吴恩达推出新课，聚焦Agentic AI，教授如何搭建高效的Agent工作流。课程强调四大核心设计模式：反思、工具、规划与协作，并指出系统化评估与误差分析是智能体开发的关键能力。通过Agentic技巧，甚至可以让GPT-3.5在编程任务中超越GPT-4。

Agentic AI的核心理念是将复杂任务拆解为多步推理与分阶段执行，而非一次性生成结果。吴恩达提出“分解—执行—评估—优化”的循环方法论，揭示了提升AI表现的系统性路径。具体而言，任务分解是起点，反思机制让模型检视并改进输出，工具调用赋予模型自主调用外部功能的能力，规划确保灵活调整工具序列，多智能体协作则通过分工整合实现高效执行。

课程还探讨了Agentic与传统Agent的区别。传统Agent多为端到端操作，而Agentic AI通过分步执行与持续优化显著提升表现。开发者可通过对组件的迭代改进，构建更可控、更高效的工作流。

尽管“Agentic”一词因市场炒作被广泛使用，但其背后的方法论仍具实际价值，为复杂任务的智能化处理提供了清晰路径。课程已在Deeplearning.AI上线，适合希望深入探索AI应用的开发者学习。

参考链接：
[1] https://x.com/AndrewYNg/status/1975614372799283423
[2] https://www.deeplearning.ai/courses/Agentic-ai/