4 順序聊天模式（Sequential Chat Pattern）
4.1 場景：網誌文章創作
想象一下，您正在創作一篇網誌文章，這個過程通常包括幾個關鍵步驟：研究主題、確定關鍵點、構建故事線將它們串聯起來。每個步驟都是創作出引人入勝內容的關鍵。
4.2 挑戰
嘗試用一個大型AI模型一次性生成整個文章，可能會得到一些通用、平淡無奇的內容。研究可能不夠深入，故事線可能不夠吸引人。這是因為不同的階段需要不同的專長。
關鍵在於： 不同階段應該使用不同的模型 。研究階段需要精確的事實核查，而故事線則需要更具創造性的模型。
4.3 解決方案
順序聊天模式 提供了解決方案。您可以將工作流程分解成多個步驟，每個步驟由 專門的智能體 處理，而不是單一模型。
需要深入研究？分配給「Research(研究)」智能體。需要從研究中提取關鍵點？也有專門的智能體。當需要創造性思維時，你懂的。
順序聊天模式
重要的是，這些智能體並不是在相互交流，而是將一個智能體的輸出作為下一個智能體的輸入。這類似於提示鏈（prompt chaining）。
那麽，為什麽不直接使用提示鏈呢？選擇智能體的原因在於 智能體的可組合性 。
5 作為可組合元件的智能體
5.1 場景：最佳化網誌建立流程
讓我們回到網誌創作的例子。想象一下，您的 談話要點提取器 智能體沒有達到預期效果，提取的要點與讀者的興趣不匹配。我們能否做得更好？答案是肯定的！
5.2 解決方案
考慮引入 反射模式 。我們可以添加一個「反射」智能體，它將談話要點與之前網誌文章中的成功內容進行比較，這些內容基於真實的受眾數據。這個智能體確保您的談話要點始終與讀者的興趣保持一致。
但等等，這是否意味著我們需要徹底改變整個工作流程？並非如此。
因為智能體是 可組合 的，所以在外界看來，一切仍然完全相同。沒有人需要知道，在幕後，您已經為您的工作流程註入了新的活力。這就像是在不被人察覺的情況下升級了汽車的發動機，但它突然間執行得更加順暢！
作為可組合元件的智能體
6 群聊模式
6.1 場景：開發編碼輔助聊天機器人
設想一下：您正在開發一個聊天機器人，它能夠協助開發者完成各種編程任務——編寫測試、解釋程式碼，甚至構建新功能。使用者可以向機器人提出任何編碼問題，然後機器人就能迅速處理。
6.2 挑戰
但問題來了，您如何管理這種復雜性？使用者可能會提出各種各樣的問題，您無法預知。機器人應該啟用哪個智能體？是測試者智能體，還是編碼智能體？如果使用者需要新功能，是否需要同時啟用多個智能體？
關鍵在於：某些請求需要 多個智能體 協同工作。例如，建立新功能不僅涉及程式碼生成，還需要 理解現有程式碼庫 。因此，智能體需要協同合作，但如何協調它們的工作順序？
6.3 解決方案
群聊模式 提供了解決方案。
引入一個「 規劃器 」智能體，它就像一個終極協調者，決定 哪些智能體 應該處理任務以及 以什麽順序 處理任務。
如果使用者請求新功能，「規劃器」首先呼叫「代碼分析器」智能體來理解現有程式碼，然後將其交給「編碼器」智能體來編寫新程式碼。
但更有趣的是——「規劃器」不只是設定好然後離開。它可以 在過程中適應 ！如果生成的程式碼存在錯誤，它會迴圈回到編碼器智能體進行另一輪處理。
群聊模式
「規劃器」智能體確保一切順利進行，智能體像全明星團隊一樣協同工作，無論任務多麽復雜，都能準確提供使用者需要的東西。
7 結論
總結來說，智能體設計模式不僅是時髦的術語，它們是實用的框架，能夠最佳化您的AI工作流程，減少錯誤，並助力構建更智能、更靈活的系統。無論是任務委派、準確性驗證還是復雜操作的協調，這些模式都能滿足您的需求。
最關鍵的一點是，智能體的 可組合性 。它們能夠隨著時間推移而前進演化，輕松應對日益復雜的任務。
智能體設計模式是構建高效AI系統的強大工具，值得每一位AI開發者和設計師深入探索和套用。
