【Agent智能体24 | 规划-创建和执行LLM计划】

声明本篇博客是以吴恩达的【Agent智能体】教程为基础并对其中的内容做了笔记整理以及个人收获的总结。这一篇将详细介绍如何提示LLM生成一个计划以及如何阅读、理解并执行该计划依旧客户服务智能体的例子这个例子用简单的文本描述以高层次的方式展示了这个计划现在我们看看如何让LLM编写更清晰的计划超越这些简单的高层次文本描述这个图展示了如何引导大语言模型LLM将执行计划从非结构化的自然语言升级为高度结构化的机器可读数据JSON 格式更新系统提示词 (Updated system prompt)要让 LLM 输出如此规范的格式关键在于修改它的“大脑指令”System Prompt。明确输出格式要求系统提示词中明确加入了Create a step-by-step plan in JSON format.创建一个 JSON 格式的逐步计划。定义数据结构强制要求每个步骤必须包含四个特定的键值Keysstep number步骤编号description步骤描述tool name工具名称args参数JSON 格式计划解析 (Formatting plan as JSON)当用户输入“你们有100美元以下的圆形太阳镜现货吗”时LLM 不再输出一段文字而是输出一个名为plan的 JSON 数组。的具体步骤如下步骤 1 (Step 1):step: 1第一步。description: Find round sunglasses描述这一步的目的是“查找圆形太阳镜”。tool: get_item_descriptions关键它精准指定了系统需要调用的函数/API名称。args: {query: round sunglasses}它提取了用户的需求转化为传递给该工具的具体参数步骤 2 (Step 2):step: 2description: Check available stock目的是“检查可用库存”。tool: check_inventory指定调用查库存的工具。args: {items: results from step 1}展现了逻辑链条。它知道这个工具需要输入参数而这个参数来自于“步骤1的结果”。在真实的软件开发中如果 LLM 输出文本你需要写复杂的正则表达式去提取工具名字和参数非常容易出错。而如果是 JSON开发者可以用一行代码如 Python 的json.loads()直接将其转化为字典对象提取tool和args直接运行。这种JSON格式相比于用普通文本写计划可以让下游代码更清晰的解析出计划的每一步从而可以可靠的逐步执行。除了JSON也可以使用XML也有用markdown的但是解析的时候稍有模糊。纯文本是最不可靠的关于让LLM进行规划还有一个非常巧妙的思路可以让LLM输出非常复杂的计划并可靠的执行那就是让LLM编写代码并用代码表达计划。下面会详细说明。如果这篇文章对你有帮助欢迎点赞、评论、关注、收藏。你们的支持是我前进的动力