Reflection 反思设计模式

很好理解，如果你让大模型写一段代码，它会立马给你一个反馈。这时候你可以将它输出的代码片段再输入回去，让大模型仔细检查它写的代码的准确性、结构规范性等，并且给出评论。

然后再将这些反馈结果输入给大模型，它可能会输出一个比第一版更好的代码。

我之前描述的是一个单一的编码 AI Agent 智能体 ，你提示它与自己进行交互。这个想法的一种自然延伸是，不是单一的代码 AI Agent 智能体 ，而是有两个AI Agent 智能体，一个是编码 AI Agent 智能体 ，另一个是评审 AI Agent 智能体 。它们可以基于同一个语言模型，但你以不同的方式对它们进行提示，对一个说“你是专业编码者，编写代码”，对另一个说"你是专业代码评审员，评审这段代码"。这种工作流程实际上非常容易实现，我认为它是一种通用技术，可以为很多工作流程带来显著的大语言模型性能提升。

Tool use 工具使用设计模式

相信大家使用 Copliot，或者月之暗面的 Kimi Chat，你给出 Prompt 提示词，它首先会检索互联网上的内容，基于检索到的内容进行总结分析，给出结论。

这个其实就是大模型使用「网页搜索」工具的例子。

再比如：你问大模型，今天的天气如何？这个时候大模型会调用天气预报工具得到今天的的天气状况。

Planning 规划设计模式

在我进行的一些现场演示中，有些演示会失败，AI Agent 智能体会重新规划路径。我经历过很多这样的时刻。其中一个例子是从 HuggingGPT 论文中改编的，输入的是：请生成一张图片，一个女孩在看书，她的姿态和图像中的男孩一样，再使用你的声音描述这张新图片。

今天有了 AI Agent 智能体，你可以确定第一件要做的事是确定男孩的姿态，提取姿态。接下来需要找到一个姿态图像模型，遵循指令生成一张女孩的图像。然后使用图像 - 文本模型得到描述。最后使用文本转语音模型读出描述。

Multiagent collaboration 多智能体协作设计模式

多智能体协作，这部分很很有趣，比你想象的好很多，类似于之前大火的 AI 斯坦福小镇。

吴恩达举的例子是开源项目 ChatDev，你可以让一个大模型扮演不同的角色，比如：公司CEO、设计师、产品经理或测试人员，这些 Agents 会相互协作，共同开发一个 App 或者复杂程序。

虽然不是每次都能成功，但有时确实非常惊艳！