在 GTC2025 上英伟达定义了 AI 的四个发展阶段：感知式 AI、生成式 AI、智能体 AI、物理世界 AI。当前正处于二、三阶段。
本文档基于 OpenAI 最新发布的 agents SDK 和 七牛云 AI 推理 API，详细介绍了由 DeepSeek-R1 推理能力驱动的多智能体系统示例，实现了各个智能体的明确分工协作。
以下展示了基于"规划-执行"模式的多智能体系统实现过程：通过将任务处理流程分解为规划层、执行层，实现了智能体的职责分离，同时充分利用了 DeepSeek-R1 等模型在推理方面的优势，规避了其在函数调用等方面的限制。系统还实现了反思机制，从而提高了系统的可靠性和稳定性。
本教程基于 Python3，请提前安装相关环境。
使用以下命令安装依赖包：
系统使用包含以下两步：
- Agent 定义
- Agent 执行（输入用户问题）
基础示例代码如下：
执行后可能输出如下：
以上展示了系统的基本工作流程：Agent 定义、执行两个步骤。
在处理复杂任务时，系统可能面临以下技术挑战：
- 语言模型能力要求：需要同时具备推理规划和函数调用能力
- 提示词复杂度：需要同时处理规划制定、函数调用和结果输出
- 缺乏系统性规划：每次 Function Call 后重新思考，缺乏连贯的执行计划
（注1：七牛 DeepSeek-V3-Tool 对齐 DeepSeek 官方，支持 Function Call）
（注2：官方 DeepSeek-R1 目前尚未支持函数调用功能）
解决方案：采用多智能体分工协作模式，将单一大型语言模型拆分为多个专门化的智能体。每个智能体负责特定任务，便于系统优化和评估。
我们遵循"智能体职责分离"原则，实现模块化设计，提高系统可维护性和可扩展性。
（由于 DeepSeek V3 官方版 Function Call 功能效果不稳定，会出现循环调用、空回复的情况，且用户问题可能很复杂，因此设计规划智能体和分配智能体两层结构，兼顾 r1 的思考能力和规避 v3 的不稳定。）
下面大致介绍一下工作流程：
系统工作流程示意：
以下代码展示了多智能体协作系统的完整实现流程：
由于大模型有概率产生幻觉，导致工作流出错，因此，这里增加了反思 Agent，以提高工作流稳定性。代码如下：
异常处理示例：
当出现异常如下文，系统将触发反思机制：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/226112.html