多 Agent 技术的出现打破了传统单 Agent 模式在处理复杂任务时的局限性。通过模拟人类社会中的分工与合作,多 Agent 系统能够更好地应对不确定性高、动态变化的环境,为软件开发、智能服务等领域带来新的变革。
对于开发者而言,随着大模型技术在各个行业的广泛应用,多 Agent 技术也成为落地大模型技术中不可或缺的一环,因此开发者需要掌握相关技能,以便在未来的竞争中取得先发优势。
OSCHINA 采访了商汤科技大装置事业群研发总监王志宏,请他聊聊多 Agent 的应用场景、技术难点,已经我们如何利用多 Agent 技术实现开发提效。
OSCHINA:当下多 Agent 的应用场景主要有哪些?
王志宏:
从场景来说,多Agent适合复杂任务场景,该类场景没有非常固定的流程安排,需要多个步骤来回切换以满足实际的交付需求,比如在软件开发中,可能需要前后端多次协同联调最终才能达成产品的开发一样,流程不同但步骤和职能相同
-
软件开发:在软件项目中,多个 Agent 可以分别承担项目经理、开发人员和测试人员等角色,从而将复杂任务分解,提高开发效率。
-
智能营销:构建不同的营销 Agent,如内容生成、用户管理和效果分析 Agent,以实现精准的市场营销和用户互动。
-
智能客服:针对不同客户需求,设计专属的客服 Agent以及对应的pipeline,提升服务质量和响应速度。
-
数据分析:针对数据汇总、数据清洗、口径统一、数据调取、数据整理、数据分析的全流程,设计不同的具体过程,更高效的完成分析报告
从性能角度来说,单Agent模式需要将数据每次流转过固定的流程,数据需要串行经过各子节点,无法实现多任务并行调度;而多Agent通过调整不同的Agent间控制,能够有效提高这类场景的数据效率
OSCHINA:多 Agent 如何加速开发?
王志宏:
-
模块化设计:将复杂系统拆分为多个独立的 Agent,使得每个 Agent 专注于特定功能,从而简化开发、测试和维护过程。
-
并行处理:多个 Agent 可以并行工作,减少任务完成时间,提高整体系统的响应速度和效率。
-
专业化能力:每个 Agent 可以专注于其擅长的领域,提升系统整体性能,避免单一 Agent 处理复杂任务时的瓶颈。
OSCHINA:让多个不同的 Agent 之间相互配合,技术难点主要在哪?
王志宏:
-
任务理解与分配:Agent 必须能够理解复杂任务并合理分配给各自负责的子任务,需要thinking和action模块强大的理解和规划能力,否则任务效率和质量同样无法提高。
-
记忆与知识管理:环境及对应变量的设定。保持上下文一致性和连贯性,要求各个 Agent 有效地存储和检索信息,以应对动态变化的环境。
-
工具集成与互操作性:Agent 需要与外部工具和服务进行交互,这要求在设计时考虑不同工具之间的兼容性与集成问题。
OSCHINA:在AI应用开发流程中,对开发者提出了哪些新的技能要求?可以给开发者一些转型 / 成长建议吗?
王志宏:
-
机器学习与深度学习知识:掌握机器学习算法原理,一方面便于构建和优化模型,一方面能够更加了解模型边界和生成逻辑。
-
框架调用能力:善于使用底层框架(LazyLLM)能帮助大大提高实际开发产品的效率
-
快速学习能力:大模型行业日新月异,需要有持续学习的精神和韧性
-
跨学科能力:模型时代极大提高了个体效率,需要思考的内容从“怎么做”到“做什么”是一个大的跨越
本周六,王志宏将出席【2025,加速技术开发】OSC源创会活动,发表《开发应用一分钟,省却台下十年功:LazyLLM助你高效构建AI助手!》主题演讲。通过介绍LazyLLM的设计理念以及编程范式,并结合一些实际应用案例,来介绍如何利用LazyLLM,让新手也能快速开发出更有竞争力的AI应用。
即刻报名:
https://www.oschina.net/event/2407669
时间:2025-01-18 14:00 至 18:00
地点:北京 朝阳 酒仙桥路10号UBP恒通商务园·之所元空间

