Selvstyrende Opgaver

Hvad er komponenten Selvstyrende Opgave

Selvstyrende Opgave-komponenten giver dig mulighed for at definere og tildele opgaver, som agenter skal udføre. På denne måde får du mere kontrol og indsigt i, hvordan de enkelte dele af en arbejdsgang udføres, hvilket er nyttigt ved komplekse arbejdsgange. At opdele komplekse mål i delopgaver fører også til mere detaljerede og kvalitetsrige resultater.

Opgaver som en del af Crews

Lad os sige, at du vil oprette og offentliggøre et langt blogindlæg. Du vil sandsynligvis forsøge at genskabe et helt indholdsteam af agenter. Arbejdet starter normalt med en SEO-specialist, der undersøger nøgleord og laver en disposition. De laver et SEO-brief, som gives videre til tekstforfatteren. Når forfatteren er færdig, vil en kollega korrekturlæse og redigere artiklen for at sikre kvaliteten. Hvad med de fremhævede billeder eller infografikker? En designer vil hjælpe med det.

Du har allerede mindst tre eller fire personer, der arbejder på at skabe indholdet. Hver af dem har en specifik opgave. Ligesom i et rigtigt team kan du lave et team af AI-agenter ved hjælp af Selvstyrende Crew-komponenten. I dette team får hvert medlem tildelt en specifik opgave via Selvstyrende Opgave-komponenten.

Udover at have deres præcise opgave i et team, kan én AI-agent udføre flere andre opgaver. Lad os tage tekstforfatteren fra det tidligere eksempel. Denne agents hovedopgave er at skrive en artikel baseret på SEO-briefet fra den tidligere agent. I virkeligheden vil en forfatter have flere opgaver end blot at skrive artiklen. For eksempel kan de skulle skrive en meta-beskrivelse og endda et opslag til sociale medier. Hvis man lægger disse som delopgaver under én opgave, kan det føre til et mere kaotisk og mindre klart output.

Nysgerrig efter det Flow, vi analyserer i denne guide? Det er Advanced Blog Generator, og du kan nemt finde det i dit Flow-bibliotek.

Forskellen mellem Sekventielle og Selvstyrende Opgaver

Du har måske bemærket, at der er to opgavekomponenter i dit dashboard. Forskellen mellem disse typer ligger i rækkefølgen af opgaverne og niveauet af kontrol, du har.

Lad os først tale om Sekventielle Opgaver. Sekventielle opgaver udføres én efter én i den rækkefølge (præcis orden), du angiver. Når en opgave er færdig, er den færdig, og Flowet går videre til næste agent. Den sekventielle tilgang er god til lineære processer, der ikke kræver opgaverepetition.

Men det er ikke altid tilfældet i virkeligheden. Tag en rigtig tekstforfatter. De vil først lave research og derefter skrive, men mens artiklen udvikler sig, kan de indse, at der er behov for mere research. Derfor vil de gå frem og tilbage mellem research og skriveopgaver, før de endelig går videre til næste trin. Men dette er umuligt med sekventielle crews og opgaver. Det er her, Selvstyrende opgaver kommer ind.

Med Selvstyrende Opgaver beslutter manager-AI-agenten rækkefølgen af opgaverne. Når der træffes beslutninger, forsøger AI’en at efterligne traditionelle organisatoriske hierarkier tæt og tildele opgaverne til den bedst egnede agent. Dette åbner op for muligheden for at gentage opgaver og lave flere iterationer af det endelige output.

Følger din arbejdsgang en klar lineær proces? Prøv i stedet at bruge sekventielle opgaver. Læs mere i denne guide.

Sådan bruger du Selvstyrende Opgaver

Selvstyrende opgaver er opgaver, der udføres i et crew styret af en AI-agent. Med andre ord giver du opgaver til dit AI-team, og deres egen AI-manager beslutter, hvilket teammedlem der udfører hvilken opgave hvornår.

For hvert komplekst mål kan der være flere agenter og flere opgaver, alt sammen forbundet af Selvstyrende Crew-komponenten. Inden vi opretter og tildeler opgaver, bør vi først definere agenterne. Det vil sige, vi bør kende vores team, før vi giver dem opgaver.

Opsætning af Selvstyrende Opgaver består af fire trin:

1. Opsætning af individuelle AI-agenter
2. Tildele agenterne opgaver
3. Opsætning af manager-agenten
4. Samle agenterne til et crew

Opsætning af individuelle AI-agenter

Hvert medlem af et rigtigt team har en rolle, mål og en unik baggrundshistorie, der inkluderer tidligere erfaringer, personlighed og specifik stil. Det har hver AI-agent også.

For eksempel, lad os fokusere på tekstforfatteren i teamet:

• Rollen: Din agents jobtitel. I dette eksempel er rollen tekstforfatter.
• Målet: Hvad agenten gør, og hvad deres ideelle resultat er. Det forventede resultat for tekstforfatteren er en velskrevet artikel, der overholder temaet og SEO-briefet.
• Baggrundshistorien: Hvem agenten er. Uanset om du vil det eller ej, bringer du altid din personlighed, tankegang, ordforråd og tidligere erfaringer med til alt, hvad du gør. Dette er endnu mere synligt i kreativt arbejde, såsom tekstforfatning.

Gå videre og opsæt nogle agenter. Når du laver et crew, så tænk altid på slutmålet og hvilke teammedlemmer, du har brug for til at opnå det. Opret derefter agenter, der repræsenterer disse teammedlemmer. Du kan sagtens oprette kun én agent, hvis du vil give agenten flere opgaver.

Bemærk: Har du kun én agent og én opgave? Så er der ikke behov for at bruge opgavekomponenter. Brug blot mål-feltet på agenten i stedet for at give den opgaven.

I vores tekstforfatter-eksempel har vi oprettet SEO-forsker, tekstforfatter og korrekturlæser-agenter. Men agenter og opgaver afhænger altid af dine specifikke behov og processer. Du kan frit opdele den eksisterende proces endnu mere eller tilføje nye agenter. For eksempel kan du tilføje en designer-agent, der genererer billeder til din artikel.

Læs mere om AI-agenter og hvordan du bruger AI Agent-komponenten.

At tildele agenter opgaver

I Crews tildeles hver Agent én eller flere opgaver at udføre. Ligesom i et rigtigt team kan hvert medlem udføre forskellige projekt-specifikke opgaver. Opgavekomponenterne gør det muligt at specificere og tildele disse opgaver. Fortsætter vi med vores blog-eksempel, kender vi nu vores agent. Det næste skridt er at lade agenten vide, hvad deres opgave er, og introducere dem for teamet.

Du vil bemærke, at ligesom med Crew-komponenten er der to mulige opgavekomponenter— sekventiel og Selvstyrende. Da disse er to modsatte tilgange til styring af agenter, giver det ingen mening at blande dem. Derfor bruger vi også Selvstyrende Opgaver, når vi bruger et Selvstyrende Crew:

I modsætning til sekventielle opgaver er Selvstyrende Opgaver ideelle til processer, hvor du ikke er sikker på, hvordan en kompleks proces skal opdeles i mindre delopgaver. Du kan blot skrive hele det komplekse mål ind i én opgave. Manager-LLM’en er der for at tildele opgaver og overvåge processen, så hver agent ved, hvad de skal gøre og hvornår. Den kan nemt opdele hovedopgaven og tildele delene til den rette agent.

Ud over opgaven kan hver agent i et Crew også få passende værktøjer, der gør deres arbejde lettere og mere præcist. I vores eksempel bruger forskeren GoogleSearch- og URL Retriever-værktøjerne til at styre researchmulighederne.

Sådan opsætter du Selvstyrende Opgaver

Hver opgave skal have en beskrivelse og en agent, der er ansvarlig for udførelsen. Valgfrit kan du udfylde feltet for forventet output, hvis du har brug for outputtet i en bestemt struktur eller vil sikre, at noget er inkluderet.

Opgavebeskrivelsen for vores tekstforfatter-agent kunne lyde sådan her:

“Givet SEO-briefet, skriv et blogindlæg på højst 1500 ord.

Start aldrig afsnit med vage udsagn som ‘I det hastigt foranderlige felt af…’. Gå altid direkte til hovedinformationen, som afsnittet skal levere.”

Lad os se nærmere på denne opgavebeskrivelse:

• “Givet content briefet” – Agenten ved, hvad de skal gøre med det foregående output.
• “Skriv et blogindlæg på op til 1500 ord” – Det output, vi forventer fra agenten.
• “Start aldrig…..” – Yderligere tilpassede instruktioner for at tilpasse outputtet. Disse instruktioner kan være alle former for retningslinjer om sprog, ordforråd, struktur eller noget andet, der hjælper agenten med at skabe det, du har brug for.

Forventet output-feltet er valgfrit og fungerer godt, når du har brug for et klart struktureret output eller vil sikre, at noget specifikt er inkluderet. For eksempel er vores SEO-forskeragents opgave at lave:

Et brief i denne form:

SEO-venlig titel:

SEO-venlig meta-beskrivelse:

SEO-venlig disposition

Sådan sikrer du, at outputtet starter med en titel og meta-beskrivelse.

Det sidste trin er at forbinde alle opgaverne til tasks-håndtaget på Selvstyrende Crew-komponenten. Herfra tager manager-LLM’en over og arrangerer opgaverne efter behov for at opnå det forventede output.

Husk, at sekventielle crews kun fungerer med sekventielle opgaver, og Selvstyrende crews kun fungerer med Selvstyrende opgaver.

At gøre agenterne til et crew

Lad os vende tilbage til vores Flow. Det har tre teammedlems-agenter og en opgave til hver, og manager-LLM’en overvåger hele processen. Det sidste trin i at oprette et crew er at lade agenterne vide, at de er et team. Det er her, Selvstyrende Crew-komponenten kommer i spil.

Selvstyrende Crew-komponenten

Selvstyrende Crew-komponenten repræsenterer en gruppe agenter, hvis arbejde automatisk styres af en manager-LLM. Teamet styrer sig selv, hvilket giver dynamisk arbejde og mulighed for at lave flere iterationer. Det er i bund og grund en måde at fortælle agenterne, at de er et team med et fælles mål.

Der kan være mere end ét uafhængigt team i dit Flow, hvilket betyder flere crew-komponenter, der adskiller disse teams fra hinanden. I vores eksempel bruger vi kun ét crew, men vi skal stadig samle agenterne i et crew.

Vil du lære mere om Selvstyrende Crews? Se vores guide for at lære alt, du behøver at vide.

I vores eksempel bruger vi kun ét crew, men vi skal stadig samle agenterne som et team:

Forbind alle agenterne til Agents-håndtaget på Selvstyrende Crew-komponenten.

Så er det det. Send det til output, og nu har du et team af agenter, der arbejder i en præcis rækkefølge.