构建混合 LLM 工作流：决策模型实战

在 AI 领域，“决策模型”正变得越来越流行。简单来说，这类模型的核心任务是在给定的选项中做出选择。虽然 LLM 也能做到这一点，但决策模型是专门为此训练的，它们在速度和成本上具有显著优势。

然而，在实际应用中，我们往往需要处理既需要“选择”又需要“创造”的复杂任务。这时候，混合工作流便是一个绝佳的解决方案。

核心架构：三驾马车

混合工作流通常由三个核心组件构成，它们各司其职，发挥各自的长处：

• 决策模型： 负责处理所有“封闭式选择”任务。
• LLM： 负责处理需要推理、从零生成或复杂解释的“开放式生成”任务。
• Python： 作为“指挥官”，负责编排整个流程，协调模型执行，并调用外部工具。

这种分工模式能确保每个环节都由最合适的工具处理，从而最大化效率。

任务分类：封闭式与开放式

在浏览器自动化等实际场景中，我们可以将任务清晰地分为两类：

1. 封闭式选择

• 定义： 选项是已知的，系统只需从现成的列表中做出选择。
• 典型场景： 点击哪个按钮？选择哪个日期？在下拉菜单中选中哪一个选项？
• 决策模型的优势： 针对性训练使得决策模型在处理此类任务时比通用 LLM 更快、更准、更省钱。

2. 开放式生成

• 定义： 没有固定选项，需要系统根据上下文推理并生成新的内容。
• 典型场景： 填写复杂的表单（如写一封礼貌的邮件）、生成代码片段、解释技术方案。
• LLM 的优势： 拥有强大的逻辑推理和语言生成能力，适合处理这类非结构化任务。

实战演示：自动化酒店预订

为了直观展示混合工作流的价值，我们将构建一个浏览器自动化流程。目标是：

用户用自然语言输入需求（例如：“帮我找里斯本周末每晚150欧元的酒店”），系统自动打开网站、搜索、选择酒店并准备预订信息。

工作流循环

整个流程是一个不断循环的闭环，具体步骤如下：

1. 读取与解析： Python 监控浏览器状态，读取当前页面信息，并将可用的交互元素（如按钮、选项）转换为决策模型能理解的指令格式。
2. 决策选择： 决策模型根据当前上下文，从已知操作列表中选择下一步动作。例如，决定是“点击搜索”还是“切换到日期选择器”。
3. LLM 调用（按需）： 如果需要填写表单或生成特定信息，Python 会调用 LLM 来处理。例如，LLM 可能会生成一段礼貌的预订留言。
4. 执行操作： Python 根据模型的选择，执行真实的浏览器操作（点击、输入），并反馈结果。

价值分析

通过这种混合模式，我们实际上是在用决策模型处理繁琐的重复性选择（如日历交互、按钮点击），用 LLM 处理需要创造性的内容生成，再用 Python 确保流程的稳定性。

这种架构不仅降低了开发复杂度，更重要的是，它通过优化资源分配，显著减少了不必要的 LLM 调用次数，从而在保持高性能的同时降低了成本。

总结

构建混合 LLM 工作流的关键在于识别任务的属性。对于已知选项的任务，决策模型是首选；对于未知答案的任务，LLM 才是主力。通过 Python 将两者有机结合，开发者可以构建出既聪明又高效的自动化系统。