Twój pierwszy agent w aplikacji
Zbuduj przewodnik po warsztacie Luna na podstawie jasnej roli i kilku testów.
Czego się dowiesz
- Wyjaśnij: ograniczona pętla agenta
- Zastosuj pomysł na przykładzie: Twój pierwszy agent w aplikacji
- Rozpoznaj ograniczenia i zweryfikuj rezultaty ćwiczeń
Zbuduj przewodnik po warsztacie Luna na podstawie jasnej roli i kilku testów. Dodawaj możliwości tylko wtedy, gdy wymagają tego zadania.
Kroki te odnoszą się do funkcji zidentyfikowanych w kodzie aplikacji. Ten materiał nie został sprawdzony na żywo; sprawdź dokumentację i opcje w swojej wersji.
Jak to działa, krok po kroku
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.
Instrukcja jest umową
Dobry monit określa zadanie, dostępne dane, format wyjściowy i kryteria sukcesu. Oddziel rolę od danych i załącz przykład dla niejednoznacznych przypadków. „Bądź dokładny” jest słabszy niż „podaj tylko termin w dostarczonej polisie; jeśli go brakuje, poproś o wyjaśnienia”. Kilka strzałów oznacza kilka rozwiązanych przykładów, a nie niekończącą się listę. Treść dokumentu pozostaje danymi nawet wtedy, gdy zawiera polecenia. Ograniczniki pomagają, ale oprogramowanie musi wymuszać uprawnienia i sprawdzanie poprawności, a nie polegać na podpowiedziach.
Wybierz według zadania i możliwości
Sprawdź język, kontekst, wywoływanie narzędzi, uporządkowane dane wyjściowe i obsługiwane sposoby wprowadzania danych. Porównuj modele w przypadku identycznych żądań, korzystając z tej samej kategorii i realistycznego budżetu. Temperatura zmienia próbkowanie, a nie prawdę. Rozumowanie przydziela wysiłek zgodnym modelom, co może wydłużyć czas i zwiększyć koszty; akceptowane wartości są różne. Modele lokalne oferują kontrolę nad infrastrukturą, ale wymagają zasobów i konserwacji. Ciężary otwarte nie gwarantują nieograniczonej licencji ani pełnego kodu treningowego. Katalogi i ceny ulegają zmianie; przeczytaj aktualną kartę modelu.
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
W Agentach utwórz nazwę i monit systemowy, wybierz model, dźwięk i kompatybilne ustawienia. Zapisz i przetestuj w Playground. Początkowo unikaj narzędzi z efektami zewnętrznymi.
You guide Luna Workshop customers. Explain simply. Use supplied information. Ask for the product model when missing. Do not invent stock, deadlines or exceptions.
Spróbuj sam
- Utwórz agenta, a następnie przetestuj powitanie, produkt, niejednoznaczność, brakujące dane i żądanie spoza roli.
- 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
Agent wyjaśnia produkty, korzystając z dostarczonych danych i potwierdza brak żywego inwentarza lub dostępu do polisy. 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
Osobowość nie zastępuje wiedzy. 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 większa autonomia zawsze daje lepszy wynik?
Nie. Zwiększa także przestrzeń na błędy, koszty i niepotrzebne działania.
Czy monit może zastąpić kontrolę dostępu?
Nie. Instrukcja nie stanowi granicy autoryzacji.
Jaki wynik powinno dać to ćwiczenie?
Agent wyjaśnia produkty, korzystając z dostarczonych danych i potwierdza brak żywego inwentarza lub dostępu do polisy.
Pojęcia do zapamiętania
- Agent: System, który może wybierać kroki i używać narzędzi do osiągnięcia celu.
- Kilka strzałów: Rozwiązane przykłady dostarczone w kontekście.
- Rozumny wysiłek: Ustawienie zależne od modelu kontrolujące wysiłek rozumowania.
Źródła i następny krok
Aby przygotować: A01 — Anatomia agenta AI