SelfManaged Crew

SelfManaged Crew

Załogi AI pozwalają korzystać z całych zespołów agentów AI do wykonywania złożonych zadań. Może się to wydawać początkowo skomplikowane, ale podejście “crew” po prostu odwzorowuje działanie prawdziwych zespołów. W każdym zespole masz osoby o unikalnych rolach i umiejętnościach, współpracujące dla wspólnego celu.

Załóżmy, że chcesz stworzyć i opublikować obszerny wpis na bloga. Praca zwykle zaczyna się od specjalisty SEO, który bada słowa kluczowe i tworzy konspekt treści. Tworzy on SEO brief, który trafia do copywritera. Po zakończeniu pisania kolega sprawdza i edytuje artykuł, dbając o jego jakość. A co z grafikami lub infografikami? Tutaj pomoże projektant.

Już masz co najmniej trzy lub cztery osoby zaangażowane w tworzenie tej treści. Mają wspólny cel, ale każda specjalizuje się w czymś innym i realizuje inne zadanie. Zobaczmy, jak możesz odwzorować taki zespół jako grupę agentów AI.

Ciekawi Cię Flow, który analizujemy w tym przewodniku? To Advanced Blog Generator — łatwo znajdziesz go w swojej bibliotece Flow.

Czym jest komponent SelfManaged Crew

Komponent SelfManaged Crew to element strukturalny, który grupuje agentów i zadania w jeden zespół zarządzany przez agenta-menadżera. Reprezentuje tylko jedną grupę, dzięki czemu możesz tworzyć wiele zespołów agentów w ramach jednego Flow. Klucz do stworzenia załogi AI to poprawna konfiguracja agentów i ich zadań.

Rola agentów AI w załogach

SelfManaged Crew to tylko komponent strukturalny, który zbiera grupy agentów razem. Dlatego pierwszym krokiem do skutecznego korzystania z załóg AI jest zrozumienie i właściwe ustawienie indywidualnych agentów, także agenta-menadżera.

Agenci AI to programy komputerowe, które mogą samodzielnie wykonywać zadania i rozwiązywać problemy. Przetwarzają informacje i podejmują decyzje na podstawie swojego programu, wiedzy oraz celów.

Agenci to nie tylko generatywna AI. Przy odpowiednich narzędziach mogą wykonywać realne zadania, takie jak wysyłanie maili, tworzenie dokumentów i inne. Zamiast definiować sztywne wyzwalacze dla ich działań, agenci mogą sami podejmować decyzje.

W praktyce nie musisz już podawać szczegółowych promptów dla sztywno kontrolowanego działania generatywnego. Wystarczy, że przekażesz agentowi jego rolę, osobowość i cel, by wiedział, kim jest i co go motywuje.

Dowiedz się więcej o agentach AI i komponencie AI Agent

Dlaczego załogi są lepsze od pojedynczych agentów?

Gdy pojawia się problem w procesach Twojego zespołu, możesz szybko go zlokalizować i współpracować z kompetentnym członkiem, by znaleźć rozwiązanie. Wyobraź sobie teraz, że pracujesz sam nad całym zadaniem i problem pojawia się tylko w Twojej głowie. Trudniej to zauważyć i zidentyfikować. Podobnie jest, gdy porównujesz pojedynczego agenta z załogą agentów.

Zlecając zadanie pojedynczemu agentowi, dajesz mu złożone zadanie, mając niewielką kontrolę nad tym, jak poszczególne podzadania są realizowane. Przy skomplikowanych zadaniach prowadzi to do wąskich gardeł i niskiej jakości wyników.

Z załogą możesz rozdzielić główne zadanie na konkretne podzadania, przypisując każde do innego członka AI zespołu. Efekt to znacznie bardziej profesjonalny i szczegółowy wynik. To także łatwiejsze debugowanie, a dzięki koordynacji wyspecjalizowanych agentów możesz realizować znacznie bardziej złożone projekty.

Różnica między Self-Managed a Sequential Crew

Możesz zauważyć, że na swoim dashboardzie masz dwa różne komponenty Crew. Różnica między tymi typami załóg tkwi w kolejności zadań i poziomie kontroli.

Wróćmy do przykładu zespołu marketingowego. Pierwszy w kolejce jest specjalista SEO. Gdy temat zostanie zbadany, przekazuje informacje copywriterowi. Poniżej widać, jak zadanie SEO Agenta łączy się z zadaniem Pisania agenta Content Writer:

Najpierw porozmawiajmy o Sequential Crew. W przypadku Sequential Crew zadania wykonywane są jedno po drugim w dokładnie takiej kolejności, jaką określisz w Flow. Gdy zadanie zostanie wykonane, jest ostateczne, a Flow przechodzi do kolejnego agenta. To świetne rozwiązanie dla prostych procesów lub takich, które wymagają mniej mocy obliczeniowej.

Przyjrzyjmy się realnej pracy copywritera. Najpierw robi research, potem pisze, ale w miarę pisania może zorientować się, że potrzebne są dodatkowe badania. Naturalne jest więc wracanie między zadaniami researchu i pisania, zanim przejdzie się dalej. Sequential Crew tego nie umożliwia — po wykonaniu zadania jest ono zamknięte. Tutaj pojawiają się Self-Managed Crew.

W Self-Managed Crew to menedżer AI decyduje o kolejności zadań i liczbie iteracji. Podejmując decyzje, AI stara się ściśle odwzorować tradycyjną hierarchię organizacyjną. To otwiera możliwość powtarzania zadań i tworzenia wielu iteracji końcowego rezultatu.

Dzięki menedżerowi LLM, który deleguje zadania i nadzoruje ich realizację, SelfManaged Crew może pracować nad jednym złożonym zadaniem. Menedżer LLM może płynnie podzielić zadanie i przypisać podzadania właściwym agentom. To świetne rozwiązanie, gdy wiesz, co chcesz osiągnąć, ale nie znasz dokładnego procesu i podzadań.

Jak korzystać z SelfManaged Crews

SelfManaged Crew to komponent strukturalny, który grupuje agentów i komponenty zadań w zespół. Aby użyć SelfManaged Crew, musisz najpierw zdefiniować agenta-menadżera, członków zespołu i ich zadania. Dopiero wtedy możesz utworzyć z nich zespół.

Konfiguracja SelfManaged Crews składa się z czterech kroków:

1. Ustawienie indywidualnych agentów AI
2. Przypisanie zadań agentom
3. Konfiguracja agenta-menadżera
4. Utworzenie zespołu agentów jako SelfManaged Crew

Ustawianie indywidualnych agentów AI

Każdy członek prawdziwego zespołu ma rolę, cele i swoją unikalną historię, obejmującą doświadczenia, osobowość i styl. Tak samo każdy agent AI.

Przykładowo, skupmy się na copywriterze w zespole:

• Rola: Stanowisko Twojego agenta. W tym przykładzie rolą jest copywriter.
• Cel: Co agent robi i jaki jest jego wymarzony rezultat. Oczekiwany efekt dla copywritera to dobrze napisany artykuł zgodny z tematyką i briefem SEO.
• Historia: Określa, kim jest agent. Niezależnie czy tego chcesz, zawsze wnosisz do pracy swoją osobowość, sposób myślenia, słownictwo i doświadczenia. Jest to szczególnie widoczne w pracy kreatywnej, jak pisanie treści.

Powtórz ten proces dla wszystkich agentów, których chcesz użyć w zespole.

Dowiedz się więcej o agentach AI i komponencie AI Agent

Przypisywanie zadań agentom

Kontynuując nasz przykład tworzenia bloga, wiemy już, kim jest nasz agent. Kolejny krok to przekazanie mu zadania i przedstawienie go zespołowi.

Czym są komponenty zadań?

W załogach każdy agent otrzymuje zadanie do wykonania. Tak jak w prawdziwym zespole, każdy członek może realizować różne zadania projektowe. Komponenty zadań pozwalają Ci określić i przypisać te zadania.

Zauważysz, że podobnie jak w przypadku komponentu Crew, są dwa możliwe komponenty zadań — sequential i SelfManaged. Ponieważ to dwa przeciwstawne podejścia do zarządzania agentami, mieszanie ich nie miałoby sensu. Dlatego przy SelfManaged Crew używamy SelfManaged Tasks:

Jeśli masz zadanie, ale nie wiesz, jak podzielić je na mniejsze podzadania, po prostu wpisz wszystko jako jedno zadanie. Menedżer LLM przypisuje zadania i nadzoruje proces, dbając, by każdy agent wiedział, co robić i kiedy. Może podzielić główne zadanie na części i przypisać je odpowiednim agentom.

Oprócz zadania, każdy agent w załodze może otrzymać odpowiednie narzędzia, ułatwiające i precyzujące pracę. W naszym przykładzie researcher używa narzędzi GoogleSearch i URL Retriever, by kontrolować możliwości researchu.

Teraz skonfiguruj zadania. Każde zadanie SelfManaged Task musi mieć opis, oczekiwany rezultat lub oba te elementy:

Opis zadania dla agenta copywritera może wyglądać tak:

“Na podstawie SEO content brief napisz wpis na bloga nie dłuższy niż 1500 słów. 

Nigdy nie zaczynaj akapitów od ogólników typu ‘W szybko zmieniającej się branży…’. Zawsze przechodź od razu do sedna informacji, którą ma przekazać akapit.”

Przyjrzyjmy się temu opisowi zadania:

• “Na podstawie briefu” – Agent wie, co zrobić z wcześniejszym outputem.
• “Napisz wpis do 1500 słów” – Oczekiwany rezultat od agenta.
• “Nigdy nie zaczynaj…” – Dodatkowe niestandardowe instrukcje do dopracowania rezultatu. Mogą to być wskazówki dotyczące języka, słownictwa, struktury lub czegokolwiek, co pomoże agentowi stworzyć to, czego potrzebujesz.

Pole oczekiwany rezultat jest opcjonalne i sprawdza się, gdy chcesz uzyskać ustrukturyzowany wynik lub mieć pewność, że coś zostanie zawarte w rezultacie. Przykładowo, zadaniem agenta researcher SEO jest stworzenie:

Brief w tej formie:

SEO friendly Title:

SEO friendly Meta description:

SEO friendly Outline