跨境Ai视界 上次说到，我会做一个通用版的listing Ai机器人，去适合大多数的场景，不需要上传关键词列表，不用做词库。如果之前的机器人叫作精品版的话，这个新的机器人可以叫作铺货版。由于我已经把扣子转移到专业版了，我可以调用llama3-70B第一梯队的大模型，同时配合豆包pro，实现比基础版更好的效果。
想法
结合吴恩达老师提出的agent的反思设计模式，开源项目叫作translation-agent。大致流程是生成第一版翻译之后，让大模型思考一下，提出建议，最后根据建议再次优化翻译方案。
虽然只是过了一道，但是类似模拟人的思考方式，输出的结果大概率会更好。我用Claude做了个流程图，大致是这个思路。
反思
我竟然也来到了反思的步骤，call back了吴恩达老师的反思工作流。我的反思是能用一个工作流解决的，就不要两个。一个工作流把变量都省了，效率更高。
一开始我的想法是用多agent，在各个agent之间进行跳转，里面加入变量和工作流衔接。然后实际测试的时候，跑不完整个流程，总会在第二个或第三个步骤的地方停下来。也不是报错，就是不能在agent之间来回跳转。
主要是多agent模式比较复杂，跳转的逻辑不是很稳定。现在想想当时有点拿着锤子找钉子的感觉，总想着要用多agent模式做这个机器人。但却忽略了应该用最简单直接高效的方法解决问题，还好我及时纠正，没有浪费过多的时间。
大模型
关键部分是用三个大模型控制。第一个模型比较重要，负责大部分的listing写作，几乎决定了整个文案的质量，所以我选用了最强开源英文大模型llama3-70B。有时可能会牺牲一点点速度，但是为了质量，还是妥协了。
第二个大模型负责反思建议，所以上下文长度比较重要，我选用的是豆包pro-128K。实际测试中，pro版本还是稳定很多，速度也快，不愧是自家产品。
第三个大模型负责最终版本的优化，上下文依然重要。由于目前专业版的上下文最高就是128K，所以我还是选用了豆包pro-128K。
由于等待时间可能过长，毕竟有三个大模型一起干活，我加入了信息节点。在一个大模型干完活后，会回复给用户，减少等待的焦虑。
对于格式，换行这种小细节，我没有做字符处理。因为在模型足够强大的前提下，可以忽略掉这些小细节。
效果
可以看到一个工作流的调用还是非常流畅，耗时78秒，能接受。就是发给他产品参数的时候，去喝口茶就好了。
具体的效果，大家去自行测试吧。还是那句话，反正逻辑没问题，就不是我的问题。要有问题，肯定是大模型背锅哈哈。
我还是把这个通用版的机器人发布到了扣子商店和飞书应用，在飞书团队的朋友直接就能看到，随手就用起来了。有问题的的话，请联系我反馈。
最强亚马逊Listing写作（通用版）：https://www.coze.cn/s/ih2SwGHx/
