4 顺序聊天模式（Sequential Chat Pattern）
4.1 场景：博客文章创作
想象一下，您正在创作一篇博客文章，这个过程通常包括几个关键步骤：研究主题、确定关键点、构建故事线将它们串联起来。每个步骤都是创作出引人入胜内容的关键。
4.2 挑战
尝试用一个大型AI模型一次性生成整个文章，可能会得到一些通用、平淡无奇的内容。研究可能不够深入，故事线可能不够吸引人。这是因为不同的阶段需要不同的专长。
关键在于： 不同阶段应该使用不同的模型 。研究阶段需要精确的事实核查，而故事线则需要更具创造性的模型。
4.3 解决方案
顺序聊天模式 提供了解决方案。您可以将工作流程分解成多个步骤，每个步骤由 专门的智能体 处理，而不是单一模型。
需要深入研究？分配给「Research(研究)」智能体。需要从研究中提取关键点？也有专门的智能体。当需要创造性思维时，你懂的。
顺序聊天模式
重要的是，这些智能体并不是在相互交流，而是将一个智能体的输出作为下一个智能体的输入。这类似于提示链（prompt chaining）。
那么，为什么不直接使用提示链呢？选择智能体的原因在于 智能体的可组合性 。
5 作为可组合组件的智能体
5.1 场景：优化博客创建流程
让我们回到博客创作的例子。想象一下，您的 谈话要点提取器 智能体没有达到预期效果，提取的要点与读者的兴趣不匹配。我们能否做得更好？答案是肯定的！
5.2 解决方案
考虑引入 反射模式 。我们可以添加一个「反射」智能体，它将谈话要点与之前博客文章中的成功内容进行比较，这些内容基于真实的受众数据。这个智能体确保您的谈话要点始终与读者的兴趣保持一致。
但等等，这是否意味着我们需要彻底改变整个工作流程？并非如此。
因为智能体是 可组合 的，所以在外界看来，一切仍然完全相同。没有人需要知道，在幕后，您已经为您的工作流程注入了新的活力。这就像是在不被人察觉的情况下升级了汽车的发动机，但它突然间运行得更加顺畅！
作为可组合组件的智能体
6 群聊模式
6.1 场景：开发编码辅助聊天机器人
设想一下：您正在开发一个聊天机器人，它能够协助开发者完成各种编程任务——编写测试、解释代码，甚至构建新功能。用户可以向机器人提出任何编码问题，然后机器人就能迅速处理。
6.2 挑战
但问题来了，您如何管理这种复杂性？用户可能会提出各种各样的问题，您无法预知。机器人应该激活哪个智能体？是测试者智能体，还是编码智能体？如果用户需要新功能，是否需要同时激活多个智能体？
关键在于：某些请求需要 多个智能体 协同工作。例如，创建新功能不仅涉及代码生成，还需要 理解现有代码库 。因此，智能体需要协同合作，但如何协调它们的工作顺序？
6.3 解决方案
群聊模式 提供了解决方案。
引入一个「 规划器 」智能体，它就像一个终极协调者，决定 哪些智能体 应该处理任务以及 以什么顺序 处理任务。
如果用户请求新功能，「规划器」首先调用「代码分析器」智能体来理解现有代码，然后将其交给「编码器」智能体来编写新代码。
但更有趣的是——「规划器」不只是设置好然后离开。它可以 在过程中适应 ！如果生成的代码存在错误，它会循环回到编码器智能体进行另一轮处理。
群聊模式
「规划器」智能体确保一切顺利进行，智能体像全明星团队一样协同工作，无论任务多么复杂，都能准确提供用户需要的东西。
7 结论
总结来说，智能体设计模式不仅是时髦的术语，它们是实用的框架，能够优化您的AI工作流程，减少错误，并助力构建更智能、更灵活的系统。无论是任务委派、准确性验证还是复杂操作的协调，这些模式都能满足您的需求。
最关键的一点是，智能体的 可组合性 。它们能够随着时间推移而进化，轻松应对日益复杂的任务。
智能体设计模式是构建高效AI系统的强大工具，值得每一位AI开发者和设计师深入探索和应用。
