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


关于播客生成的探索(二):Multiagent 的可能性
发布日期:2024-12-25 08:07:54 浏览次数: 1536 来源:北漂程序员日记


 

写在前面

在上一篇文章《关于播客生成的探索(一)》中,我们一起初步探讨了利用 AI 技术生成播客的可能性,并对现有的一个开源项目 PodCastLM 进行了简单的分析。我们发现,直接通过 Prompt 来驱动整个播客生成流程,虽然能取得一定的效果,但在处理复杂文档、多文档联合生成以及多人对话场景时,存在着明显的局限性。

那么,有没有更精细化、更具扩展性的方法呢?最近,我开始关注 Multiagent 的概念,并思考如何将其应用于播客生成,以解决我们之前遇到的那些技术难题。本文将围绕这个思路展开,希望能给大家带来一些新的启发。

引入 Multiagent 的概念

Multiagent 系统,顾名思义,是由多个智能体(Agent)组成的系统。每个智能体都有其特定的目标、能力和知识,能够感知环境、做出决策并与其他智能体进行交互,最终协同完成复杂的任务。

将其应用于播客生成,我们的核心想法是将播客生成的任务拆解成多个子任务,并分配给不同的 Agent 负责。每个 Agent 专注于其擅长的领域,通过相互协作,最终生成高质量的播客内容。

基于 Multiagent 的播客生成架构设想

上图是一个初步的架构设想,我们暂且定义了以下几个核心 Agent:

  • • 文档理解 Agent (Document Understanding Agent): 负责对输入的文档进行深度解析,提取关键信息、主题、论点、人物关系等。相比于简单的文本提取,它更注重语义理解和知识抽取。
  • • 角色扮演 Agent (Role Assignment Agent): 根据文档内容和设定的播客类型,确定参与对话的角色,例如主持人、嘉宾 A、嘉宾 B 等。它需要理解不同角色的特点和职责。
  • • 对话生成 Agent (Dialogue Generation Agent): 这是核心 Agent,负责根据文档理解 Agent 提取的信息和角色扮演 Agent 的设定,生成具体的对话内容。我们可以根据角色数量和对话风格,设计多个对话生成 Agent 并行工作。
  • • 内容串联 Agent (Content Orchestration Agent): 负责将各个对话片段进行合理的组织和串联,确保对话的流畅性和逻辑性。它还需要负责添加开场白、结尾语、转场等元素。
  • • 质量评估 Agent (Quality Assessment Agent): 对生成的播客脚本进行质量评估,例如检查内容的准确性、逻辑性、趣味性,并给出改进建议。这可以帮助我们不断优化生成效果。

Multiagent 如何解决现有难点

对比上一篇文章中提到的技术难点,Multiagent 的架构似乎能更好地应对:

  1. 1. 文档处理难度: 文档理解 Agent 可以采用更精细化的 NLP 技术,例如结构化信息抽取、知识图谱构建等,来处理复杂的 PDF 文件,甚至可以针对不同类型的文档采用不同的处理策略。
  2. 2. 多文档联合生成: 我们可以为每个文档分配一个文档理解 Agent,然后让对话生成 Agent 综合多个文档的信息进行讨论。内容串联 Agent 负责将不同文档的主题进行自然的过渡和融合。
  3. 3. 多人场景: 我们可以为每个参与者分配一个独立的对话生成 Agent,这些 Agent 可以并行工作,并互相影响,模拟真实的多人对话场景。角色扮演 Agent 负责定义每个角色的性格和发言风格。

开源实现的探索方向

在探索一中,我们提到了 PodCastLM 这个开源项目。基于 Multiagent 的思路,我们可以在其基础上进行改造,或者探索其他更适合构建 Multiagent 系统的框架。

接下来,我可能会尝试以上的设想来构建一个简单的播客生成 Demo,初步验证 Multiagent 的可行性。

为了不影响阅读,以下为部分代码片段

class HistoryMessage:
    def__init__(self) -> None:
        self._history_messages = []

    defadd(self, role, message):
        self._history_messages.append({
            "role": role,
            "content": message
        })
    
    defto_string(self):
        content = ""
        for msg inself._history_messages:
            content += f"{msg['role']}{msg['content']}\n"
        return content
        
classHostAgent:
    def__init__(self) -> None:
        self.llm_client = LLM()

    defget_introduce(self, context: str):
        prompt = HOST_PROMPT_INTRODUCE.format(context=context, 
                                              host_name=config.HOST_NAME,
                                              guest_name=config.GUEST_NAME,
                                              guest_introduction=config.GUEST_INTRODUCTION)
        for info inself.llm_client.fetch_stream(prompt, temperature=0.7):
            yield info

    defget_conversation(self, context: str, history_messages: HistoryMessage):
        prompt = HOST_CONVERSATION.format(context=context, 
                                          history=history_messages.to_string(),
                                          host_name=config.HOST_NAME,
                                          host_introduction=config.HOST_INTRODUCTION,
                                          guest_name=config.GUEST_NAME,
                                          guest_introduction=config.GUEST_INTRODUCTION,
                                          conversation_max_rounds=config.CONVERSATION_MAX_LENGTH)

        print (prompt) 
        content = ""
        for info inself.llm_client.fetch_stream(prompt, temperature=0.7):
            print (info, flush=True, end="")
            content += info
        print ()
        return content

上面是一个非常简化的代码框架,用于演示 Multiagent 的基本工作流程。在实际应用中,每个 Agent 的实现会复杂得多,需要集成各种 NLP 模型和技术。

此外,我们还可以考虑使用配置文件(例如 YAML)来定义 Agent 的类型、角色和交互方式,从而提高系统的灵活性和可配置性。

agents:
document_understander:
    type:DocumentUnderstandingAgent
    config:
      model_name:""
role_assigner:
    type:RoleAssignmentAgent
    config:
      num_roles:2
dialogue_generator_host:
    type:DialogueGenerationAgent
    config:
      model_name:"gpt-4o"
      role_prompt:"You are the host of the podcast..."
dialogue_generator_guest:
    type:DialogueGenerationAgent
    config:
      model_name:"gpt-4o"
      role_prompt:"You are an expert on..."
content_orchestrator:
    type: ContentOrchestrationAgent

效果展示

我们用鸡兔同笼的问题来作为输入,来直接看一下效果。为了不影响阅读,这里只截取了部分的生成结果。

小美: 大家好,欢迎收听《小美的趣味数学时光》,我是你们的主持人小美。今天我们邀请到了一位特别的嘉宾,小明,他是一位正在努力学习数学的四年级学生。今天,我们将一起探讨一个古代趣题——鸡兔同笼问题,了解其中的解法和背后的数学智慧。小明,准备好了吗?让我们开始吧!
小明: 大家好,我是小明。我已经准备好了!小美,今天我们要聊的鸡兔同笼问题听起来很有趣,我迫不及待想知道其中的解法了。
小美: 那太好了!鸡兔同笼问题是一个很经典的数学问题,最早出现在《孙子算经》里。那么,小明,你知道鸡兔同笼问题的具体内容是什么吗?
小明:  当然知道!问题是:笼子里有35个头和94只脚,问有多少只鸡和兔子。这个问题考察的是我们如何通过已知条件进行推理和计算。
小美: 没错!鸡兔同笼问题的确非常有趣。接下来,我们可以尝试用不同的方法来解答这个问题。小明,你想先听哪种方法呢?吹哨法、砍足法、假设法还是方程解法?
小明: 小美,我想先听听吹哨法!这个方法听起来就很有趣,好像在指挥一场动物表演呢。
小美: 好的,小明!吹哨法确实有趣。假设所有鸡兔听到哨声都抬起一只脚,这时地上还有多少只脚呢?
小明: 地上还会有94-35=59只脚。再吹一次哨,每只动物再抬一只脚,这时地上还有24只脚。这样只有兔子还有脚在地上。
小美:  没错,小明!现在所有的鸡都抬起了两只脚,地上剩下的24只脚都是兔子的。那么兔子的数量是多少呢?
小明: 兔子的数量是24➗2=12只,那么鸡的数量就是35-12=23只。这样我们就解出了鸡兔同笼的问题!
小美: 小明,你真是聪明!吹哨法确实很有意思。那么接下来,我们再来试试砍足法吧。你知道砍足法的步骤是什么吗?
小明: 砍足法的步骤是先假设每只鸡和兔都砍掉一半的脚,这样鸡有一只脚,兔子有两只脚,然后计算总脚数的一半。再根据脚比头多的数量确定兔子的数量。
小美: 对的,小明!假设每只鸡和兔各砍掉一半的脚后,总脚数就变成了47只。现在你知道兔子的数量是多少了吗?


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