开发应用一分钟，省却台下十年功
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
