来自 AI 研究立场图谱百科
角色扮演集体主义:复杂工作最好交给一支分配了人设和角色的 agent 团队,像公司或剧组一样协作完成。
主张
角色扮演集体主义认为,语言模型读遍了描写各行各业的人如何做事的文本,所以可以把它”选角”进这些岗位。让一个实例扮演产品经理,一个扮演架构师,一个扮演程序员,一个扮演测试,通过结构化的对话和文档相互交接工作。分配角色能聚焦每个 agent 的上下文,调动预训练中潜藏的相关专业知识,还能把 SOP、code review 这类人类组织模式一并引进来。
它位于语言一端的最边上,因为角色、人设和交接都用文本表达;又在图的最底部,即 harness 极端,因为智能在组织架构图里,而不在某一个模型里。范式等级为稳健:它从管理学里借的东西和从机器学习里借的一样多,但跑的是普通的聊天模型。
论据
- MetaGPT、ChatDev 这类角色扮演框架让分配了人设的 agent 走完一整套流程,从一句简短的自然语言需求做出了能跑的软件。
- 人设 prompt 确实会改变模型行为,能引出符合领域习惯的推理风格。
- 把人类流程(需求文档、评审、测试)编码为角色职责,增加了单个 agent 常常会跳过的检查环节。
批评
- 人设只是 prompt,不是技能;把一个实例叫作”资深工程师”,并不会赋予它基座模型没有的能力。
- 僵硬的组织架构增加了沟通开销,可能还不如一个工具齐全的能干 agent。
- 角色扮演会制造视角多元的假象,而每个”员工”其实共用同一个模型、同一套失败模式。
代表作
- CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society2023
- MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework2023
- ChatDev: Communicative Agents for Software Development2023
关系
亦敌亦友
怎样测出它
在完整版或专业版里落到这一格:x ≈ −0.81,y ≈ −1.00,范式 ≈ −0.18。