大家好，我使用Agent有一段时间了，因为开发一个项目，每天都是高频高时长的使用，产生了一点自己使用的心得，所以想跟大家聊聊如何高效的使用Agent，欢迎讨论。首先，说说我目前在用哪些Agent。本地部署AgentHermes（主力使用），开发项目全程使用。OpenClaw（配合使用），处理辅助性任务。Mini-Agent（Sub-Agent），通过ACP接口，协同Hermes处理任务，处理能力可圈可点。QClaw，主要用于疑难解答，消耗免费送的4000万 Token，腾讯还是挺敞亮的，并且今天看到官方消息，QClaw走出了国门，在国外多国上线海外版，给个赞！辅助工具IMAIMA，作为知识库，可以通过API被Agent直接调用，实时存储或者调用IMA的知识库和笔记。配置很简单：–请安装 ima 技能
如果想深入了解IMA，欢迎查阅文章：免费50G空间！腾讯Ima帮你从”存知识”升级到”用知识”养成建立个人知识库的习惯很重要，即是对知识的沉淀，同时也能够帮助Agent进化，提升其能力。直入主题，说说如何让Agent更高效的工作。第一点，Agent的问题Agent解决。这是最重要的一点。如果你不是专业的编程人员，不要去解决问题，Agent运行的时候反馈问题，让Agent解决，你可以提供解决问题的路径思路，但是不要动手。有时候Agent反馈问题，换个方式描述任务也许就能够解决，多尝试。有时候不是Agent解决不了，是它思路没打开。第二点，与Agent对话必须细节拉满。不要把Agent处理问题的思路与人脑类比，Agent是通过概率来判断你的对话内容的，默认Agent能够完全理解你的意图，那是最大的错误，起码现在的Agent做不到。这就像跟人对话，如果没有细节，别人也很难判断你说话的意图，描述有细节，是逻辑的基本保证。所以，你要毫无保留的跟Agent沟通，不要让它去猜你的意图。尽量把你想让Agent做的任务，细节描述清楚，尤其是保证你说话的主语保持一致。比如，你说帮我生成一张“中华田园犬”图片，那么后续你对这张图片的主体细节，图片样式描述的时候，主体就都用“中华田园犬”。但也不要描述太多限制条件，影响Agent泛化处理和推理能力。第三点，分解复杂任务。如果任务内容很复杂，最好把任务分解为多个完整的单一任务，结构化描述，让Agent分别处理，可能得到更好的结果当然你把任务整体描述清楚，由Agent去分解任务，你确认后再执行也是可以的。推荐由人来分解任务。任务过于复杂，上下文过长，会稀释Agent注意力，遗漏信息。复杂任务含有多个子任务和隐含需求，当目标不明确、逻辑关系不强、描述模糊、前后矛盾的时候，Agent会感到困惑。一次性塞太复杂的任务，可能丢了西瓜捡芝麻，核心需求没处理，只处理了边缘需求。长文本处理可能增加Token消耗，当发生错误的时候，Agent可能不断滚动请求，导致大量Token被无效消耗。第四点，人机协同。在处理复杂任务的时候，让Agent设置中间检查点，不要一键到底，及时纠正偏差，避免整个任务偏差太大，导致无效处理。第五点，循环检查。Agent处理完成一个任务后，不要一个个点去抠任务完成的情况，排查错误，让Agent创建检查清单，逐项排查。可以如下描述：创建任务检查清单，检查清单给我确认后再执行。根据检查清单全面排查全部错误，修正错误后，再全面排查一遍，如再次发现错误，继续全面排查，直到没有错误。经过这样的一个循环检查程序，能够高效排查错误，优化处理结果。以上内容，是我与Agent协同工作这段时间得到的一点经验体会，水平有限，读者朋友如有其它方面的心得，欢迎交流。一篇论文给大家参考。论文题目为《Lost in the Middle: How Language Models Use Long Contexts》的论文系统地研究了语言模型如何利用长上下文信息。下载地址：https://arxiv.org/pdf/2307.03172
夜雨聆风
