Chatbot, asystent, agent i system agentowy
Nazwy handlowe mogą być niejasne.
Czego się dowiesz
- Wyjaśnij: ai nie jest jednym rodzajem modelu
- Zastosuj pomysł na przykładzie: Chatbot, asystent, agent i system agentowy
- Rozpoznaj ograniczenia i zweryfikuj rezultaty ćwiczeń
Nazwy handlowe mogą być niejasne. Przydatne rozróżnienia dotyczą tego, kto wybiera kroki, jakie narzędzia istnieją i jakie działania mają skutki.
Możesz kontynuować ten kurs bez konta i programowania. W przykładach wykorzystano dane syntetyczne, a wyniki sztucznej inteligencji wymagają sprawdzenia.
Jak to działa, krok po kroku
Sztuczna inteligencja nie jest jednym typem modelu
Sztuczna inteligencja to rodzina metod rozpoznawania, przewidywania, planowania i generowania. System oparty na regułach postępuje zgodnie z instrukcjami napisanymi przez ludzi. Uczenie maszynowe uczy się relacji na przykładach; głębokie uczenie się wykorzystuje sieci wielowarstwowe. Generatywna sztuczna inteligencja tworzy nowe treści. LLM działa z językiem, ale rekomendacje produktów lub wykrywanie defektów mogą wykorzystywać inne modele. Pomyśl o zestawie narzędzi: wybierz narzędzie do rozwiązania problemu. Prosty algorytm może być bardziej odpowiedni niż agent dla ustalonej reguły.
Ograniczona pętla agenta
Agent łączy model z narzędziami, celem i stanem. Obserwuje żądanie, wybiera krok, otrzymuje wynik i decyduje, czy kontynuować. Chatbot może generować jedynie tekst; agent może zażądać działania zewnętrznego. Definicje komercyjne są różne, dlatego sprawdź rzeczywistą kontrolę. Zdefiniuj sukces i zatrzymanie: zweryfikowany wynik, maksymalną liczbę kroków, powtarzające się błędy lub wyczerpany budżet. Korzystaj z wąskich możliwości i minimalnych uprawnień. Użyteczna autonomia oznacza wolność w granicach narzuconych przez oprogramowanie.
Przepływ pracy ma wyraźną strukturę
Węzeł jest etapem, krawędź jest przejściem, a stan przenosi wyniki pomiędzy etapami. Przepływ pracy ma ścieżkę zdefiniowaną przez aplikację, chociaż model może wybierać niektóre gałęzie. Systemy agentowe obejmują zarówno przepływy pracy, jak i dynamicznie działających agentów. Nymrio oferuje rozwiązania ReAct, Reflection, Sequential, Orchestrator, Router, Parallel oraz Plan-and-Execute. Każdy zmienia koordynację; nie czyni to automatycznie modelu ekspertem. Więcej agentów oznacza więcej rozmów i umów między rolami. Zacznij od najprostszego rozwiązania, które przejdzie Twoje testy.
Schemat objaśniający
Postępuj zgodnie ze strzałkami wskazującymi główny przepływ. Przerywane niebieskie strzałki przedstawiają dane lub kontekst; przerywane różowe strzałki pokazują opinie lub zwracane wyniki. Kolory i kształty wyróżniają modele, sklepy, decyzje i wyniki. Na małym ekranie przewijaj w poziomie, aby zobaczyć cały schemat.
Kompletny przykład
Chatbot pisze o zapasach. Asystent może przeszukiwać katalog. Agent żąda zapasów za pomocą narzędzia. System agentowy może koordynować specjalistów ds. produktu i dostawy.
Spróbuj sam
- Narysuj cztery warianty i zaznacz, kto decyduje o każdym kroku.
- Przed rozpoczęciem eksperymentu zapisz dane wejściowe, źródło i oczekiwany wynik. W przykładzie użyj wyłącznie fikcyjnych danych.
- Postępuj zgodnie z etapami diagramu. Na każdym etapie zapisuj, jakie informacje zostały otrzymane i wyprodukowane; nie myl produktu pośredniego z efektem końcowym.
- Powtórz po usunięciu niezbędnych informacji lub wprowadzeniu niejednoznaczności. Sprawdź, czy system wyjaśnia, zatrzymuje lub wymyśla odpowiedź.
- Porównaj z objaśnionym rozwiązaniem. Zachowaj konfigurację, datę, wynik i wyjaśnienie różnic. Zmień jedną rzecz i przetestuj ponownie.
Wyjaśnione rozwiązanie
Zwierzęta gospodarskie wymagają aktualnego, autoryzowanego źródła; pisanie ogólne może wymagać tylko LLM. Pomyślne ćwiczenie pozwala pokazać związek między danymi wejściowymi, etapami i wynikiem. Gdy brakuje informacji, bardziej użyteczna jest ostrożna odpowiedź niż wymyślane szczegóły. Porównaj więcej niż styl: sprawdź także warunki, źródła i operacje.
Kiedy to podejście pomaga i jakie ma ograniczenia
Więcej agentów nie gwarantuje więcej prawdy. Wybierz to podejście, jeśli poprawia ono zmierzoną potrzebę. Zachowaj prostą linię bazową i porównaj wyniki, korzystając z identycznych danych wejściowych. Jeden udany przykład nie gwarantuje niezawodności w każdej sytuacji.
Sprawdź swoją wiedzę
Czy każda automatyzacja to sztuczna inteligencja?
Nie. Ustalona reguła może coś zautomatyzować bez uczenia się i elastycznego rozumowania.
Czy większa autonomia zawsze daje lepszy wynik?
Nie. Zwiększa także przestrzeń na błędy, koszty i niepotrzebne działania.
Jaki wynik powinno dać to ćwiczenie?
Zwierzęta gospodarskie wymagają aktualnego, autoryzowanego źródła; pisanie ogólne może wymagać tylko LLM.
Pojęcia do zapamiętania
- AI: Rodzina metod, a nie synonim chatbota.
- Agent: System, który może wybierać kroki i używać narzędzi do osiągnięcia celu.
- Ukłon: Etap na wykresie wykonania.
Źródła i następny krok
Aby przygotować: F05 — Dlaczego sztuczna inteligencja może się z całą pewnością mylić?