LLM工作流：自动化到AI智能体构建指南-人工智能-PHP中文网

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, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

LLM工作流：自动化到AI智能体构建指南

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：自动化到AI智能体构建指南

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）。

LLM工作流：自动化到AI智能体构建指南

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。

GitHub一键发布助手（专业版）

本地项目发布到GitHub的完整工作流助手。自动执行：安全检查（.gitignore、排除敏感.env/凭据文件）、补齐开源文件（LICENSE、.gitignore）、git init/commit/branch、创建远程仓库、首次推送、可选打tag。支持git filter-repo历史敏感信息重写、force push、tag管理。Windows下走Credential Manager自动认证。触发词："发布到GitHub"、"上传到github"、&quot

下载

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。

LLM工作流：自动化到AI智能体构建指南

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工作流：自动化到AI智能体构建指南

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