大型语言模型（LLM）正在改变各行各业的自动化和人工智能应用。LLM工作流作为构建复杂AI系统的基石，它允许开发者将LLM的能力嵌入到更广泛的自动化流程中，从而实现更高效、更智能的应用场景。本文将深入探讨LLM工作流的设计模式，提供实际案例，并探讨其在构建AI智能体中的应用，帮助读者构建更强大的自动化工具。 从简单的自动化任务到复杂的AI智能体，LLM工作流的应用范围日益广泛。了解如何有效地利用这些工作流，对于任何希望在AI领域取得突破的开发者都至关重要。我们将介绍各种常见的设计模式，并通过一个具体的案例——使用OpenAI Agents SDK构建AI虚拟助手——来演示如何将这些模式应用于实践中。无论是初学者还是经验丰富的开发者，都能从中获得有价值的见解。 准备好开启你的AI之旅了吗？让我们一起探索LLM工作流的奥秘，释放AI的无限潜能！
LLM工作流关键要点
LLM工作流定义：一系列生成期望结果的步骤。
核心设计模式：链式、路由、并行化等。
OpenAI Agents SDK：构建AI虚拟助手的实用工具。
Agentic工作流：具备一定自主性的工作流。
软件类型：代码（软件1.0）、机器学习（软件2.0）与Prompting LLM（软件3.0）。
LLM的优势与局限：平衡可预测性和灵活性。
设计模式选择：根据任务需求和权衡进行。
理解LLM工作流
什么是LLM工作流？
llm工作流可以被定义为一系列步骤，这些步骤共同协作，以产生一个期望的结果。工作流的核心在于将复杂的任务分解为更小、更易于管理和自动化的子任务。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
每一个步骤都有其特定的功能，并按照预定的顺序执行，最终达成既定的目标。
举例来说，假设我们的目标是“清空收件箱”。传统的工作流可能包括以下步骤：
- 接收邮件：监控收件箱，接收新邮件。
- 阅读邮件：人工或自动阅读邮件内容。
- 判断重要性：确定邮件是否需要立即回复或处理。
-
采取行动：
- 如果重要，则回复邮件；
- 如果不重要，则直接删除。
LLM工作流的价值在于能够将这些步骤自动化，减少人工干预，提高效率。通过使用LLM，我们可以更智能地理解邮件内容、判断重要性，并自动生成回复或执行其他操作。
显式地定义工作流程，无论它看起来多么简单，是创建自动化的关键一步。只有当我们清楚地了解每个步骤的具体内容，才能将其转化为计算机代码，实现自动化。
LLM工作流与传统软件的对比
传统软件开发依赖于规则和明确的指令，这使得构建复杂、自适应性强的系统变得困难。LLM的出现，为我们提供了一种新的可能性，能够构建更加智能和灵活的自动化流程。
过去，构建一个能够自动分类邮件的系统，需要大量的规则和复杂的代码。我们需要定义各种关键词、分析发件人信息，并根据这些规则来判断邮件是否为垃圾邮件。然而，这种方法往往难以应对变化多端的邮件内容和发件人，导致分类效果不佳。
LLM工作流则可以通过学习大量的邮件数据，自动识别垃圾邮件的特征，从而实现更准确的分类。此外，LLM还可以根据用户的反馈不断学习和优化，提高分类的准确性和效率。
总而言之，LLM工作流通过赋予系统理解和学习的能力，克服了传统软件的局限性，为自动化带来了新的突破。
当然，LLM并非万能。在构建LLM工作流时，我们需要充分了解LLM的优势和局限性，并根据具体的应用场景进行权衡。例如，LLM在处理需要高度精确和可预测性的任务时，可能不如传统软件可靠。因此，我们需要仔细评估每个步骤的需求，选择最合适的工具和方法。
不同软件类型的优势与局限
在构建LLM工作流时，理解不同软件类型的优势与局限至关重要。可以将软件分为以下三类：
-
代码 (软件 1.0)：
- 关键活动：编写明确的指令，通过计算机代码实现。
- 可预测性：高度可预测，结果完全基于代码逻辑。
- 灵活性：灵活性较差，只能执行预先设定的任务。
- 计算复杂度：计算复杂度最低，运行效率高。
-
机器学习 (软件 2.0)：
- 关键活动：策划高质量的训练样本，训练模型。
- 可预测性：可预测性一般，结果依赖于训练数据和模型。
- 灵活性：灵活性较好，能够学习和适应新的数据。
- 计算复杂度：计算复杂度较高，需要大量的计算资源。
-
Prompting LLM (软件 3.0)：
- 关键活动：设计清晰的Prompt，引导模型产生期望的行为。
- 可预测性：可预测性较差，prompt的设计至关重要。
- 灵活性：灵活性极高，能够完成多种任务。
-
计算复杂度：计算复杂度最高，需要强大的计算能力。
关键就在于将不同类型的组件进行组合，构建一个能够满足特定需求的LLM工作流。
LLM工作流设计模式
LLM工作流的常见设计模式
LLM工作流的设计模式多种多样，每种模式都有其独特的优势和适用场景。以下是一些常见的设计模式：
-
链式（Chaining）：将多个LLM或组件按照顺序连接起来，每个组件的输出作为下一个组件的输入。
这种模式适用于需要多个步骤才能完成的复杂任务。
-
路由（Routing）：根据输入的不同，将请求路由到不同的LLM或组件。这种模式适用于需要根据不同的情况采取不同行动的任务。
-
并行化（Parallelization）：将任务分解为多个子任务，并行执行这些子任务，然后将结果合并。 这种模式可以提高任务的执行效率。
- 分段（Sectioning）:将数据拆分为多个部分，并行处理后合并。
- 投票（Voting）：使用多个LLM进行投票，提高结果的准确性。
-
Orchestrator-workers: 协调者负责将任务分配给多个工作者，并将结果汇总。
-
Evaluator-Optimizer: LLM先生成一个结果，再由另外一个LLM评估优化的结果并提供反馈,最后多次循环直到评估指标合格。 这种模式通过反馈循环，不断提升性能。
这些设计模式可以单独使用，也可以组合使用，以满足各种不同的应用需求。在实际应用中，我们需要根据具体的任务特点和资源限制，选择最合适的设计模式。
如何使用OpenAI Agents SDK构建AI虚拟助手
AI虚拟助手(AVA)系统设计
为了更具体地理解LLM工作流的应用，我们将通过一个案例——使用OpenAI Agents SDK构建AI虚拟助手（AVA）。
这个AI虚拟助手可以协助用户完成各种管理任务，例如撰写邮件、更新联系人信息以及收集信息。
作为一名AI工作者，需要通过一些组件协同来帮助你完成任务
- 用户请求(User Request) ：通过邮件发送任务请求给助手
- 规划Agent(Planner Agent)：分析并理解用户请求，确定是否需要进行操作。如果需要，则生成详细的执行指令。
- 执行Agent(Executor Agent)：执行规划Agent生成的指令，完成任务。
在这个案例中，我们选择邮件作为与AI虚拟助手交互的界面。用户可以通过发送邮件来表达他们的需求，例如“请帮我给XX公司发送一封介绍信”，或者“请查找关于LLM工作流的最新研究报告”。
准备工作
在开始编写代码之前，我们需要进行一些准备工作：
-
安装OpenAI Agents SDK：使用pip安装OpenAI Agents SDK：
pip install openai-agent
-
获取OpenAI API密钥：前往OpenAI官网注册账号，并获取API密钥。
将API密钥设置为环境变量。
-
配置Gmail权限: 接下来需要进行一些 Google OAuth 权限设置才能操作 Gmail，可以前往给出的GitHub仓库链接，查看步骤说明： https://github.com/ShawhinT/YouTube-Blog/tree/main/agents/2-agentic-workflows#google-oauth-setup
代码实现：创建智能体
首先，我们需要定义两个核心组件：规划Agent（Planner Agent）和执行Agent（Executor Agent）。
-
规划Agent：
- 目标：接收用户请求，分析并理解用户的意图，生成执行指令。
- 工具：访问各种只读工具，例如目录结构读取工具和文件内容读取工具。
-
核心代码：
planner_agent = Agent( name="Planner Agent", instructions=planner_instructions, tools=[read_dir_struct, read_file_contents], model_settings=ModelSettings(temperature=0.5), output_type=PlannerOutput )
-
执行Agent：
- 目标：执行规划Agent生成的指令，完成实际操作。
- 工具：具有写入权限的工具，例如邮件撰写工具和文件覆盖工具。
-
核心代码：
executor_agent = Agent( name="Executor Agent", instructions=executor_instructions, tools=[read_dir_struct, read_file_contents, write_email_draft, overwrite_existing_file], model_settings=ModelSettings(temperature=0), )
在以上代码中，我们使用OpenAI Agents SDK定义了两个智能体，并为它们分配了不同的角色和工具。Planner Agent负责分析用户需求并规划行动方案，Executor Agent则负责执行这些方案，完成实际任务。
以下代码说明了如何读取指令，创建智能体
planner_instructions = read_instructions("ava.md") + read_instructions("planner.md")运行工作流
定义好智能体之后，我们就可以开始运行工作流了。以下代码演示了如何将用户请求传递给智能体，并获取最终结果：
from agents import Runner
async def main():
# 读取请求
with open("request.txt", "r") as file:
request = file.read()
# 运行规划代理
result = Runner.run_streamed(
planner_agent,
request,
)
#异步处理
await handle_stream_events(result)
print("Planner Agent Output")
print(result.final_output.user_note)
if result.final_output.exec_required:
# run 执行
result = Runner.run_streamed(
executor_agent,
result.final_output.exec_inst
)
# 异步处理
await handle_stream_events(result)
print("Executor Agent Output")
print(result.final_output)在以上代码中，我们首先读取用户的请求，然后将其传递给规划Agent。规划Agent分析请求后，生成执行指令，并将其传递给执行Agent。执行Agent执行这些指令，并将最终结果返回给用户。
成本考量
LLM工作流的成本考量
当使用LLM时，除了要考虑功能性和适用性，还有成本因素。
LLM的使用成本根据计算类型区分，且模型之间有很大的差异。
下表给出了不同计算类型成本预估。
| 计算类型 | 描述 | 成本预估 |
|---|---|---|
| API token消费 | 根据 prompt 的大小和处理复杂程度收费 | 取决于模型和请求大小，小型任务几美分，复杂任务几美元 |
| 向量数据库 | 用于存储和检索向量嵌入，费用取决于存储容量和查询频率 | 每月几美元到几百美元，取决于数据库大小和使用量 |
| LLM训练 | 从零开始训练LLM，费用取决于模型大小和训练数据量 | 几千美元到几百万美元，是最大的成本支出 |
| 微调 | 针对特定任务对预训练的LLM进行调整,成本低于从零训练，但仍显著 | 几百美元到几千美元，取决于微调的复杂性 |
由于需要大量的计算能力，LLM的使用成本相对较高。因此，在构建LLM工作流时，我们需要仔细评估每个步骤的计算复杂度，并尽可能地优化流程，降低成本。
此外，我们还可以通过以下方式来降低LLM工作流的成本：
- 选择合适的模型：不同的LLM模型具有不同的性能和价格，我们需要根据具体的任务需求选择最合适的模型。
- 优化prompt设计：清晰简洁的prompt可以减少LLM的计算量，提高效率。
- 缓存结果：对于重复性的任务，可以将LLM的输出缓存起来，避免重复计算。
通过合理的规划和优化，我们可以有效地降低LLM工作流的成本，使其更具实用性和可扩展性。
常见问题解答
LLM工作流与传统的自动化流程有什么区别？
传统的自动化流程依赖于预定义的规则和明确的指令，而LLM工作流则可以利用LLM的理解和学习能力，处理更加复杂和灵活的任务。
如何选择合适的LLM工作流设计模式？
选择合适的设计模式需要根据具体的应用场景进行权衡。例如，对于需要高可预测性的任务，可以选择链式模式；对于需要处理多种不同情况的任务，可以选择路由模式。
使用OpenAI Agents SDK构建AI虚拟助手有哪些优势？
OpenAI Agents SDK提供了一系列强大的工具和API，可以帮助开发者快速构建和部署AI智能体，降低开发难度和成本。
LLM 工作流在实际应用中会遇到什么挑战？
构建LLM工作流需要考虑到可预测性与能力之间的权衡。 复杂任务通常需要更多的 LLM 能力和灵活性，这通常会降低工作流的可预测性。 此外，管理成本也是LLM工作流程中的一个挑战。虽然LLM的使用成本可能相对较高，但通过选择合适的模型和prompt设计可有效控制计算成本。
相关问题
LLM Agent（智能体）是什么？
Agent 是指一个可以使用 LLM 来推理采取哪些行动，简单理解就是赋予LLM 思考和做决策的能力，而不仅是被动地生成文本。Agent 可以被设计用来执行各种任务，如预订航班、撰写邮件、控制智能家居设备等。它的目标是模拟人类的决策过程，通过分析环境、制定计划、执行行动并观察结果，最终实现既定目标。
