你是不是也有过这样的感受,花了大把时间开发一个 Agent,结果上线后才发现要么不够智能、要么没人用?
明明功能看起来很炫酷,但就是解决不了实际问题,甚至连清晰的用户画像都没有。
先别急着写代码,坐下来好好规划一下:这个 Agent 到底是谁在用?能解决什么痛点?它和大模型有什么不一样?
先把这些问题想清楚,才能少走弯路,释放 Agent 的价值。
接下来,我们就聊聊如何规划一个 Agent,帮你在开始前先打好基础,让后续的设计和开发都更顺畅。
如何规划一个Agent?
规划 Agent 的阶段就像是项目开始时进行的可行性研究与评估,是对基础问题的深入思考。
其目的是为后续设计提供清晰的指导。这一阶段需完成以下工作:
- 定义 Agent 的应用场景
- 梳理业务流程并分析痛点
- 明确 Agent 的功能定位与开发需求
定义 Agent 的应用场景
“场景”这个词在许多领域被广泛使用,通常指特定的时间与空间,并涵盖各种活动和特定的环境因素。
场景定义了用户使用产品或服务时的行为、需求以及互动方式,帮助我们更好地理解用户的体验和期望。
因此,在设计时,有必要明确应用场景的定义。这包括具体的用户角色、使用场景的核心功能以及所能提供的独特价值。
比如说,如果我们要设计一个短视频改写 Agent,它的主要用户对象是短视频创作者和营销人员。
用户群体:这个 Agent 的用户包括需要优化短视频内容的创作者、品牌营销团队,以及负责社交媒体内容的管理人员。
用途:它可以帮助用户快速改写短视频脚本或文案,让内容更符合特定平台的风格需求(如抖音、快手等),同时提升内容的吸引力和传播效果。
核心功能:
- 利用大模型理解并优化用户提交的短视频脚本或文案。
- 针对不同平台提供优化建议,如字数限制、语气调整和关键词优化。
- 支持多语言改写,方便用户创作面向全球的内容。
- 结合热门短视频趋势,生成更有吸引力的内容。
- 生成文案时附带创意标题、有趣的开头句,以及适合的标签建议。
价值:这个 Agent 能集中处理短视频脚本和文案的优化工作,节省用户的时间,提升短视频的质量和传播效果,帮助用户更好地实现营销目标。
梳理业务流程并分析痛点
要实现 Agent 的功能,首先需要针对其应用场景梳理业务流程,理清业务逻辑,并分析其中的痛点,挖掘 Agent 的独特价值,确保其能够有效解决实际问题。
例如,对于短视频改写 Agent,基于其应用场景,可以梳理出以下常见的业务流程:
1.用户提交短视频脚本或文案。
2. Agent 分析文案内容并识别核心信息,如目标平台、目标受众、风格要求。
3.通过大模型生成优化后的文案,包括对语气、长度、关键词等进行调整。
4. 根据用户需求提供多种版本文案供选择,并附带创意标题、开头句和标签建议。
5. 用户选择结果并进行最终发布。
痛点分析:
- 痛点一: 短视频文案需要针对多个社交媒体平台进行调整,而手动改写和优化耗时费力。
- 痛点二: 用户可能缺乏足够的创意灵感,导致内容吸引力不足。
通过对业务流程和痛点的分析,可以从更细致的角度理解 Agent 所处的应用场景和业务逻辑,从而确保设计出的 Agent 更贴近实际需求,有效解决用户痛点。
明确 Agent 的功能定位与开发需求
在梳理业务流程和分析痛点之后,接下来需要明确 Agent 的功能定位和开发需求,以便更好地指导设计。
例如,短视频改写 Agent 主要功能可以包括:
- 配置专用知识库,涵盖短视频平台的规则和用户行为偏好,如平台的字数限制、热门关键词以及内容风格。
- 使用支持多语言处理的大模型,帮助用户创建适合全球市场的短视频内容。
- 任务流程分为多步,包括文案分析、改写和多版本生成,因此需要设计一个工作流来管理这些子任务。
- 支持上传多种格式的素材(如文本、图片、视频片段等),并结合大模型生成优化的短视频文案。
- 为了提高吸引力,生成的文案需包含创意标题、有趣的开头句以及适合的标签建议,同时结合当前的短视频趋势。
- 确保文案符合平台的审核标准,同时避免生成内容偏离用户需求或出现不准确的信息。
小结
好了,以上就是我们关于 Agent 规划的简单分享。
其实,做好规划就像打好地基,只要想清楚用户是谁、要解决什么问题,后面就能少踩坑、少走弯路。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。