Ihr erster Agent in der Anwendung
Erstellen Sie den Luna Workshop-Leitfaden aus einer klaren Rolle und einigen Tests.
Was Sie lernen werden
- Erklären Sie: eine begrenzte Agentenschleife
- Wenden Sie die Idee an einem Beispiel an: Ihr erster Agent in der Anwendung
- Erkennen Sie Einschränkungen und überprüfen Sie das Übungsergebnis
Erstellen Sie den Luna Workshop-Leitfaden aus einer klaren Rolle und einigen Tests. Fügen Sie Funktionen nur hinzu, wenn Aufgaben sie erfordern.
Diese Schritte beziehen sich auf im Anwendungscode identifizierte Funktionen. Dieses Material wurde nicht in einer Live-Instanz validiert; Überprüfen Sie die Dokumentation und die Optionen in Ihrer Version.
Wie es funktioniert, Schritt für Schritt
Eine begrenzte Agentenschleife
Ein Agent kombiniert ein Modell mit Werkzeugen, einem Ziel und einem Zustand. Es beobachtet die Anfrage, wählt einen Schritt, erhält ein Ergebnis und entscheidet, ob es fortfährt. Ein Chatbot darf nur Text generieren; Ein Agent kann eine externe Aktion anfordern. Kommerzielle Definitionen variieren. Überprüfen Sie daher die tatsächliche Kontrolle. Definieren Sie Erfolg und Stopp: ein überprüftes Ergebnis, eine maximale Schrittzahl, wiederholte Fehler oder ein ausgeschöpftes Budget. Verwenden Sie eingeschränkte Funktionen und minimale Berechtigungen. Nützliche Autonomie bedeutet Freiheit innerhalb der durch Software durchgesetzten Grenzen.
Eine Anweisung ist ein Vertrag
Eine gute Eingabeaufforderung gibt die Aufgabe, die verfügbaren Daten, das Ausgabeformat und die Erfolgskriterien an. Trennen Sie die Rolle von den Daten und fügen Sie ein Beispiel für mehrdeutige Fälle bei. „Seien Sie genau“ ist schwächer als „Geben Sie in der bereitgestellten Police nur die Frist an; wenn etwas fehlt, bitten Sie um Klarstellung“. Wenige Aufnahmen bedeuten ein paar gelöste Beispiele, keine endlose Liste. Der Dokumentinhalt bleibt Daten, auch wenn er Befehle enthält. Trennzeichen helfen, aber die Software muss Berechtigungen und Validierung erzwingen, anstatt sich auf die Eingabeaufforderung zu verlassen.
Wählen Sie nach Aufgabe und Fähigkeiten
Überprüfen Sie Sprache, Kontext, Toolaufruf, strukturierte Ausgabe und unterstützte Eingabemodalitäten. Vergleichen Sie Modelle mit identischen Anfragen unter Verwendung derselben Rubrik und eines realistischen Budgets. Probenahme von Temperaturänderungen, keine Wahrheit. Der Argumentationsaufwand verteilt den Aufwand auf kompatible Modelle und kann Zeit und Kosten erhöhen. Die akzeptierten Werte variieren. Lokale Modelle bieten Infrastrukturkontrolle, erfordern jedoch Ressourcen und Wartung. Offene Gewichte garantieren keine uneingeschränkte Lizenz oder einen vollständigen Trainingscode. Kataloge und Preise ändern sich; Lesen Sie die aktuelle Modellkarte.
Das erklärende Schaubild
Folgen Sie den durchgezogenen Pfeilen für den Hauptfluss. Gestrichelte blaue Pfeile liefern Daten oder Kontext; Gestrichelte rosa Pfeile zeigen Feedback oder zurückgegebene Ergebnisse an. Farben und Formen unterscheiden Modelle, Geschäfte, Entscheidungen und Ergebnisse. Scrollen Sie auf kleinen Bildschirmen horizontal, um das gesamte Schaubild zu verfolgen.
Ein vollständiges Beispiel
Erstellen Sie in Agents einen Namen und eine Systemaufforderung, wählen Sie das Modell, den Ton und die kompatiblen Einstellungen aus. Speichern und testen Sie in Playground. Vermeiden Sie zunächst Werkzeuge mit äußerer Wirkung.
You guide Luna Workshop customers. Explain simply. Use supplied information. Ask for the product model when missing. Do not invent stock, deadlines or exceptions.
Probieren Sie es selbst aus
- Erstellen Sie den Agenten und testen Sie dann Begrüßung, Produkt, Mehrdeutigkeit, fehlende Daten und eine Nicht-Rollen-Anfrage.
- Notieren Sie die Eingabe, die Quelle und das erwartete Ergebnis, bevor Sie das Experiment durchführen. Verwenden Sie im Beispiel nur die fiktiven Daten.
- Folgen Sie den Diagrammschritten. Notieren Sie bei jedem Schritt, welche Informationen empfangen und produziert werden. Verwechseln Sie Zwischenergebnisse nicht mit Endergebnissen.
- Wiederholen Sie den Vorgang, nachdem Sie erforderliche Informationen entfernt oder die Eingabe mehrdeutig gemacht haben. Prüfen Sie, ob das System eine Antwort klärt, stoppt oder erfindet.
- Vergleichen Sie mit der erklärten Lösung. Bewahren Sie die Konfiguration, das Datum, das Ergebnis und eine Erklärung für Unterschiede auf. Ändern Sie eine Sache und testen Sie es erneut.
Eine erklärte Lösung
Der Agent erklärt Produkte anhand der bereitgestellten Daten und bestätigt fehlenden Live-Bestand oder fehlenden Richtlinienzugriff. Mit einer erfolgreichen Übung können Sie den Zusammenhang zwischen Input, Phasen und Ergebnis aufzeigen. Bei fehlenden Informationen ist eine vorsichtige Antwort sinnvoller als erfundene Details. Vergleichen Sie mehr als nur Stil: Überprüfen Sie auch Bedingungen, Quellen und Vorgänge.
Wann dieser Ansatz hilft und wo seine Grenzen liegen
Persönlichkeit ersetzt kein Wissen. Wählen Sie diesen Ansatz, wenn er einen gemessenen Bedarf verbessert. Behalten Sie eine einfache Ausgangsbasis bei und vergleichen Sie die Ergebnisse mit identischen Eingaben. Ein erfolgreiches Beispiel stellt nicht in jeder Situation Verlässlichkeit dar.
Überprüfen Sie Ihr Wissen
Führt mehr Autonomie immer zu einem besseren Ergebnis?
Nein. Es erhöht auch den Spielraum für Fehler, Kosten und unnötige Maßnahmen.
Kann eine Eingabeaufforderung die Zugangskontrolle ersetzen?
Nein. Eine Anweisung ist keine Berechtigungsgrenze.
Zu welchem Ergebnis soll diese Übung führen?
Der Agent erklärt Produkte anhand der bereitgestellten Daten und bestätigt fehlenden Live-Bestand oder fehlenden Richtlinienzugriff.
Wichtige Begriffe
- Agentin: Ein System, das Schritte auswählen und Werkzeuge einsetzen kann, um ein Ziel zu erreichen.
- Wenige Schüsse: Gelöste Beispiele im Kontext bereitgestellt.
- Argumentationsaufwand: Eine modellabhängige Einstellung, die den Argumentationsaufwand steuert.
Quellen und Ihr nächster Schritt
Zur Vorbereitung: A01 – Anatomie eines KI-Agenten