AutoFlow: Automated Workflow Generation for Large Language Model Agents

最近大型语言模型（LLM）的进展在理解复杂自然语言方面取得了显著进展。LLM的一个重要应用是基于LLM的AI代理，它利用LLM的能力以及外部工具来解决复杂任务。为了确保LLM代理遵循有效和可靠的程序来解决给定的任务，通常使用手动设计的工作流程来指导代理的工作机制。然而，手动设计工作流程需要相当大的努力和领域知识，使得在大规模开发和部署代理方面变得困难。为了解决这些问题，我们提出了AutoFlow，这是一个旨在自动生成代理解决复杂任务的工作流程的框架。AutoFlow将自然语言程序作为代理工作流程的格式，并采用工作流程优化程序来迭代优化工作流程的质量。此外，本研究提供了两种工作流程生成方法：微调和上下文方法，使AutoFlow框架适用于开源和闭源LLM。实验结果表明，我们的框架可以产生强大和可靠的代理工作流程。我们相信，在LLM的快速发展下，自然语言工作流程的自动生成和解释代表了解决复杂任务的有前途的范例。本研究的源代码可在https://github.com/agiresearch/AutoFlow上获得。

自动生成自然语言程序的工作流程以解决复杂任务的问题。

AutoFlow框架自动生成工作流程，采用基于微调和基于上下文的方法，通过优化流程质量来解决复杂任务。

AutoFlow框架可以生成可靠的智能代理工作流程，实验结果表明其效果显著。该框架可用于开源和闭源LLMs，并提供了开源代码。

最近的相关研究包括：1. NeuralFlow：一种基于神经网络的工作流生成器；2. OpenAI GPT-3：一种大型语言模型，可用于生成自然语言文本。