构建大模型应用的原则——越简单越好

“ 大模型应用开发的原则是越简单越好，越复杂的流程出问题的可能性就越大。”

在传统的软件设计和开发过程中，我们都知道一个原则——每引入一个组件都需要经过严格的评审和考虑，因为对软件系统来说，每引入一个组件风险就多一分，出问题的可能性就越高。

而对于大模型应用来说更是如此，大模型应用环节越少，越简单越好。

大模型开发——越简单越好

很多人认为越复杂的系统越强大，但越简单的系统越稳定；事实上很多时候来说，系统稳定要远比系统功能强大要重要的多，因为不论再强大的系统，一旦崩溃了就什么用都没了。

这也是现代严重依赖网络，电力这些基础设施的社会结构，虽然它方便了我们的生活，但同样其抗风险性也越来越弱。

而在大模型应用中，由于模型本身就不稳定，存在幻觉等问题，因此大模型应用犯错的概率更高，出问题的可能性更大；在传统开发中，一就是一，二就是二，只要逻辑是对的基本上就不会出现什么大问题。

但是在大模型应用开发中，我们却发现这样一个现象，那就是我明明流程都是对的，但效果却特别差；这也是很多刚开始接触模型应用百思不得其解的问题，明明什么问题都没有，但为什么结果就是不对。

因此，做了一段时间的模型应用开发之后才发现，不是流程不对，是模型应用本身就有这个特点，或者说它就是伴随模型而生的。

这也是为什么现在大模型应用一直在推广，但在核心领域或对安全性有极高要求的领域模型一直不受人信任；原因就在于此。

那怎么解决这个问题呢？

从理论上来说，技术的发展需要一定的时间和迭代过程，因此我们需要一边试错，一边找到一个技术安全性与风险性之间的平衡点。

比如说大模型应用的主要方向——Agent智能体，其由于稳定性问题，一直被人所诟病；但其在某些情况下又具有不可替代的作用，这时就引入了一个workflow工作流机制，用来平衡模型性能和稳定性的一种方式。

由于模型本身不稳定，因此我们不能把整个流程都交给模型来处理，所以我们可以在某个环节应用模型来提高效率，优化流程；但在一些关键环节，我们使用workflow的方式，按照固定的流程来处理，这样就可以尽量保证整个系统的稳定性，并在某些环节进行一定的容错处理。

从理论上来说，做模型应用使用的技术越多，越复杂越容易出问题；因此，其中能够简单处理的问题，就尽可能的简单，比如说能用RAG解决的问题就尽量不要用Agent，能用工具解决的问题就尽量不要用多智能体。

有句老话叫，失之毫厘差之千里，当系统中存在不稳定因素时，这些不稳定的环节越多，其最终的偏差越大。