AI正在从简单的提示响应转向更复杂的代理型工作流。吴恩达的课程深入探讨了构建高效Agentic AI系统的四大核心设计模式，这些模式能让AI系统像人类专家一样思考和行动，是提升AI应用性能的关键突破口。
智能速览
反思模式让AI自我审视并迭代改进输出结果
工具使用赋予AI调用外部功能的能力
规划模式使AI自主分解复杂任务并执行步骤
多智能体协作模拟团队分工解决复杂问题
精华内容
要构建真正的智能代理，需要掌握将基础模块组合成复杂工作流的设计模式。这四种模式代表了当前最前沿的AI架构思想。
反思模式
反思模式是Agentic AI最基础也最强大的设计模式。通过让LLM检查自己的输出并进行自我批评，可以显著提升结果质量。例如在代码生成场景中，先让LLM编写代码，再构建提示词让其检查代码的正确性、风格和效率，最后根据反馈修改代码。实践证明，这种方法能从V1版本迭代到V3版本，代码质量明显提升。
反思模式不仅限于单一模型的自我修正，还可以引入专门的评论者agent。通过让两个或多个具有不同角色的LLM相互对话和迭代，能够获得更高质量的输出。虽然不是100%有效，但这是提升系统性能的实用技术。
工具使用
工具使用模式扩展了LLM的能力边界。现代LLM可以被赋予各种工具，即可以调用的函数，来完成超出其本身能力范围的任务。当被问及最佳咖啡机推荐时，配备网页搜索工具的LLM可以实时搜索网络信息；面对复利计算问题，它可以编写并执行代码来获得精确答案。
目前已开发的工具涵盖了数学计算、数据分析、信息检索、生产力应用对接、图像处理等多个领域。关键在于LLM自主决定何时使用哪个工具的能力，这使得模型能够完成从简单问答到复杂计算的各类任务。工具使用是构建实用AI系统的必备模式。
规划模式
规划模式让LLM能够自主分解复杂任务并制定执行步骤。在HuggingGPT论文的例子中，当系统被要求生成一张特定姿势的女孩图片并语音描述时，模型自动规划出完整流程：首先使用姿势识别模型分析参考图片，然后生成新图片，接着进行图像到文本的转换，最后将文本转为语音输出。
这种模式下，LLM取代了开发者预先编写执行步骤的传统方式，自主决定所需的操作序列。虽然规划型agent更难控制且实验性较强，但它们在处理需要多步骤协同的复杂任务时，往往能带来意想不到的优秀表现。
多智能体协作
多智能体协作模式模拟人类团队分工，让多个专业化的agent共同完成复杂任务。ChatDev项目展示了这种模式的威力，多个扮演不同角色的agent如CEO、程序员、测试员、设计师等组成了虚拟软件公司，协同完成软件开发工作。
在市场宣传册制作场景中，可以设计研究员agent负责调研，市场人员agent撰写文案，编辑agent进行润色。虽然多agent工作流难以完全预测和控制，但研究表明在撰写传记、棋局决策等复杂任务上，其表现优于单一agent。这种模式特别适合需要多角度、多技能协作的复杂场景。
