Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence
本文引入了“图工程”（Graph Engineering）作为一种全新的大语言模型（LLM）智能体系统范式，通过构建显式的、动态的图结构来组织、协调并演进多个专业化智能体，从而克服单一智能的局限性，使其成为一个能够实现复杂共同目标的连贯系统。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在过去的几年里，计算机已经学会了以一种曾经看似不可能的流利程度进行交谈。这些大型语言模型可以编写故事、解决数学问题并总结复杂的文档。但“能够回答问题的计算机”与“能够胜任工作的计算机”之间存在着差异。为了从“回答”转向“执行”，研究人员构建了“智能体”（agents）。可以将智能体想象成一名数字员工，它能够观察一个问题，决定使用哪些工具，然后采取行动，例如编写代码或搜索互联网。有一段时间，研究重点在于打造单个功能强大的超级员工。其理念是，如果你让一个智能体足够聪明，并赋予它足够的记忆和工具，它就能处理任何任务。
然而，随着这些数字员工开始应对更困难、更真实的现实世界问题，一个新的问题出现了。有些工作对于一个人来说——即使是非常聪明的数字员工——也显得过于庞大、混乱或复杂。一项任务可能需要一组专家同时协作，或者需要有人对另一人的工作进行复核。它可能需要记录下几小时前发生的事情，才能理解现在正在发生的情况。一个单一的员工，无论多么熟练，都会感到力不从心。它试图在一个长长的思维链中完成所有事情，这会导致它丢失细节、混淆步骤，或者在出错时无法恢复。问题随之而来：我们如何从一个卓越的个体，转向一个协同工作的组织？
由一个大型研究团队提交的一项新调查提出了一种被称为“图谱工程”（Graph Engineering）的方案。研究人员认为，人工智能的下一步不仅仅是让单个智能体变得更聪明，而是将它们组织成一个系统。他们建议，管理数字员工团队的最佳方式是使用一种看起来像连接图谱的结构来绘制他们的工作路径，这种结构被称为“图”（graph）。在这个系统中，图不仅仅是一张图片；它是整个团队的操作系统。它明确地描绘了谁负责做什么、他们如何相互交流，以及项目的状态是如何被保存和更新的。
研究人员发现，仅仅是在一个单一的工作循环中增加更多的智能体并不能解决问题。如果你有十个智能体都在一个长对话中试图处理所有事情，它们仍然会感到困惑。相反，工作必须被分解为清晰的结构。研究人员描述了这种新方法的三个主要部分。首先，是工作本身的组织。与其设定一个模糊的目标，如“修复这个软件”，系统会将目标分解为具体的、更小的任务，并绘制一张显示哪些任务依赖于其他任务的地图。这使得不同的工作部分可以同时进行，而不是在长队中等待。
其次，系统必须组织团队。在基于图的系统中，不同的智能体根据其擅长的领域被分配特定的角色。一个智能体可能擅长寻找信息，而另一个可能更擅长编写代码，第三个则是一个审核者。图充当了经理的角色，决定谁在何时与谁交谈。它确保正确的人承担正确的工作，并确保工作在他们之间流畅传递。这防止了单个智能体试图同时扮演所有角色时产生的混乱。
第三，也是最重要的，系统必须管理工作的状态。在单智能体系统中，如果早期发生错误，可能会毁掉整个过程，因为智能体会忘记具体在哪里出了错。而在基于图的系统中，每一步都被以结构化的方式记录下来。如果发生故障，系统可以查看地图，精准定位错误发生的环节，并仅修复该部分，而无需重启整个项目。它保留了关于发生了什么、谁做了这件事以及结果如何的清晰历史记录，从而使团队能够快速且准确地从错误中恢复。
该论文回顾了许多现有项目，以展示这种方法如何已被应用。例如，在软件工程领域，智能体团队正被用于同时编写代码、测试代码并修复漏洞，同时由一个中央系统追踪各项依赖关系。在科学研究领域，智能体被组织起来生成假设、运行实验并分析数据，系统确保结果经过验证且过程具有可重复性。在医疗保健领域，这种方法有助于协调不同的专家来长期管理患者护理，保持决策和结果的一致记录。
研究人员谨慎地指出，这仍是一个新兴领域。虽然使用这些结构化地图来组织团队的想法非常强大，但它尚未成为完美的解决方案。他们所回顾的系统展现出了前景，但往往仍依赖于人类来搭建初始结构。未来的挑战在于构建不仅能遵循地图，还能通过经验学习并自行重新绘制地图的系统，从而不断改进其组织和协作的方式。论文指出，智能系统的未来不在于创造一个单一的、神一般的计算机，而在于建立组织良好的团队，其中工作的结构与员工的智能同样重要。通过将任务、智能体和记忆的组织视为一个动态的、进化的结构，我们可以构建出更可靠、更强大、且更能应对现实世界复杂问题的系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。