Chatbot, assistente, agente e sistema agentic
Os nomes comerciais podem não ser claros.
O que você aprenderá
- Explique: IA não é um tipo de modelo
- Aplique a ideia em um exemplo: Chatbot, assistente, agente e sistema agentic
- Reconheça as limitações e verifique o resultado do exercício
Os nomes comerciais podem não ser claros. Distinções úteis são quem escolhe as etapas, quais ferramentas existem e quais ações têm efeitos.
Você pode seguir este curso sem conta ou programação. Os exemplos usam dados sintéticos e os resultados da IA precisam ser verificados.
Como funciona, passo a passo
IA não é um tipo de modelo
A inteligência artificial é uma família de métodos de reconhecimento, previsão, planejamento e geração. Um sistema baseado em regras segue instruções escritas por pessoas. O aprendizado de máquina aprende relacionamentos a partir de exemplos; o aprendizado profundo usa redes com muitas camadas. A IA generativa produz novos conteúdos. Um LLM funciona com linguagem, mas recomendações de produtos ou detecção de defeitos podem usar outros modelos. Pense em uma caixa de ferramentas: escolha uma ferramenta para o problema. Um algoritmo simples pode ser mais adequado que um agente para uma regra fixa.
Um loop de agente limitado
Um agente combina um modelo com ferramentas, um objetivo e um estado. Ele observa a solicitação, escolhe uma etapa, recebe o resultado e decide se continua. Um chatbot só pode gerar texto; um agente pode solicitar uma ação externa. As definições comerciais variam, portanto inspecione o controle real. Defina sucesso e parada: um resultado verificado, uma contagem máxima de passos, erros repetidos ou um orçamento esgotado. Use recursos restritos e permissões mínimas. Autonomia útil significa liberdade dentro dos limites impostos pelo software.
Um fluxo de trabalho tem estrutura explícita
Um nó é um estágio, uma aresta é uma transição e o estado carrega resultados entre os estágios. Um fluxo de trabalho possui um caminho definido pelo aplicativo, embora o modelo possa escolher algumas ramificações. Os sistemas agênicos incluem fluxos de trabalho e agentes de ação dinâmica. Nymrio oferece ReAct, Reflexão, Sequencial, Orquestrador, Roteador, Paralelo e Planejar e Executar. Cada um muda de coordenação; isso não torna automaticamente um modelo um especialista. Mais agentes significam mais chamadas e contratos entre funções. Comece com a solução mais simples que passa nos testes.
O esquema explicativo
Siga as setas sólidas para o fluxo principal. As setas azuis tracejadas fornecem dados ou contexto; setas rosa tracejadas mostram feedback ou retorno de resultados. Cores e formas distinguem modelos, lojas, decisões e resultados. Em telas pequenas, role na horizontal para acompanhar o esquema completo.
Um exemplo completo
Um chatbot escreve sobre ações. Um assistente pode pesquisar um catálogo. Um agente solicita inventário por meio de uma ferramenta. Um sistema agente pode coordenar especialistas em produtos e entregas.
Experimente você mesmo
- Desenhe quatro variantes e marque quem decide cada etapa.
- Registre a entrada, a fonte e o resultado esperado antes de executar o experimento. Use apenas os dados fictícios do exemplo.
- Siga as etapas do diagrama. A cada passo registre quais informações são recebidas e produzidas; não confunda o resultado intermediário com o resultado final.
- Repita após remover as informações necessárias ou tornar a entrada ambígua. Verifique se o sistema esclarece, interrompe ou inventa uma resposta.
- Compare com a solução explicada. Guarde a configuração, data, resultado e explicação das diferenças. Mude uma coisa e teste novamente.
Uma solução explicada
O gado precisa de uma fonte autorizada atual; a redação geral pode precisar apenas de um LLM. Um exercício bem-sucedido permite mostrar a conexão entre entradas, etapas e resultados. Quando falta informação, uma resposta cautelosa é mais útil do que detalhes inventados. Compare mais do que estilo: verifique também as condições, fontes e operações.
Quando esta abordagem ajuda e quais são seus limites
Mais agentes não garantem mais verdade. Escolha esta abordagem quando ela melhorar uma necessidade medida. Mantenha uma linha de base simples e compare os resultados usando dados idênticos. Um exemplo de sucesso não estabelece confiabilidade em todas as situações.
Verifique o que aprendeu
Toda automação é IA?
Não. Uma regra fixa pode automatizar algo sem aprendizado ou raciocínio flexível.
Mais autonomia sempre dá um resultado melhor?
Não. Também aumenta a margem para erros, custos e ações desnecessárias.
Que resultado este exercício deve produzir?
O gado precisa de uma fonte autorizada atual; a redação geral pode precisar apenas de um LLM.
Termos para lembrar
- AI: Uma família de métodos, não sinônimo de chatbot.
- Agente: Um sistema que pode escolher etapas e usar ferramentas para atingir um objetivo.
- Acenar: Um estágio em um gráfico de execução.
Fontes e sua próxima etapa
Para preparar: F05 — Por que a IA pode estar errada?