📢 转载信息
原文作者：Microsoft Research
我们经常需要构建能够执行一系列动作并等待特定外部事件发生后继续执行的智能体（Agent）。例如，一个智能体可能需要等待电子邮件到达，或者等待数据处理完成。在当前的大语言模型（LLM）驱动的智能体设计中，我们通常使用类似人类的指令来表达这些“等待”和“监控”需求，比如“在电子邮件到达后通知我”。
然而，当一个智能体需要执行多个、相互依赖的复杂任务序列时，仅依赖这种自然语言指令可能会变得困难且效率低下。例如，如果一个任务需要等待网络状态稳定，另一个任务需要在特定时间点执行，而第三个任务需要在用户点击按钮后才继续，如何有效地管理这些时间依赖和事件驱动的逻辑是当前设计中的一个关键挑战。
为了解决这个问题，我们提出了一个更精细的框架，用于构建具有明确等待、监控和行动能力的智能体。
理解等待和监控的需求
在构建能够与真实世界交互的智能体时，有几种常见的“等待”场景：
- 时间等待： 智能体需要暂停执行，直到特定的时间点到达。
- 事件等待： 智能体需要暂停执行，直到某个外部条件（如收到消息、文件生成、系统状态改变）满足。
- 状态监控： 智能体需要持续检查环境状态，并在状态达到特定阈值时触发后续动作。
传统的LLM智能体通常通过“思考-行动-观察”（Think-Act-Observe）循环来处理这些，但当等待时间较长或事件复杂时，这会导致资源浪费和响应延迟。LLM可能会不断“猜测”或“幻觉”事件已经发生，从而导致执行错误。
我们提出的新框架：明确的控制流
我们的框架引入了更明确的控制流机制，将等待和监控逻辑从纯粹的自然语言提示中分离出来，使其成为智能体架构的一部分。这主要包括以下组件：
- “等待”原语（Wait Primitives）： 允许智能体明确声明它需要暂停，并指定等待的条件（时间、事件ID、状态值）。
- “监控”服务（Monitoring Services）： 负责在后台持续追踪外部环境，并在等待条件满足时发送信号。
- “执行”调度器（Execution Scheduler）： 接收来自监控服务的信号，并将执行权安全地交还给LLM，以触发后续的“行动”（Act）。
通过这种方式，LLM只需要关注“应该做什么”，而无需担心“何时可以做”的底层系统逻辑。
“通过将时间敏感和事件驱动的逻辑外包给专门的监控服务，我们大大提高了智能体的可靠性，减少了LLM的计算负担，并增强了任务的可预测性。”
实际应用案例
我们测试了这个框架在模拟复杂生产环境中的表现。例如，在一个部署场景中，智能体需要：
- 步骤 1 (行动)： 启动一个长时间运行的批处理作业。
- 步骤 2 (等待/监控)： 等待作业完成的信号（通过监控日志文件）。
- 步骤 3 (行动)： 作业完成后，解析输出并监控输出数据的质量指标是否在可接受范围内。
- 步骤 4 (行动)： 如果质量达标，则继续发送通知；否则，触发回滚流程。
在没有明确等待原语的情况下，LLM可能会错误地认为步骤2已经完成，直接跳到步骤3，导致它在数据不可用时尝试解析空文件，从而失败。
图示展示了新的工作流如何集成明确的等待和监控步骤，确保了流程的顺序性和数据依赖性。
结论与展望
构建能够可靠地处理现实世界时间约束和事件异步性的智能体是迈向通用人工智能助手的关键一步。我们相信，通过在架构层面明确定义等待、监控和行动之间的边界，我们可以设计出更健壮、更高效的AI系统。
我们计划在接下来的研究中扩展这些原语，以支持更复杂的并发监控和更精细的资源管理。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区