【Agent智能体24 | 规划-创建和执行LLM计划】

声明：本篇博客是以吴恩达的【Agent智能体】教程为基础，并对其中的内容做了笔记整理以及个人收获的总结。

这一篇将详细介绍如何提示LLM生成一个计划以及如何阅读、理解并执行该计划

依旧客户服务智能体的例子

这个例子用简单的文本描述以高层次的方式展示了这个计划，现在我们看看，如何让LLM编写更清晰的计划，超越这些简单的高层次文本描述

这个图展示了如何引导大语言模型（LLM）将执行计划从非结构化的自然语言 ，升级为高度结构化的机器可读数据（JSON 格式）

• 更新系统提示词 (Updated system prompt)

  要让 LLM 输出如此规范的格式，关键在于修改它的"大脑指令"（System Prompt）。

  • 明确输出格式要求 ：系统提示词中明确加入了 Create a step-by-step plan in JSON format.（创建一个 JSON 格式的逐步计划）。
  • 定义数据结构 ：强制要求每个步骤必须包含四个特定的键值（Keys）：
    • step number（步骤编号）
    • description（步骤描述）
    • tool name（工具名称）
    • args（参数）

• JSON 格式计划解析 (Formatting plan as JSON)

  当用户输入"你们有100美元以下的圆形太阳镜现货吗？"时，LLM 不再输出一段文字，而是输出一个名为 "plan" 的 JSON 数组。的具体步骤如下：

  • 步骤 1 (Step 1) :
    • "step": 1：第一步。
    • "description": "Find round sunglasses"：描述这一步的目的是"查找圆形太阳镜"。
    • "tool": "get_item_descriptions"：关键，它精准指定了系统需要调用的函数/API名称。
    • "args": {"query": "round sunglasses"}：它提取了用户的需求，转化为传递给该工具的具体参数
  • 步骤 2 (Step 2) :
    • "step": 2
    • "description": "Check available stock"：目的是"检查可用库存"。
    • "tool": "check_inventory"：指定调用查库存的工具。
    • "args": {"items": "results from step 1"}：展现了逻辑链条。它知道这个工具需要输入参数，而这个参数来自于"步骤1的结果"。

在真实的软件开发中，如果 LLM 输出文本，你需要写复杂的正则表达式去提取工具名字和参数，非常容易出错。而如果是 JSON，开发者可以用一行代码（如 Python 的 json.loads()）直接将其转化为字典对象，提取 tool 和 args 直接运行。

这种JSON格式相比于用普通文本写计划，可以让下游代码更清晰的解析出计划的每一步，从而可以可靠的逐步执行。

除了JSON，也可以使用XML，也有用markdown的，但是解析的时候稍有模糊。纯文本是最不可靠的！

关于让LLM进行规划，还有一个非常巧妙的思路，可以让LLM输出非常复杂的计划并可靠的执行，那就是让LLM编写代码，并用代码表达计划。下面会详细说明。

如果这篇文章对你有帮助，欢迎点赞、评论、关注、收藏。你们的支持是我前进的动力！