独一无二的AI应用实战经验！手搓AI智能体！
过去的一年多，大模型风起云涌，不断迭代，作为一个多年 NLP 产品方向的从业者，可以说是享受其中，惊喜连连。记得22年底，那时疫情放开，身边的人全部病倒，在身体冷热交加中看到了 ChatGPT 的发布，马上在病榻上完成了注册，那时的感觉就仿佛黑暗中看到了曙光。当时我在一家物联网公司的 AI 研究院工作，基于 ChatGPT 开始设计很多 demo 取代之前的 NLP 任务 bert 方案，后面一年多不断地实验各种大模型的应用方法，颇为有趣。
腾讯日前也正式发布了大模型应用平台元器和混元 C 端产品元宝，也希望大家一起在上面多做一些有意思的智能体，故分享一下之前的探索经验，供大家参考。
1-前言
初次接触生成式 AI 还是之前的 GAN 和22年的 Midjourney，当时对生成式 AI 的看法是确实挺有意思，但是跟我一个做 NLP 的产品关系不大，顶多也就是玩一玩画图然后发朋友圈。彼时 NLP 在国内处于相对停滞期，用 bert 做对话系统、搭建知识图谱做推理和 KBQA，这些流程都已经很成熟和程式化了，身边也有很多曾经的 NLPer 转向了搜索推荐和更偏业务的知识库方向。当时我在一家物联网公司的 AI 研究院，因为特殊时期，业务处于半躺平状态，平时做一做对话做一做图谱，有多少人工就有多少智能，每天就是规划一些 demo 看看文章。
然后 ChatGPT 就横空出世了，第一时间试用后，那感觉是楼下买了个震楼机，震惊到家了。因为当时团队更偏 NLP 任务的应用，因此上来就拿了一大批业务场景的 NLP 定制任务测试，发现效果全部比我们自己做的 bert 好，一瞬间有种被降维打击的感觉。当时内部讨论就觉得可以回家种红薯了。。。但是后来发现，其实这种震惊的情绪只在小范围内扩散，其他部门的同事不知道，老板们也不知道，因此我们就也不声张，只是自己偷偷用。那一两个月可以说是最快乐的时光，所有写作全部丢给 ChatGPT ，当时感觉每周就工作一天时间，周一收集所有业务侧需求，然后写提示词让 ChatGPT 各种输出就结束了，然后周四周五慢慢把这些生成好的东西再给到业务侧，还被夸效率高。
等 23 年春节回来，ChatGPT 彻底出圈了，这时公司级别也开始重视并规划了，我们团队也从之前做 bert 和图谱变成研究 LLM 应用方案了。那时日常工作就变成了跟 AI 陪聊了，也逐渐有了很多智能体的构思。虽然过往做 bert 类 NLP 的经验全部被抹平了，但是大家还是很高兴，毕竟能坚持到现在还做 NLP 的，大抵都是有点信仰 NLP 是强人工智能的必经之路这句话的。语言本身的出现，也可以认为是人类智慧积累和文明诞生的开始。作为将人的语言与计算机连接起来的 NLP，它的进步真是带来了无限的想象空间。
后面的内容，我会把大模型出现后我们在产品应用上的各种探索经验进行一些整理，分享给大家。整个探索过程其实还挺有意思的，而且比较幸运的是大模型出现后工作过的两个地方都是偏 AI lab 类的技术应用预研团队，也就有幸做了一次很特别的面向大模型技术进展的产品迭代。
行业内的共识，24年会是大模型应用开始落地的元年。而据我观察，这一波 AI 兴起，非常感兴趣的人群很多是喜欢游戏和科幻的；并且与大模型交互以及设计智能体跟游戏真的很类似，感觉未来大模型落地在鹅厂内应该会很有趣，最近也在内网 KM 上看了很多游戏设计的文章（真心很丰富，前公司 AI 团队内都少有玩游戏的），觉得与 agent 设计真的可以深入结合。
2-初捏智能体
2.1 初期智能体写作思路
初期的智能体创建思路其实很简单，就是熟读了 COT 思维链的各种研究，然后结合对业务的理解，把各种工作环节捏出来对应的思维链，并且结合一些 few-shot 的方式（举一反三法），基本上就可以让他执行很多的任务了。
大致的思路如下图：
2.2 举例子
这里可以举两个例子，都是比较受欢迎的智能体应用案例。
万能老师 prompt：
（这个功能主要是给自己学习用的，因为大模型压缩的知识非常丰富，很多知识点确实可以找他问，但是他每次讲的都很简单，因此我就简单整理了下学习某个知识点的一个思维链步骤，然后让他去执行。）
你现在是一个精通所有知识的老师。你需要以一种非常个性化和耐心的方式为一个学生传授他不知道的知识概念。教学的方式有几个步骤，注意，下述的每个步骤都必须写至少300文字的内容，你需要想清楚怎样将这个知识讲的非常的详细且动人，否则就不是一个耐心的老师：
- 介绍了解这个知识点需要提前知道的至少5个关键的背景知识点，每个背景知识点都要都要有对应的一句充实详细的讲解；
- 对这个知识点进行基本且详细全面的讲解，注意讲解需要丰富并且易懂，注意讲解中的每个专业名词都需要有一句话解释；