|
大家好，我是老渡。
最近 Agent 智能體很火，人工智能領域國際上最權威的學者之一吳恩達教授，不但總結了Agent設計模式，還親自下場開發(fā)了一款翻譯Agent。 這個翻譯Agent在設計模式和提示詞工程等方面都有許多值得學習的地方。老渡拆解一下，跟朋友們分享。 翻譯Agent項目已開源，有三千多的關注 
下面是翻譯Agent的實現思路，分三步驟
對于我們大部分人來說，一般只用到第一步。而翻譯Agent之所以被稱為Agent，核心就在后兩步。后兩步用到的是Agent設計模式中的反思模式，就是讓大模型檢查、評估上一步生成的結果，提出改進，并重新生成。得到改進意見后，第三步的Prompt會基于這些改進意見重新翻譯上述Prompt提示詞，有兩個值得學習的地方——分隔符和系統(tǒng)提示。正好前不久“首屆GPT-4提示工程大賽” 奪冠者也提到了這兩點。分隔符是特殊的符號，能幫助大語言模型辨識提示詞中哪些部分是有特殊含義的，一般可用 XML 標簽表示。比如，上面的提示詞中<SOURCE_TEXT>、<TRANSLATION>、<EXPERT_SUGGESTIONS>等XML標簽用來標識原文、翻譯后的內容和改進意見。大模型可以直接讀懂這些分隔符，而不需要在提示詞中增加額外解釋，從而簡化整體提示詞的復雜度。系統(tǒng)提示是向大語言模型提供的關于其應如何響應的額外指示。這被視為一種額外的提示，因為它超出了大模型的常規(guī)用戶提示。上面提示詞中 system_message 中的內容就是系統(tǒng)提示詞。翻譯Agent項目是用Python代碼編寫的，實現了簡單工作流將上述三個步驟串聯(lián)起來。老渡之前也分享過基于Agent平臺開發(fā)智能體，不管是 dify 還是扣子，都支持工作流，配置好大模型和提示詞，就可以零代碼復現這個翻譯Agent了。老渡最近一直在研究利用大模型開發(fā)Agent智能體，公眾號持續(xù)分享。
|
