Un team di supporto AI

Questo progetto mette a confronto un agente con una squadra. Ogni specialista ha bisogno di una responsabilità osservabile.

Questi passaggi si riferiscono alle funzionalità identificate nel codice dell'applicazione. Questo materiale non è stato convalidato su un'istanza live; controlla la documentazione e le opzioni nella tua versione.

Come funziona, passo dopo passo

Un flusso di lavoro ha una struttura esplicita

Un nodo è una fase, un bordo è una transizione e lo stato trasporta i risultati tra le fasi. Un flusso di lavoro ha un percorso definito dall'applicazione, sebbene il modello possa scegliere alcuni rami. I sistemi ad agenti includono sia flussi di lavoro che agenti che agiscono dinamicamente. Nymrio offre ReAct, Reflection, Sequential, Orchestrator, Router, Parallel e Plan-and-Execute. Ciascuno cambia coordinazione; non rende automaticamente un modello un esperto. Più agenti significano più chiamate e contratti tra i ruoli. Inizia con la soluzione più semplice che supera i tuoi test.

Il modello propone, lo strumento esegue

La chiamata allo strumento produce una richiesta di chiamata con un nome e argomenti. L'applicazione convalida lo schema, le autorizzazioni e i limiti prima dell'esecuzione. Il risultato ritorna al contesto per il passaggio successivo. Ad esempio, get_product_stock accetta uno SKU e restituisce una quantità; la sua descrizione dovrebbe spiegare che non effettua prenotazioni di prodotti. Distinguere risultati vuoti, errori di convalida, accessi mancanti e timeout. Un JSON valido non dimostra che gli argomenti siano corretti o che l'azione sia autorizzata. Per gli effetti esterni, considerare anche l'esecuzione duplicata.

Definire il successo prima di ottimizzare

Preparare richieste rappresentative e risposte o proprietà previste. Includere casi ordinari, ambiguità, dati mancanti ed errori dello strumento. Per RAG, misurare il recupero delle prove separatamente dalla correttezza della risposta. Recall@k misura la quota di prove rilevanti trovate nei primi k risultati; Precision@k misura la quota di risultati restituiti che sono rilevanti. Per gli agenti, monitora anche azioni, autorizzazioni e arresti. Un LLM come giudice può accelerare la valutazione ma necessita di una calibrazione rispetto agli esseri umani. Non modificare prompt, modello e indice contemporaneamente se vuoi capire quali risultati migliorati.

Lo schema esplicativo

Seguire le frecce continue per il flusso principale. Le frecce blu tratteggiate forniscono dati o contesto; le frecce rosa tratteggiate mostrano feedback o risultati restituiti. Colori e forme distinguono modelli, negozi, decisioni e risultati. Il router è l'implementazione illustrata. Confrontalo separatamente con un orchestratore e una linea di base a singolo agente. Su schermi piccoli, scorri in orizzontale per seguire l’intero schema.

Un esempio completo

Gli specialisti gestiscono prodotti, consegne e resi. Il router gestisce un intento; L'orchestrator può coordinare due esigenze. Utilizzare dati fittizi e test identici per entrambe le configurazioni.

Dati di esercizio fittizi

Fonte	Informazioni da utilizzare
Catalogare	LX-240 utilizza la parte P-12; P-12 utilizza l'adattatore A-7.
Ritorni	Richieste entro 14 giorni dal ricevimento; prodotto non utilizzato nella confezione originale.
Consegna	Stimato 2-3 giorni lavorativi dopo la spedizione, non garantito.

Domande iniziali: "Quale adattatore utilizza l'LX-240?", "Posso restituire un prodotto usato?" e "Quanto tempo richiede la consegna?". Aggiungi casi ambigui e senza risposta. Mantieni la stessa fonte in ogni confronto.

Provalo tu stesso

1. Crea un orchestrator con due lavoratori e confrontalo con l'agente di base su dieci richieste.
2. Registrare l'input, la fonte e il risultato atteso prima di eseguire l'esperimento. Utilizzare solo i dati fittizi nell'esempio.
3. Seguire le fasi del diagramma. Ad ogni passaggio registrare quali informazioni vengono ricevute e prodotte; non confondere il risultato intermedio con il risultato finale.
4. Ripetere dopo aver rimosso le informazioni necessarie o reso ambiguo l'input. Controlla se il sistema chiarisce, ferma o inventa una risposta.
5. Confrontare con la soluzione spiegata. Conserva la configurazione, la data, il risultato e una spiegazione delle differenze. Cambia una cosa e riprova.

Una soluzione spiegata

Il rapporto spiega quando un team migliora i risultati e quando aggiunge delega non necessaria. Un esercizio riuscito ti consente di mostrare la connessione tra input, fasi e risultato. Quando mancano le informazioni, una risposta cauta è più utile dei dettagli inventati. Confrontare non solo stile: verificare anche condizioni, fonti e operazioni.

Quando è utile e quali sono i suoi limiti

Se la convalida del ruolo impedisce il salvataggio del router, non dichiarare l'esito positivo del lab. Scegli questo approccio quando migliora un bisogno misurato. Mantieni una linea di base semplice e confronta i risultati utilizzando input identici. Un esempio di successo non stabilisce l’affidabilità in ogni situazione.

Verifica ciò che hai imparato

Multi-agente è un ottavo modello?

No. È una categoria architettonica che può utilizzare diversi modelli esistenti.

Chi esegue una chiamata proposta dal modello?

L'applicazione o il servizio host dopo la convalida. Il modello non ottiene automaticamente l'accesso illimitato.

Quale risultato dovrebbe produrre questo esercizio?

Il rapporto spiega quando un team migliora i risultati e quando aggiunge delega non necessaria.

Termini da ricordare

• Cenno: Una fase in un grafico di esecuzione.
• Chiamata dello strumento: una richiesta strutturata per utilizzare una funzionalità esterna.
• Regresia/Regressione: una modifica che interrompe un caso precedentemente corretto.

Fonti e il prossimo passo

• LangGraph — flussi di lavoro e agenti

Per preparare: W05 — Orchestratore: coordinatore e specialisti · W06 — Router: invia richieste allo specialista giusto · W09 — Multi-agente: scegliere e combinare modelli · E01 — Come misurare se l'intelligenza artificiale è utile