
Selvstyrt Oppgave
Komponenten Selvstyrt Oppgave lar brukere definere og utføre autonome oppgaver innenfor en arbeidsflyt. Spesifiser en tydelig oppgavebeskrivelse, forventet resu...
Selvstyrte Oppgaver i FlowHunt lar KI-agenter utføre tildelte oppgaver autonomt, og etterligner ekte teamdynamikk for komplekse arbeidsflyter og bedre resultater.
Selvstyrt Oppgave-komponenten lar deg definere og tildele oppgaver som agenter skal utføre. På denne måten får du mer kontroll og innsikt i hvordan de enkelte delene av en arbeidsflyt utføres, noe som er nyttig for komplekse prosesser. Å bryte ned komplekse mål til deloppgaver gir også mer detaljerte og høyere kvalitetsresultater.
La oss si at du vil lage og publisere et langt blogginnlegg. Du vil da sannsynligvis forsøke å gjenskape et helt innholdsteam av agenter. Arbeidet starter vanligvis med en SEO-spesialist som gjør søkeordsanalyse og lager disposisjon. De lager et SEO-brief som gis videre til innholdsforfatteren. Når forfatteren er ferdig, vil en kollega korrekturlese og redigere artikkelen for å sikre kvalitet. Hva med utvalgte bilder eller infografikk? En designer vil bistå med det.
Du har allerede minst tre eller fire personer involvert i å lage innholdet. Hver av dem har en spesifikk oppgave å utføre. Akkurat som i et ekte team, kan du lage et team av KI-agenter ved å bruke Selvstyrt Crew-komponenten. I dette teamet vil hvert medlem få en spesifikk oppgave tildelt via Selvstyrt Oppgave-komponenten.
I tillegg til å ha sin eksakte oppgave i et team, kan én KI-agent utføre flere andre oppgaver. Ta for eksempel innholdsforfatteren fra eksemplet ovenfor. Denne agentens hovedoppgave er å skrive en artikkel basert på SEO-briefen fra forrige agent. I virkeligheten har en forfatter flere oppgaver enn bare å skrive selve artikkelen. For eksempel kan de måtte skrive en meta-beskrivelse og til og med et innlegg for sosiale medier. Å legge disse som deloppgaver under én oppgave kan føre til et mer kaotisk og mindre oversiktlig resultat.
Nysgjerrig på Flowen vi analyserer i denne veiledningen? Det er Avansert Blogg Generator, og du finner det enkelt i Flow-biblioteket ditt.
Du har kanskje lagt merke til at det finnes to oppgavekomponenter i dashbordet ditt. Forskjellen mellom disse typene ligger i rekkefølgen på oppgaver og hvor mye kontroll du får.
La oss først snakke om Sekvensielle Oppgaver. Sekvensielle oppgaver utføres etter hverandre i en rekkefølge (nøyaktig den du spesifiserer). Når en oppgave er utført, er den ferdig, og Flowen fortsetter til neste agent. Den sekvensielle tilnærmingen er super for lineære prosesser som ikke krever gjentakelse av oppgaver.
Men slik er det ikke alltid i virkeligheten. Ta en ekte innholdsforfatter. De vil først gjøre research og så begynne å skrive, men mens artikkelen utvikler seg, kan de innse at de trenger mer research. Naturlig nok vil de gå frem og tilbake mellom research og skriving før de til slutt går videre til neste steg. Dette er imidlertid umulig med sekvensielle crew og oppgaver. Det er her Selvstyrte oppgaver kommer inn.
Med Selvstyrte Oppgaver er det leder-KI-agenten som bestemmer rekkefølgen på oppgavene. Når avgjørelser tas, forsøker KI å etterligne tradisjonelle organisasjonshierarkier og tildele oppgaver til den best egnede agenten. Dette åpner for muligheten til å gjenta oppgaver og lage flere iterasjoner av sluttresultatet.
Følger arbeidsflyten din en klar, lineær prosess? Prøv sekvensielle oppgaver i stedet. Les mer i denne veiledningen.
Selvstyrte oppgaver er oppgaver som utføres i et crew styrt av en KI-agent. Med andre ord gir du oppgaver til KI-teamet ditt, og deres egen KI-leder avgjør hvilket teammedlem som utfører hvilken oppgave og når.
For hvert komplekst mål kan det være flere agenter og flere oppgaver, alt samlet av Selvstyrt Crew-komponenten. Før vi lager og tildeler oppgaver, bør vi først definere agentene. Det vil si, vi bør kjenne til teamet vårt før vi gir dem oppgaver.
Å sette opp Selvstyrte Oppgaver består av fire steg:
Hvert medlem i et ekte team har en rolle, mål og en unik bakgrunnshistorie som inkluderer deres tidligere erfaringer, personlighet og spesielle stil. Det samme gjelder for hver KI-agent.
For eksempel, la oss fokusere på innholdsforfatter-teammedlemmet:
Gå i gang og opprett noen agenter. Når du lager et crew, bør du alltid tenke på sluttmålet og hvilke teammedlemmer du trenger for å nå dette. Deretter lager du agenter som representerer disse teammedlemmene. Du kan også lage bare én agent hvis du vil at denne skal ha flere oppgaver.
Merk: Har du bare én agent og én oppgave? Da trenger du ikke bruke oppgavekomponenter. Bruk bare mål-feltet til agenten for å gi den oppgaven.
I vårt innholdseksempel har vi laget agentene SEO-researcher, tekstforfatter og korrekturleser. Men hvilke agenter og oppgaver du har, avhenger alltid av dine behov og prosesser. Del gjerne opp prosessen enda mer, eller legg til nye agenter. For eksempel kan du legge til en designeragent som lager bilder til artikkelen.
Lær mer om KI-agenter og hvordan du bruker KI-agent-komponenten.
I Crew får hver agent én eller flere oppgaver de skal utføre. Akkurat som i et ekte team kan hvert medlem ha ulike prosjektspesifikke oppgaver. Oppgavekomponentene lar deg angi og tildele disse oppgavene. Vi fortsetter med blogg-eksempelet vårt, nå vet vi hvem agentene er. Neste steg er å la agenten få vite sin oppgave og introdusere dem for teamet.
Du vil merke at, som med Crew-komponenten, finnes det to mulige oppgavekomponenter – sekvensielle og Selvstyrte. Siden dette er to motstridende tilnærminger til agentstyring, gir det ikke mening å blande dem. Derfor bruker vi også Selvstyrte Oppgaver når vi bruker Selvstyrt Crew:
I motsetning til Sekvensielle Oppgaver, er Selvstyrte Oppgaver ideelle for prosesser hvor det er uklart hvordan et komplekst mål bør deles opp i deloppgaver. Du kan ganske enkelt skrive hele det komplekse målet inn som én oppgave. Leder-LLM-en er der for å tildele oppgaver og overvåke prosessen, og sørge for at hver agent vet hva som skal gjøres og når. Den kan enkelt dele opp hovedoppgaven og tildele delene til riktig agent.
I tillegg til oppgaven kan hver agent i et Crew også få passende verktøy, som gjør jobben enklere og mer presis. I eksempelet vårt bruker researcheren GoogleSearch og URL Retriever-verktøyene for å styre research-mulighetene.
Hver oppgave må ha en beskrivelse og en agent som er ansvarlig for utførelsen. Valgfritt kan du fylle ut feltet for forventet output hvis du trenger at resultatet har en bestemt struktur eller vil sikre at noe blir inkludert.
Oppgavebeskrivelsen for innholdsforfatter-agenten kan for eksempel være:
“Gitt SEO-innholdsbriefet, skriv et blogginnlegg på maks 1500 ord.
Start aldri avsnitt med vage utsagn som ‘I det hurtig endrende feltet…’. Gå alltid rett på hovedinformasjonen avsnittet skal gi.”
La oss se nærmere på denne oppgavebeskrivelsen:
Feltet forventet output er valgfritt og passer utmerket når du trenger et tydelig strukturert resultat, eller vil sikre at noe ikke blir glemt. For eksempel er oppgaven til SEO-researcher-agenten å lage:
Et brief i dette formatet:
SEO-vennlig tittel:
SEO-vennlig metabeskrivelse:
SEO-vennlig disposisjon
Slik sikrer du at agenten starter output med tittel og metabeskrivelse.
Siste steg er å koble alle oppgavene til tasks-håndtaket på Selvstyrt Crew-komponenten. Derfra tar leder-LLM-en over og ordner oppgavene slik det er nødvendig for å oppnå forventet output.
Husk at sekvensielle crew kun fungerer med sekvensielle oppgaver, og Selvstyrte crew kun fungerer med Selvstyrte oppgaver.
La oss gå tilbake til Flowen vår. Den har tre teammedlem-agenter og én oppgave til hver, og en leder-LLM som overvåker hele prosessen. Siste steg for å lage et crew er å fortelle agentene at de er et team. Dette er hvor Selvstyrt Crew-komponenten kommer inn.
Selvstyrt Crew-komponenten representerer en gruppe agenter hvor arbeidet automatisk styres av en leder-LLM. Teamet styrer seg selv, noe som gir dynamisk arbeid og muligheten til å lage flere iterasjoner. Det er egentlig en måte å fortelle agentene at de er et team med et felles mål.
Det kan være mer enn ett uavhengig team i Flowen din, altså flere crew-komponenter som skiller teamene fra hverandre. I eksempelet vårt bruker vi bare ett crew, men vi må fortsatt samle agentene i et crew.
Vil du vite mer om Selvstyrte Crew? Se vår guide for alt du trenger å vite.
I vårt eksempel bruker vi bare ett crew, men vi må fortsatt samle agentene som et team:
Koble alle agentene til Agents-håndtaket på Selvstyrt Crew-komponenten.
Det er det. Bare send til output, og nå har du et team av agenter som jobber i nøyaktig rekkefølge.
Selvstyrte Oppgaver lar deg tildele oppgaver til KI-agenter som kan håndtere, gjenta og iterere oppgaver autonomt – akkurat som et ekte team ville gjort, noe som gir mer fleksibilitet og bedre resultater i komplekse arbeidsflyter.
Sekvensielle Oppgaver følger en streng rekkefølge uten gjentakelse, ideelt for lineære arbeidsflyter. Selvstyrte Oppgaver lar en lederagent bestemme oppgaverekkefølgen, tillater gjentakelse av oppgaver og etterligner dynamisk, virkelig samarbeid i team.
Du må definere individuelle KI-agenter med roller, mål og bakgrunnshistorier, tildele oppgaver til dem, sette opp en lederagent, og samle dem i et Selvstyrt Crew for autonomt samarbeid.
Ja, en enkelt KI-agent kan tildeles flere oppgaver, akkurat som et teammedlem med flere ansvarsområder. For enkle tilfeller kan du bruke agentens mål-felt uten oppgavekomponenten.
Fordelene inkluderer mer fleksible arbeidsflyter, mulighet for å iterere og forbedre resultater, tydeligere oppgavedeling mellom KI-agenter, og økt kvalitet gjennom dynamisk samarbeid.
Oppdag hvordan Selvstyrte Oppgaver kan revolusjonere arbeidsflyten din ved å la KI-team samarbeide, iterere og levere resultater av høy kvalitet.
Komponenten Selvstyrt Oppgave lar brukere definere og utføre autonome oppgaver innenfor en arbeidsflyt. Spesifiser en tydelig oppgavebeskrivelse, forventet resu...
La team av KI-kollegaer håndtere komplekse oppgaver. Oppdag hvordan FlowHunts Selvstyrt Crew-komponent gjør det mulig for KI-agenter å samarbeide som ekte team,...
Komponenten for sekvensielle oppgaver organiserer arbeidsflytsteg ved å definere en tydelig oppgavebeskrivelse, forventet resultat og tildele en agent til å utf...