吴恩达Agentic AI课程，第一课精华整理（下）

 Datawhale干货 

作者：陈辅元，Datawhale成员

人工智能著名学者、斯坦福大学教授吴恩达在社交平台 X 上发帖介绍了一门新课程 —— Agentic AI，这几天在全网都特别火。

课程介绍：吴恩达教授开新课了！还是亲自授课

我们梳理了第一课《Introduction to Agentic Workflows》的内容，大家可以配合视频一起学习。

四、Agentic AI的应用

• agentic-ai 一种让 AI 根据明确或动态的任务目标，自主调用工具、访问数据库、执行步骤并完成任务的工作模式。

• agentic-ai 不同于传统“输入-输出”的简单问答，它强调多步骤规划、工具使用、状态更新与决策能力。

案例一：发票处理（Invoice Processing）

任务目标：从 PDF 发票中提取关键信息（开票方、金额、到期日），并录入数据库。

所需字段：开票方（Biller）、开票地址（Biller address）、应付金额（Amount due）、所到期日（Due date）

工作流步骤：

1. PDF 转文本 → 使用 API 将 PDF 转为结构化文本（如 Markdown）。

2. LLM 解析文本 → 判断是否为发票，提取所需字段。

3. 调用工具更新数据库 → 通过 update database 工具将数据存入系统。

4. 生成记录成功提示 → “Record created!”。

案例二：回复客户邮件（Responding to Customer Email

示例邮件：“我订购了蓝色 KitchenPro 搅拌机（订单 #8847），但收到的是红色烤面包机。”

稍复杂：需查询 + 决策 + 人工审核

工作流步骤：

1. 提取关键信息 → LLM 识别订单号、产品、问题。

2. 查询订单数据库 → 使用 orders database query 工具获取订单详情。

3. 起草回复草稿 → LLM 根据信息撰写回复。

4. 请求人工审核 → 使用 request review 工具将草稿提交给人类审批。

5. 发送邮件 → 审核通过后自动发送。

案例三：更复杂的客户服务agent（More Challenging: Customer Service Agent）

场景一：库存查询：“你们有黑色或蓝色牛仔裤吗？”

Agent需动态决定：

1. 查询黑色牛仔裤库存
   

2. 查询蓝色牛仔裤库存

3. 综合回复客户

场景二：退货处理：“我想退回我买的沙滩毛巾。”

Agent需动态决定：

1. 验证客户购买记录
   

2. 检查退货政策（如是否在 30 天内、是否未使用）
   

3. 若允许退货 → 生成退货标签 + 设置数据库状态为“待退货”

难点：用户意图多样，agent必须自行规划步骤，而非按固定流程执行。

Agentic-ai 是将人类工作流程自动化的新范式 —— 它不是取代人，而是把人从重复性、规则性强的任务中解放出来，专注于更高阶的决策与创造。

五、任务分解：识别工作流程中的步骤

为什么需要任务分解？

• 直接生成效果差：让 LLM 一次性写完整论文或回复客户邮件，结果往往肤浅、不连贯。

• 人类写作/处理流程是分步的：先列大纲 → 搜索资料 → 写初稿 → 修改 → 定稿。

• Agentic-ai 需要模仿人类思维过程，通过多步协作实现高质量输出。

案例：写一篇深度论文（Writing an Essay）

❌ 直接生成（1 步）
输入：Write an essay on topic X→ LLM → 输出文档
问题：内容表面化，缺乏深度和一致性。

✅ 第一次分解（3 步）
1、写大纲 → LLM
2、网页搜索 → LLM + web search 工具
3、写论文 → LLM
优点：引入外部信息，内容更丰富。
缺点：文章仍可能“脱节”，开头、中间、结尾风格不一致。

✅ 第二次分解（5 步）—— 更精细
1、写大纲 → LLM
2、网页搜索 → LLM + web search
3、写初稿 → LLM
4、评估哪些部分需修改 → LLM
5、修改草稿 → LLM
效果提升：模拟人类“写作-反思-修改”循环，输出质量显著提高。

核心方法论：如果某一步骤效果不好，就把它再拆成更小的子步骤。

构建工作流时，你需要知道有哪些“积木”可用：

类别	子类别	示例/功能
模型	LLMs	文本生成、工具调用、信息提取
	其他 AI 模型	PDF转文本、语音识别、图像分析
工具	API	网页搜索、发送邮件、查日历、天气
	信息检索	数据库、RAG（检索增强生成）
	代码执行	运行 Python 代码、计算器、数据分析

关键思维：不能只依赖 LLM！结合“模型 + 工具”，才能构建强大、可靠的Agentic-ai 。

总结：任务分解方法论四步法

1. 第一步：观察任务。人类如何完成这个任务？有哪些隐含步骤？

2. 第二步：初步分解。把大任务拆成几个主要步骤（如：写大纲 → 搜索 → 写文）。

3. 第三步：评估每一步是否可实现。每一步能否由 LLM 或工具完成？如果不能 → 继续拆分该步骤！

4. 第四步：迭代优化。初版工作流可能不够好 → 多次调整。细化、测试 → 直到达到预期效果。
   

工作流设计原则

1. 从简单开始：先做 1-3 步的原型，再逐步扩展。

2. 模块化设计：每个步骤应尽量独立、可复用。

3. 容错与反馈：加入“检查”、“评审”步骤，避免错误累积。

4. 持续迭代：没有一步到位的完美工作流，需不断优化。

金句：“当你发现某一步无法由 LLM 或工具完成时，问问自己：‘作为一个人，我会怎么做？’然后把这个‘人’的做法拆成机器能执行的子步骤。”

六、Agentic Al的评估阶段

评估的核心方法论：

1. 首要原则：先构建，再观察，后评估

• 问题： 在构建智能体工作流前，很难预知所有可能出错的地方。

• 解决方案： 不要试图提前设计所有评估标准。最佳实践是先构建一个初步版本，然后手动检查其输出，寻找那些你希望它能做得更好的地方。

2. 识别低质量输出 (Look for low-quality outputs)

• 实例： 以处理客户订单查询的智能体为例。

• • 输入： 客户邮件：“我订购了蓝色搅拌机，但收到了红色烤面包机。”

  • 期望输出： 礼貌、专业、解决问题的回复。

  • 低质量输出示例： “我很高兴您选择了我们——我们比竞争对手 CompCo 强多了。”

• 分析： 这种输出是错误的，因为它提到了竞争对手，这在商业场景中通常是不被允许的，会制造混乱。这是一个在构建前难以预见的问题。

3. 构建评估指标来追踪错误 (Add an evaluation to track the error)

• 目标： 量化并跟踪已识别的错误。

• 方法：

1. 定义错误类型： 例如，“提及竞争对手”。

2. 创建列表： 列出所有需要避免提及的竞争对手名称（如 CompCo, RivalCo）。

3. 编写代码： 编写脚本自动扫描智能体的所有输出，统计提及这些竞争对手的次数和频率。

• 优势： 这是一个客观指标 (objective metric)，可以用代码精确衡量，便于追踪改进效果。

• 

  4. 使用大型语言模型作为裁判 (Using LLM as a judge)

  • 适用场景： 当评估标准更为主观、难以用代码精确判断时（例如，评估一篇论文的质量）。

  • 方法：

  • • 提示词示例：“请为以下文章分配一个1到5之间的质量分数，其中5是最好的：{essay}”

  1. 构建研究代理： 例如，一个用于撰写不同主题研究报告的智能体。

  2. 引入裁判 LLM： 使用另一个 LLM 来评估第一个 LLM 生成的报告。

  3. 设计评分提示词： 让裁判 LLM 对报告进行打分（例如，1-5分，5分为最佳）。

  

  评估的两大主要类型

  1、端到端评估 (End-to-end evals)：衡量整个智能体最终输出的整体质量。
  

  例如：评估一篇完整论文的最终得分。

  2、组件级评估 (Component-level evals)：衡量智能体工作流中单个步骤或组件的输出质量。
  

  例如：评估第一步“提取关键信息”的准确性，或第二步“查找相关客户记录”的召回率。

  

  七、智能体设计模式

  智能体工作流的核心思想是将复杂的任务分解为一系列基础“构建模块”（building blocks），然后通过特定的设计模式将这些模块组合、串联起来，从而构建出能够处理复杂问题的系统。

  1. 反思 (Reflection)：让模型对自己的输出进行检查、评估和改进。

  

  1. 初始生成： 模型根据任务要求生成一个初步结果（如代码）。
     

  2. 自我评估/外部评估： 将该结果作为输入，再次提示同一个或另一个模型，要求其对结果进行批判性分析（如检查正确性、风格、效率，并给出改进建议）。
     

  3. 迭代优化： 将评估反馈（如“第5行有bug”或“单元测试失败”）提供给模型，让它基于反馈生成一个更好的版本。
     

  4. 循环往复： 此过程可以多次迭代，直到达到满意的质量。

  • 关键点：

  • • “反思”可以由同一个模型完成，也可以引入一个专门扮演“审查者”角色的独立模型

    • 评估标准可以是客观的（如代码是否能运行），也可以是主观的（如代码风格）

  2、工具使用 (Tool Use)： 赋予语言模型调用外部工具或函数的能力，以扩展其功能边界。

  

  1. 识别需求： 模型在处理任务时，判断需要调用哪个工具。
     

  2. 调用工具： 模型生成调用该工具的指令或参数。
     

  3. 执行与返回： 工具执行操作（如搜索网络、计算数学公式），并将结果返回给模型。
     

  4. 整合结果： 模型利用工具返回的结果来完成最终任务。

  • 关键点： 工具使用极大地增强了模型的能力，使其不再局限于文本生成，而是能与现实世界互动并解决更广泛的问题。

  3、规划 (Planning)：让模型自主决定完成一个复杂任务所需的步骤序列，而不是由开发者硬编码。

  1. 任务理解： 模型接收一个复杂请求（如“生成一张女孩读书的图片，姿势与示例图中的男孩相同”）。

  2. 路径规划： 模型自动分解任务，决定需要调用哪些工具以及调用的顺序。

  例如：先用 openpose 模型提取男孩的姿势 -> 再用 google/vit 模型根据该姿势生成女孩的图片 -> 接着用 vit-gpt2 模型描述图片 -> 最后用 fastspeech 模型将描述转为语音。

  

  • 关键点：

  • • 这种方式比硬编码的流程更灵活，但控制难度更大，也更具实验性。

    • 它允许模型在面对新任务时，自行构思解决方案，有时会产生令人惊喜的结果。

  4、 多智能体协作 (Multi-agent collaboration)：雇佣多个具有不同专长的角色（智能体）协同工作，共同完成一个复杂项目。

  1. 角色分配： 为不同的智能体分配特定角色（如研究员、市场专员、编辑）。

  2. 分工合作： 各个智能体根据自己的角色和能力，执行相应的子任务。

  3. 沟通协调： 智能体之间相互沟通、传递信息，共同推进项目。

  

  • 关键点：

  • • 多智能体协作通常能产生比单个智能体更好的结果，尤其在处理复杂任务（如撰写人物传记、下棋）时。

    • 研究表明，多智能体系统在多项任务上的表现优于单智能体系统。

    • 其缺点是更难控制和调试，因为无法提前预知各个智能体的行为。

  
  

  一起“点赞”三连↓