不要一开始就让 AI 直接干活
先让 AI 做意图理解，再根据流程选择不同的智能体干活
最近在缓过来半口气的 ChatPAN 在做提示词的测试，对吴恩达提出的 Agentic AI 有了更深的理解
什么是 ChatPAN
ChatPAN 是一个我写的基于用户自己资料库的工具（暂未上线）
用户自己组合知识库，可以是书、文章等，然后再对接到微信中以机器人的形式进行问答。如文“如何通过小红书采集用户需求”，就会通过 RAG 到自己设定的资料库进行查询，然后返回结果。
就 ChatPAN 本身先不多说了，这里主要就提示词进行讨论
吴恩达的 Agentic AI 是什么
这是一种新型的智能体技术，指的是一类能够实现自主操作的人工智能系统，他可以作出决策，并且与环境互动
设计模式
反思（Reflection）：模型能够检查自身的工作，发现问题，并进行迭代修订。例如，在生成文本内容时，智能体可以对生成的初稿进行自我审查，检查逻辑是否连贯、语法是否正确等，并根据检查结果进行修改完善，从而提高输出质量 工具使用（Tool Use）：智能体可以借助外部工具来进行分析、收集信息以及采取行动。比如，在需要获取最新数据时，智能体能够调用网络搜索工具，通过整合工具的功能，更高效地完成复杂任务 规划（Planning）：智能体能够自主规划一系列流程以达成目标。例如，在执行一个复杂的项目时，它可以先制定详细的计划，明确各个阶段的任务，然后按照计划执行 多智能体协作（Multi-agent Collaboration）：多个具有不同角色和专长的智能体相互协作，各自领取任务，共同完成任务
工作流程
任务分解：将复杂的任务分解为多个更小的子任务，每个子任务的输出将作为下一步的输入，如此循环 智能体执行：智能体为Agentic Workflow的核心，执行特定的子任务。每个代理可能负责工作流中的一个或多个特定环节。每个智能体都有自己角色和能力 自适应循环：智能体边工作边收集反馈，评估自身的性能，并根据反馈调整自己的行为，整体可以自我进化
从 Agentic AI 得到的灵感
我们大多数使用 AI 时候，尤其是调用 API 的时候，都是写一个复杂的提示词，调用模型接口返回结果，因为这样简单啊
好处
调用简单，直接调用，直接返回结果
坏处
对于需要得到一个足够好的结果，就要写非常强悍当然也很复杂的提示词。就算是一个提示词可以搞定，那也需要大模型足够强的能力，所以我们才不断地追求模型能力。
这对我们提示词的能力和钱包能力就有了超高要求
简单改进
现在直接做一套 Agentic AI 就很难，但我们可以从中吸取很多灵感。
先让 AI 做意图理解，再选择合适的智能体/不同的条件进行后续工作
做一个最小的改动
入口智能体接收用户的问题/需求，根据需求分析意图并输出拆解后的意图/任务。 根据意图，选择工作智能体，干活 整合工作智能体的结果，形成最终结果返回给用户
上面对 AI 的使用，要大量使用 JSON 作为数据格式，方便程序进行后续的操作
案例说明
上面说了半天，搞不好有点懵，咱们弄个案例就知道了
简单的一个
先说一个好理解的，如果我们问 AI
他的第一张专辑是什么？
如果此时 AI 直接去工作，就很啼笑皆非
他怎么知道我问的不是张学友呢？
如果按照上面的改动，就应该
入口智能体接收用户的问题/需求，分析意图，发现无法明确“他”的指代，应该进行提问确认 当确认了“他”之后，再进行搜索等工作
我的真实案例
上面我说的 ChatPAN 是一个基于用户自己资料库的问答工具，最直接的使用方式
用户向智能体提问，给出问题 智能体使用问题，进行 embedding/RAG 等方式对资料库数据进行检索（这里不纠结技术细节哈） 根据检索的资料信息，整合并提问大模型给出回答
不能说这个流程不对，给出的结果也可以接受，但是可能有如下的优化空间
用户的问题，如果不足够精准，如何能够正确的进行资料检索 一个问题如果涉及多个角度，单一提问方式如何全方位覆盖
新方式，在这个提问的场景下
用户向智能体提问，给出问题 智能体理解问题，根据设定的身份/场景，分析问题，把原始问题拆解为多个子问题 使用子问题进行 embedding/RAG 等方式对资料库数据进行检索（这里不纠结技术细节哈） 根据检索的资料信息，整合并提问大模型给出回答
问题
在线教程售卖、线下培训。有什么实操的案例和建议
# Instructions 1. 请使用 CoT 的方式，逐步推理，给出最终答案 2. 请先认真阅读问题，并思考问题与xxxxxxxxxxxx等是否相关 3. 尝试理解沟通者的深层的意图，可能他无法明确的表达自己的含义，请帮助完善意图，和修改为完整的问题描述 3. 根据核心意图和原始问题，提取关键信息并推导拆分为多个子问题，子问题可以是更全面的描述，也可以是具体的拆解步骤，或者是相关的描述，保障每个子问题的独立性，每个子问题要完整，适合使用向量检索相似性 4. 每个子问题，可以衍生出来不同的表达方式，为了可以使用向量检索到更完整的内容，对每个子问题产生相关联的问题，也罗列在子问题的后面。 - 子问题的不同表达方式可以作为相关问题 - 子问题可以衍生的情况、行为、相似描述，可以作为相关问题
👆👆👆参考我使用的提示词👆👆👆
被拆解的子问题
在线教程售卖有哪些成功的实操案例 有哪些知名的在线教程售卖平台的成功案例 不同领域的在线教程售卖实操案例有哪些 开展线下培训有哪些成功的实操案例 各类热门行业线下培训的成功实操案例分享 针对不同人群的线下培训实操案例有哪些 进行在线教程售卖有哪些实用的建议 如何提高在线教程的销量的建议 制作吸引人的在线教程有哪些建议 开展线下培训有哪些实用的建议 如何吸引学员参加线下培训的建议 线下培训的课程设计有哪些建议
因为多了 2 这个步骤，一个问题被拆解了 12 个问题，自然会让结果效果提升很高
在吴恩达的测试中 Agentic AI 可以使用 GPT3.5 达到 GPT4 的水平。我自己目测是效果可以提高很多
这就可以让我们在很多环节使用国产 AI 达到 GPT/Claude 的效果
添加我微信，一起聊 AI。商单当然也欢迎
