你们需要的不是智能体，而是工作流程。

下面的文章来源于赛博禅心 ，作者宝玉 xp

在 AI 在技术飞速发展的今天，智能体（AI Agent）概念备受关注，被一些人视为解决复杂问题的万能钥匙。但是，智能体并不是万能的，它的应用需要与实际问题和工作流程设计联系起来。本文深入探讨了智能体的本质以及如何设计。 AI 有效地解决工作流程中的问题。

———— / BEGIN / ————

如今 AI 智能体（AI Agent）这个概念非常流行，好像智能体是用来的。 AI 解决问题的银弹可以用智能身体解决很多问题。然而，许多人有不同的看法。他们认为智能身体只是噱头，没有看到可靠的应用领域。

吴恩达老师写的一个多智能体翻译的例子很多。简单来说就是用三个智能体:一个直译智能体，一个审核智能体，一个意译润色智能体，真的可以大大提高翻译质量。但是提高翻译质量并不一定要有三个智能体，我之前也提出过基于三个智能体。 Prompt 翻译方法，让 LLM 使用直译进行翻译 反思 三步导出意译，也能得到高质量的翻译结果。

本质上，使用大语言模型（LLM）解决问题，思考链（COT, Chain of Thought）这是一种有效提高生成质量的方法。换句话说，翻译质量之所以能提高，不是因为有智能身体，而是因为有思维链。思维链的每一个环节，无论是使用独立的智能身体还是导出步骤，都没有本质的区别。

其实大多数 AI 应用领域都差不多：应用领域 AI 要解决这个问题，核心不在于智能体，而在于设计一个适合的。 AI 的工作流。

那怎样才能设计出合适的设计呢？ AI 工作流程怎么样？有几个因素我认为应该考虑：

不要局限于人类目前的计划

有时我们太将军了 AI 拟人，会不自觉地用人类解决问题的方法来应用。 AI 事实上，有时确实有效，但很多时候并不一定是最优解。

就像专业的翻译一样，他们不需要直接翻译和反思三个步骤。他们可以一步到位，直接导出高质量的翻译结果，所以一开始就让。 AI 翻译，Prompt 翻译结果全部直接一步导出，而非分步导出，翻译结果较为生硬。

而且当我们发现思维链是一种有效的大语言模型提升方法之后，就可以制作出更适合的方法。 AI 工作流程，分几个步骤来解决问题。

包括我看到的一些智能体项目，尝试模拟人类软件开发的分工，尝试利用项目经理、产品经理、架构师、程序员、测试等智能体角色处理复杂的软件项目。也是太拟人了，不一定适合。 AI 解决问题的想法，所以也只能出现在文章中，很难在实际项目中落地。

相反像 GitHub Copilot 这种帮助生成代码的工具真的很适合现在。 AI 程序编程的工作流程，可以真正提高开发效率。

不必完全依赖 AI 做决策

去年有一个超级火爆的项目叫做 AutoGPT，也就是你输入了一项任务，GPT-4 分解任务，制定计划，调用外部工具，例如 Google 搜索，甚至执行代码，最后完成任务。

这也算是 AI 其中一个是智能体的先驱项目，但是现在已经很少有人提到了，因为现在， AI 智力水平，还不足以对开放的任务做出可靠的决定，最终除了帮助之外， OpenAI 卖了很多的 Token 除此之外，还没有解决任何实际问题。所以现在 AI 应用的主流是把握 AI 当"副驾驶（Copilot）"，只是让 AI 帮助人类实现目标，主要是人们在做决定。

另外还有自主设计工作流程，让步 AI 完成一些工作流程，不要过分依赖工作流程。 AI 做决定，或者只是做一个简单的决定。

比方说商家借助 AI 处理差评工作流程：

程序抓取评论信息

AI 对每个评论的情绪进行分析，选择差评

AI 生成回复(可能需要人工审核)

它是典型的设计流程，适合设计流程。 AI 的工作流，AI 只要做一个简单的情绪分析和回复，不需要做出复杂的决定，这样的工作流程就能很好地提高效率，而且结果也比较可靠。

可结合多种多样 AI 或工具

去年起 AI 大热的一个重要原因是大语言模型的出现。一方面，这些模型确实能力强，实用性强，推理能力简单；另一方面，它们很容易使用，无论是通过聊天机器人还是通过。 API 调用，都可以很方便的使用。即使像我这样不是人工智能专业的人，也可以很容易地使用这些模型。

但在此之前，人工智能是一个门槛相对较高的行业，需要筛选数据、训练和参考，非专业人士很难使用。

但是这也造成了一个问题，就是有些解决方案过于依赖大语言模型，而不知道或者不会使用其它领域。 AI 模型，但是当你能根据任务，把不同的领域 AI 将模型或工具结合起来，制作出合适的工作流程，就能得到更好的解决办法。

回到问题的本质，AI 只是锤子

上面提到的几点都是一些容易犯的错误。之所以容易犯这些错误，恰恰是因为我们有时过于关注一些流行的概念或技术，而忽略了需要解决的根本问题是什么。 AI 变成了目的而不是方式。如果你对马斯克的第一原理有所了解，那么它强调的是回归事物最基本的条件，分析它作为各种要素的解构，从而找到实现目标最佳路径的方法。

而且一般采用第一性原理有三个步骤：

第 1 步骤：明确定义你要解决的根本问题。

第 2 步骤：拆解问题。

第 3 步骤：重新开始建立解决方案。

而且这个想法也适用于每个人的帮助。 AI 解决问题，制作出适合的方法。 AI 的工作流。

举两个合适的设计 AI 工作流程解决问题的例子

一个例子是 PDF 转 Markdown。

做过 PDF 有经验的翻译，要获得良好的翻译效果， PDF 内容整理成 Markdown，再次进行大语言翻译，效果相当不错。但是这并不容易做到，因为 PDF 这是一种用于打印的格式，而不是结构化的数据，很难直接提取成为 Markdown，再加上各种图表、表格等，更加复杂。

最近看到一个项目叫做 PDFGPT，它做得非常巧秒，本质上是基于它。 GPT-4o 和 PyMuPDF 设计了一个工作流程：

用一个 PDF 操作库 PyMuPDF 检验 PDF 图片、图表、表格等。在中间，提取成图片并上传

每一页 PDF 生成图片，用红框标记图片、图表、表格等部分，并附上相应的图片名称。

借助 GPT-4o 视觉能力，分析标注后的图片，生成相应的图片。 Markdown

如果纯粹依靠大语言模型，恐怕完成不了这样的任务。一方面受前后文窗口长度限制，一次处理不了多张。 PDF，另一方面，照片、图表、表格等内容不能嵌入。 Markdown 中间。如结合 PyMuPDF 这种仓库和一个简单的工作流程，可以方便地实现。 PDF 转 Markdown，结果也相当不错。

另外一个例子是漫画翻译。

有很多泡泡字符的漫画。如果你想把它们翻译成其他语言，你需要提取泡泡字符，然后把它们翻译回来。漫画翻译的难点在于:

因为漫画中气泡文字的位置不固定，有时还会有重叠，难以提取；

在翻译过程中，如果只是字面翻译提取出来的文字，但是不知道当前图片的内容，翻译的结果可能会不顺利；

翻译后要对图片进行处理，抹去原来的文字，把翻译后的文字放回原来的位置。

要是手工做会怎么样？也许是看漫画，翻译，然后使用 Photoshop 这类工具抹去原来的文字，然后放上翻译后的文字。想象一下，这样的工作量还不小。

还有一个开源项目 comic-translate，做得很好，它还设计了一个适合漫画翻译的工作流程：

1)使用专业模型进行气泡检查，找出文字气泡的位置。

2）用 OCR 提取气泡中的汉字

用专业模型去除气泡中的文字。

4）借助 GPT-4o 根据漫画内容，视觉能力，翻译气泡中的文字。

用程序将翻译后的文本绘制到原来的气泡位置。

若不考虑翻译质量，这几乎是一个全自动的工作流程，效率相当高，成本也很低，最昂贵的部分是 GPT-4o 的 API，一页也才 $0.02 上下。即便加上人工审核对翻译结果和图片生成结果的处理，也可以比以前的人工翻译效率更高。

从上面的例子可以看出，真的要用好。 AI，让 AI 充分发挥效率，核心是基于你要解决的问题，重新设计一个适合你的问题。 AI 工作流，让 AI 完成它在工作流中最擅长的工作，至于是否是智能体，是否是大语言模型， AI 帮助你做决定，并非最重要的。

———— / E N D / ————

作家：赛博禅心

来源微信微信官方账号:赛博禅心

品牌推广｜ 内容编写｜广告营销｜培训合作

请到微信官方账号后台回复 合作

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com