想象一下，你正在组建一支规模宏大、关乎重大利益的管弦乐队。过去，你可能只有几位演奏简单、重复音符的音乐家（就像节拍器）。但现在，得益于新技术（大语言模型），你拥有了能够即兴演奏、即时理解复杂乐谱，甚至谱写自己独奏乐章的音乐家。

问题在于？如果你任由这些崭新、超级聪明的音乐家随心所欲地演奏，音乐可能会演变成混乱。你需要一位指挥、一本规则手册，以及一种确保每个人都知道自己分内之事的机制，尤其是在人类与机器人共同演奏时。

这篇论文本质上就是构建这支乐队的蓝图。它提供了一套“设计模式”（经过验证的问题解决方案），用于组织这些智能 AI 代理，使它们能够在大型企业中安全、高效地协同工作。

以下是他们观点的分解，使用了简单的类比：

1. 三种层级的“音乐家”

作者指出，并非所有 AI 代理都相同。他们将它们分为三个层级，就像一个金字塔：

• 层级 1：“任务机器人”（LLM 代理）

  • 类比： 把它们想象成一位非常迅速、非常听话的副厨师。如果你给它们具体的指令，它们可以完美地切洋葱或洗碗。它们不决定做什么菜，只是完全按照指令行事。
  • 它们做什么： 它们处理具体、狭窄的工作，如从文档中提取数据或格式化文件。它们很可靠，但缺乏进行重大决策的“脑力”。

• 层级 2：“战略玩家”（代理式 AI）

  • 类比： 这些就像一位爵士乐手，能听到一首歌，确定调性，并即兴演奏一段独奏。它们不只是遵循指令；它们有目标，会思考如何达成目标，并在出现问题时调整策略。
  • 它们做什么： 它们能够规划、推理和适应。如果它们需要为临床试验寻找特定的患者，它们不会只是搜索；它们会找出最佳的搜索方式，检查工作，并在遇到死胡同时进行调整。

• 层级 3：“管弦乐队”（代理社区）

  • 类比： 这是整个乐队在一起演奏，包括人类指挥。这不仅仅是一位聪明的音乐家；它是任务机器人、战略玩家和实际人类在一个协调框架中共同工作的群体。
  • 它们做什么： 这是宏观图景。在这里，AI 代理与人类协调，解决单个代理无法独自处理的复杂问题。关键在于，这一层级有一本“规则手册”，确保每个人都知道谁对什么负责。

2. “规则手册”（ODP 企业语言）

论文认为，你不能任由这些 AI 代理在医院或银行里肆意妄为。你需要一种正式的方式来写下规则。

• 隐喻： 想象一份用隐形墨水签署的合同，只有系统能读取。作者使用了一种名为ODP-EL（开放分布式处理企业语言）的标准。
• 工作原理： 它们使用“令牌”（类似数字票据）来管理规则：
  • 负担令牌（Burden Tokens）： “你必须这样做。”（例如：医生必须批准患者的入组。）
  • 许可令牌（Permit Tokens）： “你被允许这样做。”（例如：AI 被允许读取患者档案。）
  • 禁令令牌（Embargo Tokens）： “你被禁止这样做。”（例如：AI 被禁止做出让患者入组的最终决定。）

这个系统为责任建立了一条“监管链”。如果出了问题，你可以确切地追踪到是谁（或哪个 AI）拥有做出该行动的“票据”，确保没有人能将未获授权的决定归咎于计算机。

3. “食谱书”（46 种设计模式）

作者不仅谈论理论，还创建了一个包含46 种具体食谱（模式）的目录，用于构建这些系统。

• 隐喻： 把这想象成一本构建 AI 系统的食谱书。与其每次都要发明一种新的烤蛋糕方法，不如使用经过验证的食谱。
• 食谱示例：
  • ReAct： 一种 AI 在行动前“大声思考”的食谱，这样你就能看见它的推理过程。
  • 人在回路（Human-in-the-Loop）： 一种强制 AI 在做出重大行动前停下来并请求人类许可的食谱。
  • 审计追踪（Audit Trail）： 一种自动记录 AI 采取的每一步的食谱，就像飞行记录仪一样。

他们发现，这些食谱中约有一半适用于“战略玩家”（代理式 AI），约四分之一适用于“管弦乐队”（代理社区），这表明未来在于群体协作，而不仅仅是单个机器人。

4. 现实世界测试：“临床试验匹配器”

为了证明他们的想法有效，他们构建了一个将患者与临床试验（医学研究）进行匹配的系统。

• 问题： 为试验找到合适的患者很难。这涉及阅读复杂的医疗笔记、检查严格的规则，并确保患者安全。
• 解决方案： 他们利用这些食谱构建了一个三层系统：
  1. 层级 1（基础）： 抓取患者数据并检查患者是否签署了正确同意书的机器人（任务机器人）。
  2. 层级 2（大脑）： 阅读医疗笔记、判断患者是否符合试验标准并解释原因的智能 AI（战略玩家）。
  3. 层级 3（管弦乐队）： 与医生协调、处理与其他医院的谈判，并确保人类医生做出最终“是/否”决定的系统（社区）。

结果： 系统运行有效，但更重要的是，“规则手册”（ODP-EL）证明了 AI 从未违反规则。它表明 AI 只能建议，而人类医生必须做出决定。这让公司在医疗等敏感领域使用 AI 时拥有了信心。

核心结论

这篇论文指出：“我们拥有这些能够思考和适应的惊人新 AI 工具。但要在现实世界（如银行或医院）中使用它们，我们不能任由它们自由运行。我们需要将它们组织成团队，赋予它们明确的职责，并使用正式的‘规则手册’来追踪谁对什么负责。”

它们提供了构建这些团队所需的蓝图（模式）和法律框架（形式化语言），以确保安全，保证即使 AI 变得更聪明，人类仍能保持在回路中，且责任永远不会丢失。