广东
OSCHINA
多 Agent 技术的出现打破了传统单 Agent 模式在处理复杂任务时的局限性。通过模拟人类社会中的分工与合作，多 Agent 系统能够更好地应对不确定性高、动态变化的环境，为软件开发、智能服务等领域带来新的变革。
对于开发者而言，随着大模型技术在各个行业的广泛应用，多 Agent 技术也成为落地大模型技术中不可或缺的一环，因此开发者需要掌握相关技能，以便在未来的竞争中取得先发优势。
OSCHINA 采访了商汤科技大装置事业群研发总监王志宏，请他聊聊多 Agent 的应用场景、技术难点，已经我们如何利用多 Agent 技术实现开发提效。
OSCHINA：当下多 Agent 的应用场景主要有哪些？
王志宏：
从场景来说，多 Agent 适合复杂任务场景，该类场景没有非常固定的流程安排，需要多个步骤来回切换以满足实际的交付需求，比如在软件开发中，可能需要前后端多次协同联调最终才能达成产品的开发一样，流程不同但步骤和职能相同
软件开发：在软件项目中，多个 Agent 可以分别承担项目经理、开发人员和测试人员等角色，从而将复杂任务分解，提高开发效率。
智能营销：构建不同的营销 Agent，如内容生成、用户管理和效果分析 Agent，以实现精准的市场营销和用户互动。
智能客服：针对不同客户需求，设计专属的客服 Agent 以及对应的 pipeline，提升服务质量和响应速度。
数据分析：针对数据汇总、数据清洗、口径统一、数据调取、数据整理、数据分析的全流程，设计不同的具体过程，更高效的完成分析报告
从性能角度来说，单 Agent 模式需要将数据每次流转过固定的流程，数据需要串行经过各子节点，无法实现多任务并行调度；而多 Agent 通过调整不同的 Agent 间控制，能够有效提高这类场景的数据效率。
OSCHINA：多 Agent 如何加速开发？
王志宏：
模块化设计：将复杂系统拆分为多个独立的 Agent，使得每个 Agent 专注于特定功能，从而简化开发、测试和维护过程。
并行处理：多个 Agent 可以并行工作，减少任务完成时间，提高整体系统的响应速度和效率。
专业化能力：每个 Agent 可以专注于其擅长的领域，提升系统整体性能，避免单一 Agent 处理复杂任务时的瓶颈。
OSCHINA：让多个不同的 Agent 之间相互配合，技术难点主要在哪？
王志宏：
任务理解与分配：Agent 必须能够理解复杂任务并合理分配给各自负责的子任务，需要 thinking 和 action 模块强大的理解和规划能力，否则任务效率和质量同样无法提高。
记忆与知识管理：环境及对应变量的设定。保持上下文一致性和连贯性，要求各个 Agent 有效地存储和检索信息，以应对动态变化的环境。
工具集成与互操作性：Agent 需要与外部工具和服务进行交互，这要求在设计时考虑不同工具之间的兼容性与集成问题。
OSCHINA：在 AI 应用开发流程中，对开发者提出了哪些新的技能要求？可以给开发者一些转型 / 成长建议吗？
王志宏：
机器学习与深度学习知识：掌握机器学习算法原理，一方面便于构建和优化模型，一方面能够更加了解模型边界和生成逻辑。
框架调用能力：善于使用底层框架（LazyLLM）能帮助大大提高实际开发产品的效率
快速学习能力：大模型行业日新月异，需要有持续学习的精神和韧性
跨学科能力：模型时代极大提高了个体效率，需要思考的内容从 “怎么做” 到 “做什么” 是一个大的跨越
本周六，王志宏将出席【2025，加速技术开发】OSC 源创会活动，发表《开发应用一分钟，省却台下十年功：LazyLLM 助你高效构建 AI 助手！》主题演讲。
通过介绍 LazyLLM 的设计理念以及编程范式，并结合一些实际应用案例，来介绍如何利用 LazyLLM，让新手也能快速开发出更有竞争力的 AI 应用。
即刻报名：https://www.oschina.net/event/2407669
时间：2025-01-18 14:00 至 18:00
地点：北京 朝阳 酒仙桥路 10 号 UBP 恒通商务园・之所元空间
↓分享、在看与点赞~Orz
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
