国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

在AI領(lǐng)域，多Agent系統(tǒng)（MAS）的開發(fā)和應(yīng)用一直是熱門話題，但實際效果卻往往不盡如人意。許多團隊在嘗試構(gòu)建多Agent系統(tǒng)時，常常因為急躁和缺乏系統(tǒng)性規(guī)劃而失敗。

今年接觸了很多Agent的項目，怎么說呢？多數(shù)項目的表現(xiàn)是很差的。

其中不乏一些想要快速搶占市場的小公司，他們刻意用低價和漂亮的PPT首先打開了局面，而這對于很多慢慢打磨產(chǎn)品的團隊是很難受的，因為根本沒他們的生存空間與試錯場景了…

于是很多團隊也被迫卷了起來，過程中各種執(zhí)行變形，其結(jié)果就是：Agent市場鬧得個厲害，但實際好用的應(yīng)用卻很少…

于是稍微總結(jié)下各個AI Agent產(chǎn)品失敗的原因，無非兩個：

第一，模型使用錯誤，過于迷信模型能力，覺得AI無所不能，也輕視了提示詞工程的難度，最終產(chǎn)品一直在60分徘徊；

第二，數(shù)據(jù)跟不上，更多的產(chǎn)品，數(shù)據(jù)一塊積累太差，RAG分塊和微調(diào)一塊做得很差，進一步導(dǎo)致模型表現(xiàn)很差，這也很正常，吃垃圾數(shù)據(jù)的模型拉不出黃金的屎；

同時，我也在關(guān)注業(yè)內(nèi)的動態(tài)，發(fā)現(xiàn)有篇論文寫得不錯：

為什么多智能體總是失??？

Why Do Multi-Agent LLM Systems Fail?

（https://arxiv.org/abs/2503.13657）

他給出了一個結(jié)果，5種主流Agent框架的各種應(yīng)用的表現(xiàn)情況：

1. MetaGPT，模擬軟件公司中的不同角色，執(zhí)行標(biāo)準(zhǔn)操作程序（SOP），用于創(chuàng)建開放式的軟件應(yīng)用；
2. ChatDev，模擬不同的軟件工程階段（如設(shè)計、編碼、質(zhì)量保證），通過模擬軟件工程公司中的角色；
3. HyperAgent，模擬一個軟件工程團隊，使用中央計劃者(agent)與專業(yè)化的子代理（如導(dǎo)航員、編輯器、執(zhí)行器）進行協(xié)調(diào)；
4. AppWorld，調(diào)用專業(yè)化的工具服務(wù)（例如Gmail、Spotify等），通過一個主管協(xié)調(diào)執(zhí)行跨服務(wù)任務(wù)；
5. AG2，提供一個開源的編程框架，用于構(gòu)建和管理代理系統(tǒng)及其交互；

PS：從這個角度來看，國內(nèi)外對于Agent的使用或者說發(fā)力方向還是有很大的不同

接下來，我們來簡單讀讀這篇文章。

摘要

盡管人們對多智能體系統(tǒng) (Multi-Agent LLM Systems) 的熱情日益高漲，即多個 LLM 智能體協(xié)作完成任務(wù)，但與單智能體框架相比，MAS 在熱門基準(zhǔn)測試中的性能提升仍然微乎其微。

這一差距凸顯了分析阻礙 MAS 有效性的挑戰(zhàn)的必要性。

論文對 MAS 挑戰(zhàn)進行了全面的研究，他分析了五種流行的 MAS 框架，涉及 150 多個任務(wù)，每次任務(wù)包括 15000 多行對話記錄，涉及六位專家人工參與。

確定了 14 種獨特的故障模式，并提出了適用于各種 MAS 框架的綜合分類法，他們將系統(tǒng)失敗的原因歸類為三種：

1. 系統(tǒng)設(shè)計錯誤；
2. Agent之間交互錯誤；
3. 任務(wù)驗證與終止錯誤；

優(yōu)化方式無非兩種：改進代理角色的規(guī)范和增強編排策略。

這里翻譯翻譯就是：提示詞優(yōu)化以及數(shù)據(jù)層面的一些優(yōu)化策略。接下來看看實際的情況。

Agents常見錯誤

當(dāng)前Agent平臺，倡導(dǎo)的還是減少工作流，讓模型自己玩的策略，也就是依賴于模型的規(guī)劃能力自建Workflow或者說SOP：

理論上，這是一個命令行的事情，AI就自主像員工一樣工作起來了：

• 任務(wù)拆解：將復(fù)雜任務(wù)拆解成多個模塊（例如，程序員、測試員、設(shè)計師分別負(fù)責(zé)不同部分）。
• 并行處理：通過分工合作，提升效率。
• 協(xié)作與討論：各個智能體共同討論，找出最優(yōu)解。

然而，現(xiàn)實中，多智能體系統(tǒng)常常未能達(dá)到預(yù)期效果，甚至在一些情況下，比簡單的單一AI系統(tǒng)更差。

例如，在軟件開發(fā)任務(wù)中，某些MAS的準(zhǔn)確率低至25%，遠(yuǎn)不及單一AI或簡單的重復(fù)調(diào)用方式。就像組建了一支全明星球隊，但比賽時卻各自為戰(zhàn)，無法形成有效的協(xié)作。

研究人員對150多個任務(wù)記錄進行了分析，發(fā)現(xiàn)失敗的原因主要可以歸為三大類：

一、角色混亂

在理想的MAS中，每個智能體都有明確的角色分工，例如產(chǎn)品經(jīng)理、開發(fā)人員、測試員等。

然而，在實際操作中，許多智能體往往會跨越自己的角色范圍，導(dǎo)致效率低下和錯誤的發(fā)生。

比如，在需求收集任務(wù)中，本應(yīng)負(fù)責(zé)收集需求的CPO（首席產(chǎn)品官）卻越權(quán)決定了產(chǎn)品方向，打亂了正常的流程，他的具體表現(xiàn)為：智能體不遵守崗位職責(zé)（例如，測試員參與編碼工作）；重復(fù)性勞動消耗了大量的計算資源；忘記了之前的討論內(nèi)容，導(dǎo)致重復(fù)工作；

其實，所有的這一切都可以回歸到模型問題的根因：幻覺…

二、溝通障礙

Agent之間的正常通信是任務(wù)成功的基礎(chǔ)，但多Agent在這方面卻表現(xiàn)得不好。

比如在一個API集成任務(wù)中，手機助手代理錯誤地使用了一個郵箱作為登錄憑證，而正確的應(yīng)該是電話號碼，這主要源于“溝通不暢”，會加劇這些問題的因素在于：討論內(nèi)容偏離了任務(wù)目標(biāo)，浪費了大量時間；智能體沒有共享關(guān)鍵信息，影響了決策；無視其他智能體的建議，或者在不確定時不主動尋求幫助；

三、驗收漏洞

在MAS中，任務(wù)的驗證是一個至關(guān)重要的環(huán)節(jié)，但許多系統(tǒng)缺乏有效的驗證機制，導(dǎo)致任務(wù)的提前或不完整完成。

比如，在開發(fā)一個象棋游戲的任務(wù)中，驗證代理只檢查了代碼是否能運行，但沒有確保游戲遵循象棋規(guī)則。

類似這種任務(wù)在未完成所有步驟的情況下就被過早結(jié)束；缺乏對關(guān)鍵步驟的驗證，導(dǎo)致錯誤被遺漏。在Manus或者最近發(fā)布的扣子空間中都經(jīng)常發(fā)生。

錯誤原因

這些故障模式與人類組織中的問題驚人地相似。MAS的失敗往往違背了高可靠性組織（HRO）的原則。

高可靠性組織通常能夠在高風(fēng)險的環(huán)境中完美運作，避免了類似的失敗。以下是MAS失敗的常見規(guī)律：

1. 角色混亂 → 破壞層級分工：當(dāng)智能體不遵循自己的角色定義時，會打亂系統(tǒng)的層級結(jié)構(gòu)，使得協(xié)作變得混亂。
2. 信息隱瞞 → 忽視專業(yè)建議：智能體沒有共享重要信息，導(dǎo)致決策失誤。
3. 敷衍的驗證 → 缺乏質(zhì)量把控：沒有有效的驗證機制，導(dǎo)致任務(wù)結(jié)果不可靠。

這些失敗表明，需要一個明確的結(jié)構(gòu)和質(zhì)量控制機制來確保任務(wù)的順利完成。

而解決方案也很簡單，也就是Agent框架宣稱的那樣：為模型加上更多的控制！

1. 角色明確：為每個智能體設(shè)定明確的職責(zé)范圍，避免跨界行為。
2. 交叉驗證：實施機制讓智能體之間進行互相驗證，類似于同行評審過程。
3. 檢查清單：強制執(zhí)行關(guān)鍵步驟的驗證，確保任務(wù)完成的質(zhì)量。
4. 結(jié)果：雖然這些戰(zhàn)術(shù)調(diào)整顯著提升了部分MAS的表現(xiàn)（提高了14%），但效果仍然不足以支撐大規(guī)模的實際部署。

這與我們之前做的多角色解決醫(yī)療幻覺是類似的：

因為我原來是醫(yī)療行業(yè)的，真實場景的方式比較敏感不能放出來，在網(wǎng)上找了一篇不錯的文章做說明：《醫(yī)療 CoT 全面分析》

這里內(nèi)容很長，大家自己去原文感受吧…

其實如果要用模型自己完成多Agent的協(xié)作，很多策略需要更加清晰。

我的一些看法

說實話，論文讀起來還是比較晦澀的，很多地方只能隱約的知道他想要表達(dá)什么，但總的來說，還是有一定收獲，這里就結(jié)合我的理解給一些看法：

一、大模型沒那么強

RL 之父 Rich Sutton在 2019 年的文章《苦澀的教訓(xùn)》

現(xiàn)在市面上有一種說法是：模型的通用能力，正在取代現(xiàn)在那些復(fù)雜的 Workflow。垂直模型是在開歷史倒車…

怎么說呢，這個在我看來可能是錯誤的，因為知識的有損性。

知識/數(shù)據(jù)是對真實世界的描述，就簡單一個事物，事實上我們平時只會關(guān)注他不到1/10的部分，以糖尿病為例：

我們討論的最多的是其癥狀和藥物，文化經(jīng)濟模塊很少會涉及，這里造成的結(jié)果就是數(shù)據(jù)殘缺性與知識表征瓶頸。

比如醫(yī)生在實際診斷過程中，不僅依賴臨床指南，還有大量的內(nèi)化知識，包括：

1. 患者微表情解讀（疼痛忍耐度）；
2. 社會經(jīng)濟因素權(quán)衡（治療方案可行性）；
3. 倫理判斷（生命質(zhì)量 vs 延長壽命）；

這是當(dāng)前AI難以跨越的困局：隱性知識難以結(jié)構(gòu)化，導(dǎo)致訓(xùn)練數(shù)據(jù)本質(zhì)殘缺。

輸入不足，勢必導(dǎo)致輸出不足，這是大模型底層缺陷所致

AlphaGo的成功建立在圍棋規(guī)則完全透明、狀態(tài)空間有限的基礎(chǔ)上。而真實醫(yī)療場景存在：

1. 模糊邊界（癥狀相似的不同疾病）；
2. 動態(tài)演化（患者病情突變）；
3. 價值沖突（不同科室意見相左）；

這類開放性問題需要元認(rèn)知能力（反思自身決策局限），而當(dāng)前AI仍停留在“統(tǒng)計擬合”層面。

綜上，RL 之父所謂的算力碾壓需要一個大前提：算力需作用于正確架構(gòu)。

若基礎(chǔ)模型無法表征某類知識（如醫(yī)學(xué)倫理），單純堆算力可能陷入“自以為是又嚴(yán)密而精準(zhǔn)的錯誤”。

而GPT的預(yù)訓(xùn)練是基于詞序列的條件概率建模，其核心是通過海量文本學(xué)習(xí)在特定上下文中，下一個詞的概率分布。

所有這一切都在表述一個問題：大模型沒那么強，他只能做有限的工作，暫時各種表現(xiàn)得很好的場景如發(fā)發(fā)郵件、規(guī)劃下旅游路線、寫個游戲腳本全部是有限世界的水平，這并不代表他在無限時間里面玩得轉(zhuǎn)！

二、模型是提示詞

雖然我們在使用提示詞讓模型產(chǎn)出我們需要的內(nèi)容，但我想表達(dá)的是：其實模型產(chǎn)出的才是提示詞。

或者換個描述，模型產(chǎn)出的是專業(yè)術(shù)語，是對一段文字的精煉，我們要做的是根據(jù)這個精煉的提示詞，去本地知識庫里面找到最應(yīng)該表達(dá)的部分。

這里的原因是，在第一點我們說清楚了模型在訓(xùn)練階段，數(shù)據(jù)可能只能表達(dá)真實世界的60%，但這并不表示模型是一精準(zhǔn)的數(shù)據(jù)庫！

反而，模型的輸入輸出都是基于概率的玩法，所以我們一定要基于RAG技術(shù)對其進行校準(zhǔn)、增強。

將模型用對是做好Agent設(shè)計的前提，不要妄想將大模型變成數(shù)據(jù)記憶的大腦，人類在記憶一塊也沒有那么靠譜。

三、垂直模型是下一個方向

所謂垂直大模型，可以是用行業(yè)數(shù)據(jù)進行微調(diào)的公司，也可以是基于大量算法數(shù)據(jù)調(diào)優(yōu)過后的模型。

垂直領(lǐng)域的玩家當(dāng)前多半基于Workflow自己玩，而類似DeepResearch、Genspark、Agent、Manus甚至門檻更高的Coze這種玩家當(dāng)然是希望：你們什么都別做，等我好了，就用我的！

于是，大家都在以一種遠(yuǎn)離垂直模型的方向在發(fā)展，只不過就算宣稱減少控制的Agent產(chǎn)品也在用一些方式調(diào)優(yōu)。

以Genspark為例，他們發(fā)現(xiàn)直接抓取網(wǎng)絡(luò)或者完全依賴大模型只能解決簡單問題時，就有一系列改進策略了，包括：

1. 加入專業(yè)數(shù)據(jù)源（如學(xué)術(shù)、財經(jīng)、旅游等）；
2. 并行搜索處理復(fù)雜問題；
3. 多代理交叉驗證信息避免幻覺；
4. 引入專門的深度調(diào)研 Agent；

特別是這點需要特別引人注意：使用高質(zhì)量數(shù)據(jù)源、專家審核內(nèi)容；數(shù)據(jù)由離線 Agent 審核，確保準(zhǔn)確性，避免信息冗雜和虛假。

雖然鼓吹的是更少的控制，更多的工具，只不過什么是工具就需要仔細(xì)揣摩了。

舉個例子，如果我現(xiàn)在要做醫(yī)療場景的Agent，那么我完全可以基于Workflow做基礎(chǔ)實現(xiàn)，然后開啟用戶驗證。

而當(dāng)我驗證的差不多后，立馬宣傳大家都不要使用Workflow，并且馬上用DeepSeek包裝出一套Agent框架，將我的Workflow、數(shù)據(jù)全部以知識的形式內(nèi)置進模型。

那么，此時這個所謂Agent框架，他到底是框架還是垂直模型呢？

綜上，垂直模型這條路雖然難點，但他一定是正確的，現(xiàn)在各種Agent平臺如Manus、扣子空間，都有些隔靴搔癢。

還是那句話：垂直模型發(fā)展遲緩是經(jīng)濟問題不是錯誤問題。

四、記憶問題，是下一個核心

幾乎所有Agent應(yīng)用，不管是基于Workflow在做的還是純Agent平臺，都在致力于解決模型的記憶問題。

其本質(zhì)是在關(guān)注模型幻覺問題，如果再往前走一步，就又回到垂直模型是否必須的問題了…

記憶問題當(dāng)前非常粗暴的被全部拋給了RAG，事實上這也是可以的，只不過無論是做AI知識庫還是做AI Agent的團隊，其產(chǎn)品體驗總是差點意思！

卡點也很清晰，多數(shù)人在數(shù)據(jù)組織一塊遇到了大量的問題，因為數(shù)據(jù)組織的背后是行業(yè)KnowHow，搞不清楚數(shù)據(jù)好壞，自然就沒法整理好數(shù)據(jù)，于是再次回到，垃圾輸入與垃圾輸出了…

只不過，記憶問題可能即將得到緩解，至少從LLama4和GPT最近的發(fā)布來說，超長上下文時代即將來臨，畢竟他們都宣稱自己提供百萬上下文呢！

所以，各個公司不要試圖去做跟模型重合的領(lǐng)域，想辦法組織好自有領(lǐng)域結(jié)構(gòu)化數(shù)據(jù)，后續(xù)看看怎么在保證安全的前提下與模型互相配合吧！

……

結(jié)語

文章已經(jīng)很長了，這里就不再增加篇幅了，最后還是常說的那句話：

一定要注意AI項目的非對稱性：我們可以用一周的時間做一個60分的demo，但未來半年你可能都會在為追求90分的產(chǎn)品而奔波！

AI產(chǎn)品這個東西，是不存在MVP就是結(jié)束這個事情的，而MVP可能才是真正的開始，所以，做AI產(chǎn)品一定要有足夠的耐心。

當(dāng)前做Agent的各個公司也是如此，其實并不是多Agents會失敗，而是大家都沒準(zhǔn)備好，推得太急咯……