AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


AI智能体 | 一文讲透扣子Coze中的多Agent,从概念到实现
发布日期:2024-09-04 07:16:54 浏览次数: 1665



多智能体模式是扣子平台提供的一项创新功能,它允许开发者在创建聊天机器人时,能够整合多个智能体(Agent)。


这种模式特别适合于那些需要应对复杂场景和提供全面功能的聊天机器人。在启用多智能体模式时,开发者可以为每个智能体设定独特的触发词,将原本复杂的任务拆解成一系列更易于管理的小任务。


这种方法不仅简化了单个机器人的逻辑结构,还提升了处理复杂查询的效率和精确度


01

认识多Agent


在 Multi-agent 模式下,主 Agent 和多个 Miniagent 之间的分工协作关系。


主 Agent 负责总体的任务管理和协调,而 Miniagent 则专注于具体的子任务,通过反馈、竞争和对话机制,共同完成复杂的任务,提高系统的灵活性和效率。



吴恩达教授提到了四种主要的智能体设计模式。

Reflection(反思)

Tool use(工具使用)

Planning(规划)

Multi-agent collaboration(多智能体协作)


这些模式共同构成了 AI Agent 工作流的核心架构。


其中 coze 里面的 Muti Agent 就是第四种模式,在这种模式下,每个智能体都有自己的角色和职责,它们通过通信和协作来共同达成目标。


这种协作可以提高系统的效率和智能性,因为不同的智能体可以专注于它们最擅长的任务。


典型的例子是 ChatDev 开发框架,它把多个智能体对应于多个工种,所有智能体组成一个虚拟的“软件公司”。


单Agent和多Agent的对比



02

 Coze上如何使用多Agent

模式选择


编排面板


用一个例子来说明

这个 bot 我创建了 2 个 agent。



在 test 这个 agent 中,创建的是一个 MQTT 协议分析专家。基于自己搭建的私有库。导入之前创建的MQTT_workflow工作流


这个 Agent 的提示词是:”当用户提问包含 MQTT 词语的时候,回答用户问题”


另外一个 Agent 是售后客服,收集用户的反馈,并把用户输入信息存到数据库里面,也就是由 user_info_collect 来处理


在 user_info_collect 中处理输入,然后插入到数据库中,输入就是将用户的反馈信息


当输入:我要投诉,跳转到Agent_747进行投诉处理


当我咨询MQTT问题的时候,则跳转到test这个Agent进行处理




53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询