多署理系统的架构
多署理系统将决媾和交互漫衍在组成系统的各个署理之间，与单署理系统区脱离来。在单署理系统中，集中署理执行所有决议，而多署理系统由相互交互的智能署理组成，每个署理都做出决议并影响情形。多署理架构旨在构建拥有差别视角的署理，这可以通过差别的情形和语言模子的支持来实现。这些署理相互相助，在完成指定迭代次数后获得最佳效果，镌汰私见和其他影响。
决媾和交互在组成系统的各个署理之间的漫衍是多署理系统与单署理系统的主要区别。在单署理系统中，集中署理认真做出所有决议，其他署理则充当远程隶属署理。通常由该署理凭证详细情形做出决议。这可能导致忽略其他看法和可能性。另一方面，多署理系统由多个相互交互的智能署理组成，每个署理都能够做出决议并影响周围情形。
多署理架构的目的是构建能够凭证其饰演的角色带来多种视角的署理。差别的情形有助于建设这些署理。只管使用相同的 LLM，但每个署理的行为都是唯一无二的，由于它具有特定的功效、目的和情形，就像小队成员一样。
想象一下，您有一个认真天生应用程序代码的署理和另一个认真审查代码的署理，并且它们都相互举行对话以增强代码。这两个署理将在完成预定的迭代次数后获得最佳效果。这种战略的应用不但可以提供更理想的产品，还可以减轻幻觉、私见和其他类似征象的影响。在多署理架构中，界说适当的上下文、提醒和模子至关主要。依附强盛、快速的工程能力，可以建设一个使用多个署理的有影响力的应用程序。
多智能体设计优势
使用多智能体设计有以下几个优点：
关注点疏散
每个署理的指令和小样本示例由差别的语言模子驱动，这些模子经由了微调，并由种种工具支持。这允许职责疏散。将事情委托给多个署理可以取得更好的效果。每个署理可以专注于特定使命，而不必从种种工具中举行选择。
�？榛�
由于多智能体设计具有�？榛氐�，因此可以将重大的使命划分为更易于治理的部分，专门的智能体和语言模子可以针对这些部分举行处理。使用多智能体设计时，您可以自力评估和刷新每个智能体，而无需中止整个程序。对工具和职责举行分组可能会爆发更好的效果。将智能体集中在特定使命上可以提高其效率。
多样性
确保署理团队具有足够的多样性，以便吸收种种看法，提高输出质量，并阻止爆发幻觉和私见。这与古板的人类团队类似。
可重用性
一旦开发了署理，就有可能将其重新用于种种用例。别的，明智的做法是思量一个署理生态系统的可能性，该生态系统可以使用适当的编排框架（例如 AutoGen、Crew.ai 等）协作寻找问题的解决计划。
泉源： 多署理架构
多智能体架构组件
以下是典范多署理架构的组件。
署理：智能署理在 LLM 上运行，其特点是具有明确的目的、角色和配景。
联系：这些署理之间有什么联系？
编排：术语“编排”指的是这些署理相互协作的历程（例如顺序、分层或双向谈天）。
人：我们需要有一其中心人，以便我们能够协助做出决媾和评估效果。
工具：这些署理使用工具来执行特定使命，例如在互联网上搜索更多信息、天生和阅读文档、将天生的代码上传到 GitHub 等等。
LLM：署理将使用大型语言模子来支持推理设计。
框架
许多框架增进了这些多署理应用程序的开发。在本节中，我们将详细诠释其中一些框架。然而，随着这个领域的生长，许多框架履历了转变和引入。另一方面，它们中的每一个都提供了更简朴的构建和治理多个署理的手艺。随着我们博客文章的推进，我们将基于这些框架开发一些应用程序。
翻开人工智能助手
最早的多智能体框架之一是OpenAI Assistant。该框架支持开发长期、多模式且能够与用户举行恒久交互的多智能系一切。智能体可以通过会见文件、工具和代码诠释器来协作完成使命。这适用于恒久协作和交互应用程序。
微软 Autogen
微软的 Autogen框架是现在最盛行的新兴框架之一。为了构建强盛的多智能体应用程序，这个开源框架包括 Autogen Studio，这是一种基于 UI 的直观编程工具。它建设使用大型语言模子举行推理和操作的 LLM 智能体，以及定制数据。它提供了一种基于编排器的特定多智能体架构要领。
Dragonscale 的多智能系一切
Dragonscale 的多智能系一切集成了天生式 AI 模子和工具，以开发能够处理从简朴到重大使命的智能系统，尤其是在动态营业情形下。这适用于一直转变且需要迅速的营业情形。该框架有助于处理重大使命。
机组职员人工智能
我们正在将最近盛行的框架CrewAI与 Autogen 举行较量。CrewAI 是一个用于编排自主 AI 署理的很是有用的框架。CrewAI 为署理提供了协作完成具有挑战性的使命的智能。它资助 AI 署理接纳角色、共享目的并协同事情。这个框架不但是我的最爱之一，并且我正在亲近关注它的希望。在我的下一篇博客文章中，我将讨论我使用 CrewAI 开发的应用程序。
语言图谱
LangGraph是另一个功效强盛且远景灼烁的多署理框架�？⒅霸痹� LangChain 之上构建 LangGraph，以使用 LLM 开发有状态的多加入者应用程序。它通过在种种处理办法中添加大宗链（或加入者）的循环协调来增强 LangChain 表达语言，从 Pregel 和 Apache Beam 中罗致灵感。LangChain 情形的强盛以及支持它的社区付与了 LangGraph 强盛的实力。
竣事语
能够从情形中学习并顺应的智能系统是人工智能进化的最终目的，从而为各个行业带来越发个性化、更高效的解决计划。
以上就是多署理系统的架构的详细内容，更多请关注本网内其它相关文章！
