自省,让Agents慢思考
输入“/”快速插入内容
自省,让Agents慢思考
自省,让Agents慢思考
2024年7月9日创建
❝
本文译自Reflection Agents一文。自省增强是用于提升智能代理和其他人工智能系统性能的策略。本篇文章将介绍利用 LangGraph 构建三种自省技术的方法，包括 Reflexion 和语言代理树搜索的实现。 本系列合集，点击链接查看
关键链接
•
简易自省：( Python )
•
Reflexion：( Python )
•
语言代理树搜索：( Python )
•
Youtube
自省增强是一种策略，旨在通过引导语言模型（LLM）回顾与批评其历史行为，辅以工具观察等外部信息，从而提升智能代理的性能。
人们常讨论的“第一系统”和“第二系统”思维，前者更偏向本能反应，后者则更注重方法论和深思熟虑。正确使用时，自省增强能够引导语言模型超越本能反应的限制，展现出更接近深思熟虑的行为。
第一系统和第二系统：快速思考？放慢脚步。
自省不是瞬间完成的过程！本文中介绍的所有方法都需要牺牲一些计算能力，以换取潜在更优质的输出结果。虽然对于对延迟要求极高的应用场景可能不适合，但对于更注重输出品质而非速度的知识密集型任务来说，这种做法是划算的。
接下来，我们将详细介绍这三个案例：
基础自省
链接：( Python , Youtube )
这个简单的案例包含了两个语言模型的调用：生成器和自省者。生成器的任务是直接回应用户请求，自省者则扮演教师角色，对生成器的初步回应给出建设性的反馈。
这个过程会重复一定次数，最后给出生成的答案。
基础自省循环
我们可以使用以下 LangGraph 代码定义这一过程：
代码块
from langgraph.graph import MessageGraph
builder = MessageGraph()
builder.add_node("generate", generation_node)
builder.add_node("reflect", reflection_node)
builder.set_entry_point("generate")
def should_continue(state: List[BaseMessage]):
if len(state) > 6:
return END
return "reflect"
builder.add_conditional_edges("generate", should_continue)
builder.add_edge("reflect", "generate")
graph = builder.compile()