AI Agent

Komponenta AI Agent je všestranný stavební blok navržený tak, aby fungoval jako inteligentní agent v pracovním toku AI. Tento agent využívá velké jazykové modely (LLM), může se připojovat k externím nástrojům a je konfigurovatelný pro řadu případů použití, jako je konverzační AI, složitá automatizace a dynamické provádění úkolů.

Přihlaste se k odběru newsletteru

Získejte nejnovější tipy, trendy a nabídky zdarma.

E-mailová adresa

Přihlásit se

Co komponenta dělá

AI Agent zpracovává vstupní výzvy, zvažuje historii konverzací (volitelně) a může používat externí nástroje k vytváření odpovědí citlivých na kontext. Jeho schopnosti lze přizpůsobit zadáním příběhu, role a cíle, což umožňuje agentovi chovat se podle konkrétní osobnosti nebo cíle. Agent může také provádět volání funkcí, což mu umožňuje programově pracovat s rozhraními API nebo externími systémy prostřednictvím povolených nástrojů.

Nastavení AI Agenta

LLM

Vyberte velký jazykový model, který bude agent používat. Můžete si vybrat z různých modelů od 6 hlavních poskytovatelů. Výchozím modelem je nejnovější středně velký model od OpenAI.

Nástroje

Toto je místo, kde agentovi dáte všechny jeho nástroje. Existuje více než 900 položek, které můžete připojit jako nástroje. Ty se pohybují od nových schopností až po jednoduché akce prováděné v integrovaných nástrojích. Prakticky jakékoli rozhraní, databáze nebo komunikační aplikace se mohou stát nástrojem prostřednictvím rozhraní API a serverů MCP.

Jak připojit nástroje

Klikněte na + Přidat nástroj. Úplný seznam všech dostupných nástrojů. Můžete jej filtrovat podle kategorie nebo pomocí vyhledávání:

Každý nástroj má jedinečná nastavení. U každé položky můžete rozhodnout, zda necháte AI rozhodovat, jak jej potřebuje použít, nebo parametry nakonfigurovat ručně. Na ruční vstup se můžete přepnout kliknutím na tlačítko “AI Decides”. Jakmile definujete parametr, je uzamčen a není editovatelný pro AI.

Konfiguraci parametrů můžete přeskočit kliknutím na “Skip & Add”. Jakmile je nástroj nakonfigurován, klikněte na “Add with Config”. Poté můžete pokračovat v přidávání dalších nástrojů.

Systémová zpráva

Toto je hlavní výzva, kde definujete roli, úkol, chování agenta a jakékoli další pokyny.

Příklad systémové zprávy:

Jste Sam, přátelský a znalý asistent zákaznických služeb pro FlowHunt, platformu pro automatizaci pracovních toků AI.

Vaším primárním cílem je rychle a uspokojivě řešit problémy zákazníků, aby se každý zákazník cítil slyšen, pomožen a oceňován. Snažíte se snížit eskalace tím, že nezávisle a efektivně zvládáte většinu požadavků.

Pokyny:
Vždy přivítejte zákazníka vřele a používejte jeho jméno, je-li poskytnuto.
Zůstávejte klidní, trpěliví a empatičtí — i když je zákazník frustrován.
Buďte stručný, ale důkladný; nikdy nenechte otázku bez odpovědi.
Vyhýbejte se odborné terminologii. Mluvte jako užitečný člověk, ne jako dokument s pravidly.
Nikdy se nepřou se zákazníkem a neberte jejich obavy na lehkou váhu.
Pokud něco nevíte, řekněte to upřímně a nabídněte, že to zjistíte nebo předáte dál.
Zvládejte běžné požadavky přímo, včetně: stavu objednávky, vrácení a refundací, otázek o produktech, problémů se doručením a pomoci s účtem.
Předejte lidskému agentovi, pokud: problém zahrnuje stížnost mimo vaši pravomoc, právní záležitosti nebo pokud zákazník výslovně požaduje člověka.
Na konci každé interakce potvrďte řešení — zeptejte se, zda vám mohu ještě s čím pomoci.
Nikdy nesdělujte interní politiky doslova, neslibujte věci mimo vaši pravomoc a nevymýšlejte informace, které nemáte.

Tón: Vřelý, profesionální a ujišťující — jako znalý přítel, ne jako korporátní scénář.

Max Execution Time

Omezuje čas (v sekundách), který může agent strávit na úkolu (výchozí: 300).

Max Iterations

Maximální počet kroků myšlení (výchozí: 10)

Max RPM

Omezuje požadavky za minutu (výchozí: 100).

Role

Volitelně definujte roli svého agenta. Roli si představte jako pracovní pozici agenta. Potřebujete agenta, který píše blogové příspěvky? Nazývejte ho “Autor obsahu”.

Goal

Cíl je úkol agenta a ideální výsledek. Například úkol autora obsahu může být vytvářet nové příspěvky nebo kontrolovat a opravovat stávající obsah.

Backstory

Vždy si přinášíte svou osobnost, způsob mluvení a zkušenosti do všeho, co děláte. To je váš příběh a to, co vás a vaši práci odlišuje od ostatních. Příběh je místo, kde dáte svému agentovi příběh, osobnost a pracovní zkušenosti.

Agent Chat History

Poskytuje minulé zprávy chatu jako kontext. Bez povolené historie agent pracuje na základě jednotlivých zpráv.

Agent Memory

Zda agent může číst a psát paměť vašeho pracovního prostoru. Je-li povoleno, budete požádáni o definování režimu a chování výzev.

Poznámka: Pouze vstup Nástroje je přísně vyžadován; všechna ostatní nastavení jsou volitelná a poskytují další přizpůsobení a stabilní kvalitu výstupu.

Co dělá dobrého AI Agenta: Správný model

Síla AI agenta je jeho AI model. Správný model dělá velký rozdíl v jeho funkci a výkonu. Podívejte se na tento blog na konečné srovnání na základě testů benchmarku.

• Velké jazykové modely (LLM): Modely jako GPT-4, Gemini a Claude mají silné schopnosti porozumění a generování přirozeného jazyka. Jsou ideální pro komplexní uvažování, plánování a zpracování více úkolů. Vyžadují však větší výpočetní výkon a mohou dělat příležitostné faktické nebo logické chyby nebo “halucinace”.
• Malé jazykové modely (SLM): Specifické úkoly vyžadují specializované modely, které šetří energii a mohou se specializovat a fungovat s nižšími provozními náklady.
• Modely vektorového vkládání: Modely, které vydávají vektorová vkládání, jsou skvělé při objevování a získávání obsahu. Umožňuje rychlé sémantické vyhledávání spolu s jednoduchým získáváním znalostních bází, což je kritické pro agenty, kteří potřebují rychlé generování poznatků.
• Modely rozhodování, uvažování a plánování: Pro rozhodnutí, která zahrnují klíčové volby rozhodování, přicházejí do popředí modely uvažování a plánování. Ať už se používá klasické algoritmické plánování nebo plánování založené na posílení učení, volby rozhodování umožňují agentům dělat dobře informovaná rozhodnutí.

V konečném důsledku je to složitost vašeho úkolu agenta, dostupnost vašich dat a váš rozpočet, které vám pomohou najít správný model. Je to nalezení toho správného bodu mezi výkonem a praktičností, co je důležité.

Jak AI agenti řeší úkoly

AI agenti nejen reagují, ale aktivně jednají na základě stanovených cílů. Proces se obecně skládá z těchto klíčových milníků:

• Definice cíle: Proces začíná dobře stanoveným cílem, úkolem nebo výzvou, kterou musí váš agent splnit.
• Pozorování prostředí: Agent dále zohledňuje relevantní fakta ze svého prostředí. Může to udělat prostřednictvím rozhraní API, databází, scrapování webu nebo vstupů senzorů.
• Plánování a uvažování: Na základě shromážděných faktů váš agent vytvoří plán akcí, rozdělující složité úkoly na zvladatelné kousky úkolů.
• Provádění akcí: Agent provede svůj plán pomocí dostupných nástrojů k jednání ve svém prostředí.
• Učení a přizpůsobení: Při běhu agent testuje svůj výkon a zlepšuje se učením ze zpětné vazby, čímž se jeho proces lépe přizpůsobuje svému dalšímu úkolu.

To umožňuje nasazení AI agentů v širokém spektru aplikací, od automatizované obsluhy klientů až po generování obsahu.