ai-agents-for-beginners
（点击上方图片观看本课程视频）
多智能体设计模式
一旦您开始处理涉及多个智能体的项目，就需要考虑多智能体设计模式。然而，何时切换到多智能体以及其优势可能并非一目了然。
引言
在本课程中，我们将回答以下问题：
- 多智能体适用于哪些场景？
- 与单个智能体执行多任务相比，使用多智能体的优势是什么？
- 实现多智能体设计模式的构建模块是什么？
- 我们如何了解多个智能体之间的交互情况？
学习目标
学完本课程后，您应该能够：
- 识别多智能体适用的场景
- 认识到使用多智能体而非单个智能体的优势。
- 理解实现多智能体设计模式的构建模块。
更大的图景是什么？
多智能体是一种设计模式，允许多个智能体协同工作以实现共同目标。.
这种模式广泛应用于机器人技术、自主系统和分布式计算等各个领域。
多智能体适用的场景
那么，哪些场景是使用多智能体的良好用例呢？答案是，在许多场景中，部署多个智能体都是有益的，尤其是在以下情况中：
- 大工作负载：大工作负载可以分解为更小的任务并分配给不同的智能体，从而实现并行处理和更快完成。例如，在大型数据处理任务中就是如此。
- 复杂任务：复杂任务，如大工作负载，可以分解为更小的子任务并分配给不同的智能体，每个智能体专注于任务的特定方面。一个很好的例子是自动驾驶汽车，其中不同的智能体管理导航、障碍物检测以及与其他车辆的通信。
- 多样化专业知识：不同的智能体可以拥有多样化的专业知识，从而比单个智能体更有效地处理任务的不同方面。在这种情况下，一个很好的例子是医疗保健领域，其中智能体可以管理诊断、治疗计划和患者监测。
使用多智能体优于单个智能体的优势
单个智能体系统对于简单任务可能运行良好，但对于更复杂的任务，使用多个智能体可以提供多项优势：
- 专业化：每个智能体都可以针对特定任务进行专业化。单个智能体缺乏专业化意味着您拥有一个可以做所有事情的智能体，但当面对复杂任务时可能会感到困惑。例如，它最终可能会执行一个它不最适合的任务。
- 可扩展性：通过添加更多智能体而不是使单个智能体过载，可以更容易地扩展系统。
- 容错性：如果一个智能体发生故障，其他智能体可以继续运行，从而确保系统可靠性。
让我们举个例子，为用户预订行程。一个单一智能体系统必须处理行程预订过程的所有方面，从查找航班到预订酒店和租车。要用单一智能体实现这一点，该智能体需要具备处理所有这些任务的工具。这可能导致一个复杂且单体的系统，难以维护和扩展。另一方面，一个多智能体系统可以有不同的智能体专门负责查找航班、预订酒店和租车。这将使系统更加模块化，更易于维护和扩展。
将此与一家夫妻店经营的旅行社与一家特许经营店经营的旅行社进行比较。夫妻店将有一个单一智能体处理行程预订过程的所有方面，而特许经营店将有不同的智能体处理行程预订过程的不同方面。
实现多智能体设计模式的构建模块
在实现多智能体设计模式之前，您需要了解构成该模式的构建模块。
让我们再次以用户预订行程的例子来具体说明。在这种情况下，构建模块将包括：
- 智能体通信：查找航班、预订酒店和租车的智能体需要相互通信并共享有关用户偏好和限制的信息。您需要决定用于此通信的协议和方法。具体来说，这意味着查找航班的智能体需要与预订酒店的智能体通信，以确保酒店的预订日期与航班日期相同。这意味着智能体需要共享有关用户旅行日期信息，这意味着您需要决定哪些智能体正在共享信息以及它们如何共享信息。
- 协调机制：智能体需要协调其行动，以确保满足用户的偏好和限制。用户的偏好可能是他们想要靠近机场的酒店，而限制可能是租车只能在机场提供。这意味着预订酒店的智能体需要与预订租车的智能体协调，以确保满足用户的偏好和限制。这意味着您需要决定智能体如何协调其行动。
- 智能体架构：智能体需要具有内部结构来做出决策并从与用户的交互中学习。这意味着查找航班的智能体需要具有内部结构来决定向用户推荐哪些航班。这意味着您需要决定智能体如何做出决策并从与用户的交互中学习。智能体如何学习和改进的例子可能是，查找航班的智能体可以使用机器学习模型根据用户过去的偏好向用户推荐航班。
- 多智能体交互可见性：您需要了解多个智能体之间如何交互。这意味着您需要拥有跟踪智能体活动和交互的工具和技术。这可以以日志和监控工具、可视化工具和性能指标的形式出现。
- 多智能体模式：有不同的模式用于实现多智能体系统，例如集中式、分布式和混合架构。您需要根据您的用例决定最适合的模式。
- 人在回路中：在大多数情况下，您会有人在回路中，您需要指示智能体何时请求人工干预。这可以以用户请求智能体未推荐的特定酒店或航班，或在预订航班或酒店前请求确认的形式出现。
多智能体交互可见性
了解多个智能体之间如何交互非常重要。这种可见性对于调试、优化和确保系统整体有效性至关重要。为此，您需要拥有跟踪智能体活动和交互的工具和技术。这可以以日志和监控工具、可视化工具和性能指标的形式出现。
例如，在为用户预订行程的情况下，您可以有一个仪表板，显示每个智能体的状态、用户的偏好和限制，以及智能体之间的交互。这个仪表板可以显示用户的旅行日期、航班智能体推荐的航班、酒店智能体推荐的酒店以及租车智能体推荐的租车。这将让您清楚地了解智能体之间如何交互以及用户的偏好和限制是否得到满足。
让我们更详细地研究这些方面。
-
日志和监控工具：您希望对智能体执行的每个操作进行日志记录。日志条目可以存储有关执行操作的智能体、执行的操作、执行操作的时间以及操作结果的信息。然后，这些信息可以用于调试、优化等等。
-
可视化工具：可视化工具可以帮助您以更直观的方式查看智能体之间的交互。例如，您可以有一个图表显示智能体之间的信息流。这可以帮助您识别系统中的瓶颈、效率低下和其他问题。
-
性能指标：性能指标可以帮助您跟踪多智能体系统的有效性。例如，您可以跟踪完成任务所需的时间、单位时间内完成的任务数量以及智能体所做推荐的准确性。这些信息可以帮助您识别改进领域并优化系统。
多智能体模式
让我们深入探讨一些可用于创建多智能体应用的具体模式。以下是一些值得考虑的有趣模式：
群聊
当您想要创建一个允许多个智能体相互通信的群聊应用程序时，此模式非常有用。此模式的典型用例包括团队协作、客户支持和社交网络。
在此模式中，每个智能体代表群聊中的一个用户，消息通过消息传递协议在智能体之间交换。智能体可以向群聊发送消息、从群聊接收消息，并回复其他智能体的消息。
此模式可以使用集中式架构实现，其中所有消息都通过中央服务器路由，或者使用分布式架构实现，其中消息直接交换。
交接
当您想要创建一个允许多个智能体相互交接任务的应用程序时，此模式非常有用。
此模式的典型用例包括客户支持、任务管理和工作流自动化。
在此模式中，每个智能体代表工作流中的一个任务或一个步骤，智能体可以根据预定义规则将任务交接给其他智能体。
协同过滤
当您想要创建一个允许多个智能体协作向用户提供推荐的应用程序时，此模式非常有用。
您希望多个智能体协作的原因是每个智能体可以拥有不同的专业知识，并以不同的方式为推荐过程做出贡献。
让我们举一个例子，用户想要获得有关购买股票市场中最佳股票的推荐。
- 行业专家：一个智能体可以是特定行业的专家。
- 技术分析：另一个智能体可以是技术分析的专家。
- 基本面分析：另一个智能体可以是基本面分析的专家。通过协作，这些智能体可以为用户提供更全面的推荐。
场景：退款流程
考虑一个场景，客户正在尝试获得产品退款。此过程中可能涉及相当多的智能体，但让我们将其划分为特定于此过程的智能体和可用于其他过程的通用智能体。
退款流程专用智能体:
以下是退款流程中可能涉及的一些智能体：
- 客户智能体：此智能体代表客户，负责启动退款流程。
- 卖家智能体：此智能体代表卖家，负责处理退款。
- 支付智能体：此智能体代表支付流程，负责退还客户的款项。
- 解决智能体：此智能体代表解决流程，负责解决退款过程中出现的任何问题。
- 合规智能体：此智能体代表合规流程，负责确保退款流程符合法规和政策。
通用智能体:
这些智能体可供您业务的其他部分使用。
- 运输智能体：此智能体代表运输流程，负责将产品运回给卖家。此智能体既可用于退款流程，也可用于通过购买等方式进行产品的一般运输。
- 反馈智能体：此智能体代表反馈流程，负责收集客户反馈。反馈可以在任何时候进行，而不仅仅是在退款过程中。
- 升级智能体：此智能体代表升级流程，负责将问题升级到更高级别的支持。您可以将此类智能体用于任何需要升级问题的流程。
- 通知智能体：此智能体代表通知流程，负责在退款流程的各个阶段向客户发送通知。
- 分析智能体：此智能体代表分析流程，负责分析与退款流程相关的数据。
- 审计智能体：此智能体代表审计流程，负责审计退款流程以确保其正确执行。
- 报告智能体：此智能体代表报告流程，负责生成关于退款流程的报告。
- 知识智能体：此智能体代表知识流程，负责维护与退款流程相关的知识库。此智能体既可以了解退款，也可以了解您业务的其他部分。
- 安全智能体：此智能体代表安全流程，负责确保退款流程的安全性。
- 质量智能体：此智能体代表质量流程，负责确保退款流程的质量。
前面列出了相当多的智能体，既有针对特定退款流程的，也有可用于您业务其他部分的通用智能体。希望这能让您了解如何决定在多智能体系统中使用哪些智能体。
作业
为客户支持流程设计一个多智能体系统。识别流程中涉及的智能体、它们的角色和职责以及它们之间如何交互。同时考虑特定于客户支持流程的智能体和可用于您业务其他部分的通用智能体。
在阅读以下解决方案之前请仔细思考，您可能需要比您想象的更多智能体。
提示：思考客户支持流程的不同阶段，并考虑任何系统所需的智能体。
解决方案
知识检测
问题：您何时应该考虑使用多智能体？
- A1：当您工作量小且任务简单时。
- A2：当您工作量大时。
- A3：当您任务简单时。
总结
在本课程中，我们研究了多智能体设计模式，包括多智能体适用的场景、使用多智能体而非单个智能体的优势、实现多智能体设计模式的构建模块以及如何了解多个智能体之间如何交互。
对多智能体设计模式还有更多疑问？
加入 Azure AI Foundry Discord，与其他学习者交流，参加办公时间，并获得您的 AI Agent 问题解答。