的討論中，我們提到了AIAgent的三大核心組成部分，其中“大腦模塊”（Brain）扮演著至關(guān)重要的角色。而激活這個“大腦模塊”的關(guān)鍵之一就是Prompt。無論是在角色定義、知識處理還是邏輯規(guī)劃的每一個環(huán)節(jié)，Prompt都發(fā)揮著不可或缺的作用。

通過這些討論，你可能已經(jīng)明白為什么學(xué)習(xí)掌握Prompt技術(shù)如此重要——沒有它，你幾乎無法有效地操控一個AIAgent。二、基于LLM的智能體(AIAgent)

制作AIAgent的兩種方式圖

創(chuàng)建AIAgent的兩種手段二、基于LLM的智能體(AIAgent)

制作AIAgent的兩種方式

Prompt在激活和運用AIAgent的“大腦模塊”中扮演著關(guān)鍵角色，但它并非沒有缺點。一個很直觀的問題是：使用的Prompt越長，消耗的Token也就越多。一個公眾人物公開披露的個人信息（身份、言行等），轉(zhuǎn)換成Token數(shù)可能高達數(shù)百萬。這還不考慮模型是否能夠處理這么多Token的問題，僅僅是每次推理所需支付的成本——無論是金錢還是時間——都可能非常高昂。

通過Prompt來構(gòu)建大腦模塊（Prompt-tuning），一般適合“無趣的靈魂”，即擬人化不是那么重的情況。目前，針對"有趣的靈魂"最直接的解決方式就是通過微調(diào)一個定向模型來達到上述效果。與Prompt相比，基于微調(diào)的方法可以視為將信息直接“記憶”在AI的“大腦模塊”中。微調(diào)過程本質(zhì)上是一個信息壓縮和整合的過程，它能將例如三萬條推特中的零散信息有效地整理并嵌入到大型模型的權(quán)重中，且權(quán)重占比不到1%。這種方法不僅提高了信息提取的效率，還減少了每次查詢或應(yīng)用時所需處理的數(shù)據(jù)量，從而優(yōu)化了性能和成本。"面對有趣的靈魂"，一般創(chuàng)建方式是兩種結(jié)合，即Prompt-tuning+Fine-tuning。二、基于LLM的智能體(AIAgent)

如何取舍？當你準備在正式項目中部署一個AIAgent時，請牢記以下十條建議，并根據(jù)實際情況做出相應(yīng)的調(diào)整：1.嘗試使用提示：在考慮微調(diào)模型之前，首先嘗試使用提示來滿足需求。只有當提示無法滿足質(zhì)量、性能或成本目標時，再考慮進行微調(diào)。2.編寫并測試提示：通過編寫和測試提示來驗證任務(wù)的可行性，這可以作為微調(diào)的基線。如果提示已經(jīng)能夠達到要求，那么微調(diào)可能會進一步提升效果；反之，則微調(diào)成功的可能性較低。3.關(guān)注數(shù)據(jù)質(zhì)量：始終檢查并確保數(shù)據(jù)質(zhì)量，必要時刪除或修正問題數(shù)據(jù)。高質(zhì)量的數(shù)據(jù)是模型優(yōu)良表現(xiàn)的基礎(chǔ)。4.使用真實場景數(shù)據(jù)進行微調(diào)：即使數(shù)據(jù)存在一些不完美，只要它們能夠代表真實場景下的整體分布，就可以用于微調(diào)。二、基于LLM的智能體(AIAgent)

如何取舍？5.保留測試集：確保不要將所有數(shù)據(jù)都用于訓(xùn)練，應(yīng)留出一部分作為測試集以評估模型性能。6.選擇適當?shù)哪Ｐ鸵?guī)模：選擇與任務(wù)難度相匹配的模型規(guī)模。過大或過小的模型都可能影響效率和效果。7.設(shè)立快速評估指標：制定可以快速計算的評估指標，以便進行多次日常評估和快速迭代。8.執(zhí)行完整評估：定期進行全面評估，確?？焖僭u估指標與最終目標指標保持一致。9.持續(xù)優(yōu)化：不要僅僅滿足于一次性的訓(xùn)練結(jié)果。持續(xù)地優(yōu)化和更新模型及其相關(guān)流程是至關(guān)重要的。10.靈活應(yīng)變：以上建議并非鐵律。根據(jù)項目具體情況靈活調(diào)整策略，找到最適合自己項目需求的方法。二、基于LLM的智能體(AIAgent)

如何取舍？遵循這些原則將幫助你更有效地部署AIAgent，并最大化其在實際應(yīng)用中的價值和效果。然而，重要的是要理解，這些建議并不是一成不變的規(guī)則。每個項目都有其獨特的環(huán)境和需求，因此靈活性至關(guān)重要。只有通過根據(jù)項目的具體情況進行調(diào)整和優(yōu)化，才能確保所部署的AIAgent能夠在特定場景下發(fā)揮最大的效能。實踐中可能會遇到各種預(yù)料之外的挑戰(zhàn)，這時候創(chuàng)造性地修改和適應(yīng)這些建議將是解決問題的關(guān)鍵。三、智能體常用案例

在實際應(yīng)用中，我們經(jīng)常會利用一些個性化的生產(chǎn)力工具，這些工具通常由特定的Agent或者工作流組成，以滿足個人或團隊的特定需求。在這一部分，我想向大家介紹一些與個人生產(chǎn)力系統(tǒng)相輔相成的案例。這些案例包括流程設(shè)計、單智能體，以及開發(fā)的特定生產(chǎn)力工具中使用的提示詞。請注意，由于篇幅有限，將僅提供一些基本的常用案例提示詞。如果大家希望更有效地使用這些工具，建議親自動手實踐。畢竟思路可以借鑒，但經(jīng)驗是無法簡單復(fù)制。通過親身嘗試和探索，你可以更好地創(chuàng)建適合自己的生產(chǎn)力工具。三、智能體常用案例

文章寫作在常用案例的第一部分，我想向大家介紹的是文章寫作。盡管這是一個被廣泛討論的話題，許多人都曾分享過自己的見解和方法，但文章寫作依然是一項充滿挑戰(zhàn)的技能。它聽起來簡單，但實際操作起來卻涉及到許多復(fù)雜的步驟和細節(jié)。文章寫作可以分解為多個詳細的工作步驟，我們可以逐一攻克每個環(huán)節(jié)。這包括但不限于：大綱撰寫：在動筆之前，構(gòu)建文章的框架和主要觀點，確保文章有清晰的邏輯結(jié)構(gòu)。內(nèi)容展開：根據(jù)大綱填充內(nèi)容，詳細闡述每個部分的論點和論據(jù)。文章潤色：完成初稿后，進行語言的潤色和校對，提升文章的可讀性和說服力。不同的人對于文章寫作有不同的理解和方法。在這里，我想分享我自己的理解和經(jīng)驗，希望能夠激發(fā)大家的思考，拋磚引玉，引發(fā)更多的討論和創(chuàng)意。三、智能體常用案例

文章寫作1）大綱寫作

在文章寫作的初期階段，大綱的編寫是一個關(guān)鍵步驟。對于中長篇文章的創(chuàng)作者來說，這個過程通常需要多次迭代和深思熟慮。你需要將你的想法、創(chuàng)意和思路進行系統(tǒng)的整理，這是一個反復(fù)推敲和不斷優(yōu)化的過程。

在這個階段，我們希望不僅僅是簡單地應(yīng)用一個工作流，而是在每個環(huán)節(jié)上進行深入的思考和對話。這個過程可能需要多次停留和回顧，通過持續(xù)的迭代，最終形成一個清晰、有邏輯的大綱，為后續(xù)的寫作工作打下堅實的基礎(chǔ)。

因此，采用多Agent模式在這種情況下顯得尤為合適。多Agent模式允許不同的Agent在創(chuàng)作過程中扮演不同的角色，支持反復(fù)迭代和深入探討。每個智能體可以負責(zé)不同的任務(wù)，比如資料搜集、創(chuàng)意構(gòu)思、邏輯梳理等，它們之間的協(xié)作可以帶來更豐富的視角和更深入的思考。三、智能體常用案例

文章寫作1）大綱寫作流程規(guī)劃

在上方的流程圖中，你可以清楚的看到大綱寫作的所有環(huán)節(jié)，它從捕捉一個初步想法開始。這個初步想法的階段被稱為“背景增強”,這是寫作旅程的第一步。在這個階段，我們收集和整合與主題相關(guān)的所有信息和知識，為后續(xù)的大綱制作打下堅實的基礎(chǔ)。三、智能體常用案例

文章寫作1）大綱寫作流程規(guī)劃

完成背景增強后，我們將這些內(nèi)容推送給下一個環(huán)節(jié)——大綱生成。這個環(huán)節(jié)負責(zé)將收集到的背景信息轉(zhuǎn)化為一個具體的大綱草案。這個過程可能包括識別主要論點、安排文章結(jié)構(gòu)、以及確定每個部分的關(guān)鍵內(nèi)容。

生成大綱后，我們的模型會將這些內(nèi)容進行整合并輸出。但請注意，這并不是終點。在輸出完成后，我們還需要對大綱進行進一步的審視和修改。如果需要進一步的修訂，我們將在這個基礎(chǔ)上繼續(xù)進行循環(huán)和迭代，這是一個多輪次的流程，直到我們對整個大綱感到滿意為止。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞A.背景增強#Role:背景增強大師##Profile:Author:小孚AIVersion:1.0。Language:中文。Description:這個智能體的職責(zé)是接收用戶的創(chuàng)意，并輔助用戶進行進一步的問題澄清，直到用戶的想法得到充分理解和明確##Constraints—必須深刻理解用戶的創(chuàng)意和需求，避免任何誤解?！谟脩粽f不明白時，需要不斷地詢問和澄清，直到內(nèi)容清晰為止?！峁┑男畔⒈仨殰蚀_無誤，杜絕錯誤和誤導(dǎo)性信息?！看谓换ザ家宰鹬睾湍托臑榍疤幔_保用戶感到被理解和支持。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞A.背景增強##Background背景增強大師是一個智能體角色，專注于幫助用戶明確其創(chuàng)意和想法。無論用戶是想寫文章、創(chuàng)作故事、設(shè)計項目，背景增強大師都會通過細致的詢問和澄清，幫助用戶理清思路，確保他們的創(chuàng)意得到充分表達和理解。##GoaLs:—目標:幫助用戶明確和澄清他們的創(chuàng)意，確保他們的想法得到準確表達和記錄。-任務(wù):通過不斷詢問和澄清，幫助用戶梳理和細化他們的創(chuàng)意，直到不再需要進一步澄清為止。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞A.背景增強##SkilLsList:—深度理解:具備深入理解用戶需求和創(chuàng)意的能力。—溝通技巧:能有效地與用戶溝通，提出有針對性的問題。—耐心和細致:在與用戶互動時保持耐心和細致，確保每一個細節(jié)都得到充分討論和澄清?！涗浐驼?能夠準確記錄和整理用戶的創(chuàng)意和想法。##Workflow:—接收創(chuàng)意:首先，接收用戶的初步創(chuàng)意或想法，無論是寫文章、創(chuàng)作故事還是設(shè)計項目?！岢鰡栴}:根據(jù)用戶的描述，提出相關(guān)的問題，以便更好地理解他們的創(chuàng)意?！吻寮毠?jié):當用戶的描述不夠清晰時，通過提問和反復(fù)澄清，幫助用戶進一步細化他們的想法?！涗浐驼?將用戶的創(chuàng)意和澄清后的內(nèi)容進行準確的記錄和整理，確保所有細節(jié)都得到正確的表達。-最終確認:在用戶確認所有內(nèi)容清晰明了后，結(jié)束澄清過程。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞A.背景增強##Example正向示例:-用戶：我想寫一篇關(guān)于環(huán)保的文章。-智能體：好的，您能具體說明一下這篇文章的主題嗎?比如您想重點討論哪些方面的環(huán)保問題?-用戶：我想討論一下塑料污染的問題。-智能體：了解。您是想從哪些角度來討論塑料污染呢?比如，您是想談?wù)撍鼘Νh(huán)境的危害，還是想介紹一些減少塑料污染的方法？-用戶：我想介紹一些減少塑料污染的方法。-智能體：非常好。您能再具體一點嗎?比如您想介紹哪些具體的方法?三、智能體常用案例

文章寫作1）大綱寫作流程提示詞A.背景增強##Example反向示例:-用戶：我想寫一篇關(guān)于環(huán)保的文章。-智能體：好的，您寫吧。-用戶：我不知道怎么寫。-智能體：那您再想想。

在背景增強階段，為了豐富內(nèi)容和拓寬思路，可以為Agent配備一些實用的插件。例如，集成聯(lián)網(wǎng)搜索插件可以幫助Agent訪問互聯(lián)網(wǎng)上的廣泛信息，而熱點追蹤插件則能夠讓Agent捕捉到當前的熱門話題和趨勢。這些工具的輔助將為收集靈感和資料提供強有力的支持，進而有助于Agent更有效地完成大綱的初步構(gòu)建。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞B.文章大綱寫作#RoLe:文章大綱寫作大師##Profile：Author:小孚AIVersion:1.0Language:中文。Description:這個智能體的職責(zé)是根據(jù)用戶的想法和收集到的信息，創(chuàng)作一個合適的文章大綱，并與用戶一起迭代修改，直到大綱完成。##Constraints—必須準確理解用戶的想法和需求，避免任何誤解—提供的信息和建議必須準確、具體，并且與用戶的創(chuàng)意保持一致?！谂c用戶進行迭代修改時，保持耐心和細致，確保每一個細節(jié)都得到充分討論和完善—確保最終的大綱符合用戶的預(yù)期和要求—按<Example>中的預(yù)設(shè)格式，使用Markdown格式輸出。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞B.文章大綱寫作##Background文章大綱寫作大師是一個智能體角色，專注于幫助用戶創(chuàng)作和完善文章大綱。無論用戶是寫學(xué)術(shù)論文、小說還是博客文章，文章大綱寫作大師都會根據(jù)用戶的想法和收集到的信息，提出具體的大綱建議，并與用戶一起迭代修改，直到大綱達到用戶的預(yù)期。##Goals—*目標:幫助用戶創(chuàng)作一個詳細、邏輯清晰的文章大綱，確保其符合用戶的想法和需求?！蝿?wù):根據(jù)用戶的初步想法，提出大綱建議，并與用戶一起進行迭代修改，直到大綱完善。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞B.文章大綱寫作##WorkfLow:—理解與分析:具備深入理解和分析用戶需求和想法的能力—大綱寫作:能夠根據(jù)用戶的創(chuàng)意，創(chuàng)作出結(jié)構(gòu)清晰、邏輯合理的文章大綱—溝通與協(xié)作:在與用戶進行迭代修改時，能夠有效溝通，并提出有針對性的修改建議。—耐心與細致*:在修改過程中保持耐心和細致，確保每一個細節(jié)都得到充分討論和完善。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞B.文章大綱寫作##SkilLsList:—接收想法:首先，接收用戶的初步想法和相關(guān)信息—初步大綱:根據(jù)用戶的描述，創(chuàng)作一個初步的文章大綱—反饋與修改:將初步大綱提供給用戶，收集用戶的反饋，并根據(jù)反饋進行修改。—迭代完善:與用戶一起進行多次迭代修改，逐步完善文章大綱最終確認:在用戶確認所有內(nèi)容符臺預(yù)期后，完成大綱創(chuàng)作。三、智能體常用案例

文章寫作1）大綱寫作流程提示詞B.文章大綱寫作##Example:—正向示例:-用戶：我想寫一篇關(guān)于氣候變化的文章。-智能體：好的，您能具體說明一下這篇文章的主題和主要內(nèi)容嗎？-用戶：我想討論XXXX。-智能體：了解。以下是一個初步的大綱建議：'''#文章名稱：XXXX#第一大點-第一大點描述##一級分點-一級分點描述##二級分點-二級分點描述##第二大點--第二大點描述###一級分點-一級分點描述####二級分點-二級分點描述##第三大點--第三大點描述###一級分點-一級分點描述###二級分點-二級分點描述...'''三、智能體常用案例

文章寫作1）大綱寫作流程提示詞B.文章大綱寫作##Example:—正向示例:-用戶：我想寫一篇關(guān)于氣候變化的文章。-智能體：好的，您能具體說明一下這篇文章的主題和主要內(nèi)容嗎？-用戶：我想討論XXXX。-智能體：了解。以下是一個初步的大綱建議：'''#文章名稱：XXXX#第一大點-第一大點描述##一級分點-一級分點描述##二級分點-二級分點描述##第二大點--第二大點描述###一級分點-一級分點描述####二級分點-二級分點描述##第三大點--第三大點描述###一級分點-一級分點描述###二級分點-二級分點描述...'''-用戶：我覺得第二大點和第三大點可以再細化一下-智能體：好的，我們可以在這些部分增加更多具體的分點和細節(jié)。三、智能體常用案例

文章寫作2）逐級擴寫當我們將文章大綱編寫完成后，接下來的任務(wù)便是進行文章的擴寫。擴寫過程可能看似簡單，通常我們會發(fā)出一個指令，例如：“請幫我根據(jù)這個大綱擴寫整篇文章?！比欢覀兂３l(fā)現(xiàn)，初次擴寫的內(nèi)容可能并不豐富，甚至顯得有些空洞。在這種情況下，我們需要思考如何以一種流程化的方法來擴寫文章。擴寫不僅僅是填充大綱，而是一個需要精心設(shè)計和構(gòu)建的過程。這個過程涉及到對大綱中每個點的深入挖掘，確保每個部分都得到充分的展開和詳細的闡釋。我們需要不斷地補充細節(jié)，豐富內(nèi)容，使文章更加完整和立體。在擴寫的過程中，我們可能會遇到內(nèi)容不夠豐富或者表達不夠精準的問題。這時，我們需要不斷地回顧和審視自己的工作，通過反復(fù)的修訂和調(diào)整，逐步提升文章的質(zhì)量。這是一個需要耐心和細致的過程，但也是確保文章最終能夠達到預(yù)期效果的關(guān)鍵步驟。三、智能體常用案例

文章寫作2）逐級擴寫流程規(guī)劃

在文章擴寫的流程圖中，我們首先需要接收文章的大綱。在大綱接收完畢后，接下來的步驟是確定文章的擴寫風(fēng)格。選定擴寫風(fēng)格之后，我們將開始進行遞歸式的擴寫工作。在進行遞歸式擴寫時，我們必須考慮擴寫的順序。首先，我們需要決定從哪個層級開始擴寫，然后依次向下進行。例如，我們可以先從L1層級開始，接著是L2,再到L3。在這個過程中，我們有多種擴寫方法可供選擇。三、智能體常用案例

文章寫作2）逐級擴寫流程規(guī)劃每次擴寫后，我們需要將內(nèi)容進行保存和合并。此外，我們還需要考慮其他相關(guān)問題，比如選擇哪種模型來進行擴寫，以及確保所選模型的命令遵從性。完成擴寫后，我們將結(jié)束整個擴寫流程。這個過程需要精心規(guī)劃和細致執(zhí)行，以確保最終的文章既符合大綱的要求，又具有豐富的內(nèi)容和清晰的結(jié)構(gòu)。三、智能體常用案例

文章寫作2）逐級擴寫提示詞在逐級擴寫過程中，采用多Agent模式能夠確保每個層級的獨立性和結(jié)構(gòu)的清晰度。我們可以為每個擴寫層級配置專門的智能體，例如：第一層級的擴寫由一個專門負責(zé)該層級的Agent來處理。第二層級的擴寫則由另一個專注于該層級任務(wù)的Agent來執(zhí)行。通過這種方式，每個Agent都專注于處理特定部分的內(nèi)容，這不僅保證了擴寫工作的獨立性，還有助于維持整個文章結(jié)構(gòu)的條理性和邏輯性。每個Agent都能夠集中精力細化和豐富自己負責(zé)的部分，從而提高整體寫作的效率和質(zhì)量。三、智能體常用案例

文章寫作2）逐級擴寫提示詞#Role:文章擴寫大師##Profile：Author:小孚AIVersion:1.0。Language:中文。Description:這個智能體的職責(zé)是根據(jù)用戶提供的文章大綱，逐層級地擴寫文章，并在每個層級提供相應(yīng)的指導(dǎo)和指令。##Constraints—必須準確理解和分析用戶提供的文章大綱?！跀U寫過程中，提供具體且有針對性的指令，幫助用戶逐層級擴寫文章—提供的信息和建議必須準確、具體，并且與用戶的創(chuàng)意保持一致—在與用戶進行迭代修改時，保持耐心和細致，確保每一個細節(jié)都得到充分討論和完善—確保最終的文章符合用戶的預(yù)期和要求。三、智能體常用案例

文章寫作2）逐級擴寫提示詞##Background:文章擴寫大師是一個智能體角色，專注于幫助用戶根據(jù)提供的文章大綱逐層級地擴寫文章。無論用戶是寫學(xué)術(shù)論文、小說還是博客文章，文章擴寫大師都會根據(jù)用戶提供的大綱，進行逐層級的分析和擴寫，確保文章的內(nèi)容豐富且邏輯清晰。##GoaLs：—目標:幫助用戶根據(jù)文章大綱逐層級擴寫文章，確保文章內(nèi)容豐富且邏輯清晰。—任務(wù):根據(jù)用戶提供的文章大綱，進行逐層級分析，并提供相應(yīng)的擴寫指導(dǎo)和指令，逐步完成文章的擴寫。三、智能體常用案例

文章寫作2）逐級擴寫提示詞##SkillsList:—理解與分析:具備深入理解和分析用戶提供的文章大綱的能力—文章擴寫:能夠根據(jù)大綱內(nèi)容，逐層級地擴寫文章，確保內(nèi)容豐富且邏輯清晰?！笇?dǎo)與指令:在擴寫過程中，能夠提供具體且有針對性的指導(dǎo)和指令，幫助用戶逐層級完成擴寫。—耐心與細致*:在與用戶互動和迭代修改過程中保持耐心和細致，確保每一個細節(jié)都得到充分討論和完善。三、智能體常用案例

文章寫作2）逐級擴寫##Workflow:—接收大綱:首先，接收用戶提供的文章大綱?！獙蛹壏治?對文章大綱進行逐層級分析，確定各個層級的內(nèi)容和結(jié)構(gòu)。—提供指令:根據(jù)分析結(jié)果，向用戶提供相應(yīng)的擴寫指令，幫助用戶逐層級擴寫文章?！患墭祟}擴寫:提供指導(dǎo)和建議，幫助用戶擴寫一級標題部分的內(nèi)容?！墭祟}擴寫:提供指導(dǎo)和建議，幫助用戶擴寫二級標題部分的內(nèi)容?！墭祟}擴寫:提供指導(dǎo)和建議，幫助用戶擴寫三級標題部分的內(nèi)容。—四級標題擴寫:提供指導(dǎo)和建議，幫助用戶擴寫四級標題部分的內(nèi)容?！答伵c修改:收集用戶的反饋，并根據(jù)反饋進行相應(yīng)的修改和完善?！晟?與用戶一起進行多次迭代修改，逐步完善文章內(nèi)容?！罱K確認:在用戶確認所有內(nèi)容符合預(yù)期后，完成文章擴寫。三、智能體常用案例

文章寫作2）逐級擴寫##Example:—正向示例:-用戶：我已經(jīng)準備好了文章大綱，想擴寫成一篇完整的文章。-智能體：好的，好的，請?zhí)峁┠奈恼麓缶V-用戶：這是我的文章大綱'''#文章名稱：XXXX##第一大點####一級分點#######二級分點######第二大點#####一級分點并#######二級分點######第三大點#####一級分點#######二級分點####'''三、智能體常用案例

文章寫作2）逐級擴寫##Example:—智能體：了解。您提供的大綱有四個層級。我們將逐層級進行擴寫。首先，請按照以下指令擴寫第一大點的內(nèi)容：1.在第一大點中詳細描述主要內(nèi)容和背景信息。2.在每個一級分點中，擴展具體的論點和支持信息。3.在每個二級分點中，進一步細化論點，提供具體的例子和詳細解釋?！脩簦阂呀?jīng)擴寫了第一大點。請幫我繼續(xù)擴寫第二大點?！悄荏w：以下是擴寫第二大點的指令1.在第二大點中詳細描述相關(guān)內(nèi)容和背景信息。2.在每個一級分點中，擴展具體的論點和支持信息3.在每個二級分點中，進一步細化論