“ 大模型应用的未来存在无数的可能性，而我们需要做的是发挥我们的想象力。”
智能体开发可以说是大模型应用的未来，也是实现通用人工智能的唯一途径，但关于智能体的开发还存在各种各样的问题；而我们今天要讨论的就是在复杂任务中多智能体的协作问题。
智能体从表面上来看就是大模型+工具，但要想把智能体做的能用且好用，却需要花费大量的时间和精力，且往往达不到想要的效果。
多智能体协作
从功能的角度来看，一个智能体可以看做是一个具有特定功能的工具；就比如出门在外需要地图，支付工具，交通工具才能方便出行。
但在简单的任务中，我们可能只需要一个智能体即可完成任务，比如说你买东西只需要支付工具即可；但出门在外是一个复杂的过程，需要地图，支付，交通，通讯等多种工具配合才能万无一失。
因此在大模型应用场景中，面对复杂的问题，单智能体可能无法很好地完成任务；这时就需要把复杂任务拆分成一个一个的子任务，然后分步执行。
但这里就产生了一个问题，那就是多个工具之间的协作问题，也就是多智能体协作问题。
举例来说，如果你计划要去某个地方旅行，需要解决哪些问题？
从经验上来看，我们需要搞定交通，住宿，饮食等多个问题？
但这些问题怎么解决，需要查地图，订酒店，找饭店，然后还涉及到车票，支付，通讯等辅助环节，如果用智能体应该怎么解决？
从技术的角度来说，我们可以开发多个单一职责的智能体，包括交通选择，住宿订单，饮食处理等等。
但这多个智能体之间应该怎么协作呢？总要有一种方式对这多个智能体进行统筹，第一步该干啥，第二步该干啥，第三步该干啥等等。否则顺序乱了，结果也就乱了。
所以，这里就涉及到多智能体开发的两种统筹模式，一是中心化统筹，二是去中心化统筹。
中心化统筹就是使用一个模型或智能体扮演任务规划和决策的角色，其它子智能体作为单一职责的工具，然后主智能体根据任务规划的结果，调用不同的子智能体来完成任务。
另一种统筹方式是利用workflow工作流，在固定流程的任务场景下，可以通过在不同的节点设置具备不同功能的智能体，然后按照顺序执行；之后在尾节点，对前面执行的所有结果进行汇总处理，给出最终结果。
这种方式的好处是，流程固定，顺序执行，可以大大降低多智能体复杂的调度问题；但同样也存在一个很明显的缺点，那就是流程固定不够智能化，但在某些场景下却特别合适。
总之，智能体是大模型应用的未来，从理论上来说它可以应用于各行各业；但其中也面临着各种各样的问题，而这也是大模型应用发展过程中所必然面对的问题。
所以，以后做大模型应用开发，最困难的不是技术问题，而是要发挥你的想象力。从理论上验证智能体与具体行业的可能性，之后再落地实践，大模型的未来需要一个探索的过程。