习题

提示:部分习题没有标准答案，重点在于培养学习者对智能体范式设计的综合理解和实践能力。

  1. 本章介绍了三种经典的智能体范式:ReAct、Plan-and-Solve 和 Reflection。请分析:

    • 这三种范式在"思考"与"行动"的组织方式上有什么本质区别？

      答: ReAct是一个实时思考-行动-观察方式，每次思考都根据之前的行动来决定下一步的行动。Plan-and-Solve是先规划再行动，先给出全局规划再逐步执行。Reflection是每次行动后由大模型生成一个反馈，让大模型根据反馈对答案进行调整

    • 如果要设计一个"智能家居控制助手"（需要控制灯光、空调、窗帘等多个设备，并根据用户习惯自。动调节），你会选择哪种范式作为基础架构？为什么？

      答: 我会使用ReAct的范式。每次行动后进行观察，即可以观察对应设备是否正确启动，也可以观察用户的习惯，送入大模型继续思考。

    • 是否可以将这三种范式进行组合使用？若可以，请尝试设计一个混合范式的智能体架构，并说明其适用场景。

      答: 可以，总体上使用React,到执行阶段使用plan-and-solve方式，最后对该次行动生成对应的反馈，让大模型根据反馈去进行思考下一步。

  2. 在4.2节的 ReAct 实现中，我们使用了正则表达式来解析大语言模型的输出（如 Thought 和 Action）。请思考:

    • 当前的解析方法存在哪些潜在的脆弱性？在什么情况下可能会失败？

      答: 当答案没有Thought和Action时，会匹配失败

    • 除了正则表达式，还有哪些更鲁棒的输出解析方案？

      答: 不会

    • 尝试修改本章的代码，使用一种更可靠的输出格式，并对比两种方案的优缺点

      答: 不会

  3. 工具调用是现代智能体的核心能力之一。基于4.2.2节的 ToolExecutor 设计，请完成以下扩展实践:

    提示:这是一道动手实践题，建议实际编写代码

    • 为 ReAct 智能体添加一个"计算器"工具，使其能够处理复杂的数学计算问题（如"计算 (123 + 456) × 789/ 12 = ? 的结果"）
    • 设计并实现一个"工具选择失败"的处理机制:当智能体多次调用错误的工具或提供错误的参数时，系统应该如何引导它纠正？
    • 思考:如果可调用工具的数量增加到$50$个甚至$100$个，当前的工具描述方式是否还能有效工作？在可调用工具数量随业务需求显著增加时，从工程角度如何优化工具的组织和检索机制？

  4. Plan-and-Solve 范式将任务分解为"规划"和"执行"两个阶段。请深入分析:

    • 在4.3节的实现中，规划阶段生成的计划是"静态"的（一次性生成，不可修改）。如果在执行过程中发现某个步骤无法完成或结果不符合预期，应该如何设计一个"动态重规划"机制？

      答: 设计这样的机制，当检测到某个步骤没法完成或结果不符合预期，应该停止并记录出错原因，将原因送入大模型让大模型进行重新规划

    • 对比 Plan-and-Solve 与 ReAct:在处理"预订一次从北京到上海的商务旅行（包括机票、酒店、租车）"这样的任务时，哪种范式更合适？为什么？

      答: 使用Plan-and-Solve更合适，由大模型进行规划好具体路径再进行执行，可以保证更符合用户要求且能让执行分布进行

    • 尝试设计一个"分层规划"系统:先生成高层次的抽象计划，然后针对每个高层步骤再生成详细的子计划。这种设计有什么优势？

      答: 可以将问题进一步简化，让执行效率更高

  5. Reflection 机制通过"执行-反思-优化"循环来提升输出质量。请思考:

    • 在4.4节的代码生成案例中，不同阶段使用的是同一个模型。如果使用两个不同的模型（例如，用一个更强大的模型来做反思，用一个更快的模型来做执行），会带来什么影响？

      答: 在该例子中，反思的程度很高，但执行的完成度可能不高

    • Reflection 机制的终止条件是"反馈中包含无需改进"或"达到最大迭代次数"。这种设计是否合理？能否设计一个更智能的终止条件？

      答: 合理，没改进思路

    • 假设你要搭建一个"学术论文写作助手"，它能够生成初稿并不断优化论文内容。请设计一个多维度的Reflection机制，从段落逻辑性、方法创新性、语言表达、引用规范等多个角度进行反思和改进。

      答: 确定不同角度的权重，根据不同的权重进行不同程度和顺序的反思和改进

  6. 提示词工程是影响智能体最终效果的关键技术。本章展示了多个精心设计的提示词模板。请分析:

    • 对比4.2.3节的 ReAct 提示词和4.3.2节的 Plan-and-Solve 提示词，它们显然存在结构设计上的明显不同，这些差异是如何服务于各自范式的核心逻辑的？

      答: 根据不同的结构设计，引导大模型根据不同的结构，来进行观察或反馈等操作

    • 在4.4.3节的 Reflection 提示词中，我们使用了"你是一位极其严格的代码评审专家"这样的角色设定。尝试修改这个角色设定（如改为"你是一位注重代码可读性的开源项目维护者"），观察输出结果的变化，并总结角色设定对智能体行为的影响。
    • 在提示词中加入 few-shot 示例往往能显著提升模型对特定格式的遵循能力。请为本章的某个智能体尝试添加 few-shot 示例，并对比其效果。

  7. 某电商初创公司现在希望使用"客服智能体"来代替真人客服实现降本增效，它需要具备以下功能:

    a. 理解用户的退款申请理由

    b. 查询用户的订单信息和物流状态

    c. 根据公司政策智能地判断是否应该批准退款

    d. 生成一封得体的回复邮件并发送至用户邮箱

    e. 如果判断决策存在一定争议（自我置信度低于阈值），能够进行自我反思并给出更审慎的建议

    此时作为该产品的负责人:

    • 你会选择本章的哪种范式（或哪些范式的组合）作为系统的核心架构？
    • 这个系统需要哪些工具？请列出至少3个工具及其功能描述。
    • 如何设计提示词来确保智能体的决策既符合公司利益，又能保持对用户的友好态度？
    • 这个产品上线后可能面临哪些风险和挑战？如何通过技术手段来降低这些风险？

    答: 我会使用ReAct和Reflection结合。工具1用来查询用户订单状态和物流情况，工具2用于根据政策判断是否退款，工具3用于给用户发邮箱。设计提示词使要求大模型首先考虑公司利益，其次要让回答语气表现为对用户友好

感谢你的访问，欢迎交流。