本文深入探討了Re-Act與Conversational-Chat兩種會話模式的差異，并通過比較TFlow AI和Coze兩款產(chǎn)品，揭示了Re-Act模式在B端業(yè)務(wù)場景中的優(yōu)越性。文章不僅詳細(xì)解析了目標(biāo)、SOP、離散推理和環(huán)境交互等概念，還通過實例展示了不同模式下的Agent如何處理任務(wù)。對于希望了解Agent技術(shù)及其在商業(yè)應(yīng)用中的實際效果的讀者來說，這是一份寶貴的資料。
大家好，在研究Agent時，發(fā)現(xiàn)了不同的會話模式會帶來對相同的問題帶來不同的處理方式，所以研究了Re-Act 和 Conversational-Chat的區(qū)別，發(fā)現(xiàn)對于2B而言re-act才是更適配的模式。
對標(biāo)了2款產(chǎn)品，TFlow AI 和 Coze
一、先介紹一下產(chǎn)品
TFlow AI 是面向B端業(yè)務(wù)場景Agent平臺，能按流程處理任務(wù)（SOP），圍繞目標(biāo)來進(jìn)行離散推理。
允許LLM與環(huán)境進(jìn)行交互，根據(jù)環(huán)境數(shù)據(jù)的反饋不斷的調(diào)整行動計劃/策略。
且整個sop的過程是由文本來控制，不需要用到Work Flow。
產(chǎn)品基本信息如下：
使用問心一言-3.5的模型，未微調(diào)做了邏輯處理的Agent框架單條回復(fù)的消耗不到2K token，成本約0.8-2份錢。價格不貴怎么理解目標(biāo)、sop、離散推理、環(huán)境交互？我們以下列TFlow AI任務(wù)sop提示詞為例：
目標(biāo)：要做一件什么事情，要達(dá)到什么目的。解答問題，引導(dǎo)留咨任務(wù)sop：處理事情流程步驟。注：模擬人的行為的任務(wù)處理流程或者說思考流程，以及標(biāo)準(zhǔn)的交互過程。離散推理/環(huán)境交互：要完成留咨任務(wù)，需要多次與用戶/外部環(huán)境進(jìn)行互動。不斷的根據(jù)用戶反饋，調(diào)整執(zhí)行計劃，達(dá)成目標(biāo)。如：在上述的任務(wù)sop的流程中，任務(wù)的執(zhí)行需要多次與外界交互，借助外界補(bǔ)充的信息，持續(xù)推理完成任務(wù)的過程。比如查詢知識庫、引導(dǎo)用戶提供姓名聯(lián)系方式、調(diào)用留咨工具，將數(shù)據(jù)插入到已有的CRM中。
相同提示詞下，在Coze和TFlow Ai的表現(xiàn)如下
oze和TFlow的比較
為什么會產(chǎn)生這么個差異昵？為什么coze不能做到昵？
核心的區(qū)別就一個：Agent的模式不同
二、Agent的會話模型：Conversational-Chat VS Re-ACT
會話模式代表了處理提示詞的邏輯不同
豆包：Conversational-Chat （助手模式）要做什么事情，取決于用戶的指令TFlow Ai：Re-Act（推理+行動）要解決什么問題，初始的提示詞決定
1. Conversational-Chat：助理的模式
助理模式下的Agent的邏輯處理如下：
助理模式Agent的思考邏輯
提示詞確定后，對于用戶的每次輸入的處理步驟：
觀察：用戶輸入了什么？工具返回的數(shù)據(jù)
思考：是調(diào)用工具，還是直接回答用戶
行動：調(diào)用知識庫，搜索等
將結(jié)果重新給到大模型，繼續(xù)觀察中間過程可能重復(fù)N次
答案：模型理解用戶為你，不需要調(diào)用工具，直接給到用戶答案
特點如下：
助手。每次思考都是基于用戶的指令，理解我該去做什么事情。大模型要執(zhí)行的事情由用戶來控制，根據(jù)用戶輸入，去理解做下一步事情
關(guān)鍵點：要做什么事情，取決于用戶的指令
2. Re-ACT：Reason and Act（推理+行動）
處理邏輯如下：
e-act處理邏輯
提示詞確定后，對于用戶的每次輸入的處理步驟：
持續(xù)循環(huán)：觀察用戶的最新輸入，和任務(wù)的關(guān)系，形成新的計劃、直到模擬達(dá)成任務(wù)目標(biāo)觀察：用戶輸入了什么？工具返回的數(shù)據(jù)思考：我的下一步要做做什么事情行動：我才采取什么樣的行動
……中間過程可能重復(fù)N次，直到模擬完成任務(wù)
計劃模擬完成，確定下一步的行動計劃
行動：我該去調(diào)用什么工具答案：我可以直接回復(fù)用戶
特點：
拿到用戶輸入，都會思考和用戶輸入和目標(biāo)之間的關(guān)系，然后重新制定執(zhí)行計劃，達(dá)成目標(biāo)。用戶無法決定讓模型做什么事情要解決什么問題，取決于初始的提示詞
為什么TFlow AI的Re-ACT模式，更適合B端對客場景
2B業(yè)務(wù)對客戶特征：
特征1：2B對業(yè)務(wù)有明確的思考流程和目標(biāo)。參考以真人處理為思考流程
例1：常見退貨換處理。
目標(biāo)：解決用戶對到貨商品的不滿意問題。用戶提問：我要退貨處理流程：不滿意原因是什么-&訂單是否是真實(已到貨）-& 是否符合退貨政策-&引導(dǎo)退貨操作-&解答退貨流程中的問題
例2：汽車銷售過程關(guān)于汽車參數(shù)的咨詢
目標(biāo)：幫助客戶找到合適的汽車用戶提問：這款車的續(xù)航軸距是多少？處理流程：收集客戶用車訴求(顯示身份等）-& 解答續(xù)航問題-&補(bǔ)充用車訴求下的產(chǎn)品價值（如續(xù)航低，但是上下班通勤足夠）
例3：saas軟件產(chǎn)品答疑
目標(biāo)：引導(dǎo)客戶留咨用戶提問：軟件有什么優(yōu)勢處理流程：收集客戶場景-& 解答產(chǎn)品疑問-&引導(dǎo)留咨詢
Re-ACT模式能夠基于流程去模擬真人思考處理問題的流程
特征2：
用戶問題的解答處理，需要在B端企業(yè)提供的可控范圍內(nèi)如果是豆包的助手模式，用戶使用的產(chǎn)品的過程都無法預(yù)測。
本文由 @易俊源 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來自 Unsplash，基于 CC0 協(xié)議
