Agent AI

Komponent Agent AI jest wszechstronnym blokiem budowania zaprojektowanym do działania jako inteligentny agent w przepływie pracy AI. Ten agent wykorzystuje duże modele językowe (LLM), może łączyć się z narzędziami zewnętrznymi i jest konfigurowalny dla szerokiego zakresu przypadków użycia, takich jak konwersacyjne AI, złożona automatyzacja i dynamiczne wykonywanie zadań.

Dołącz do naszego newslettera

Otrzymuj najnowsze wskazówki, trendy i oferty za darmo.

Adres e-mail

Zapisz się

Co robi komponent

Agent AI przetwarza wejściowe podpowiedzi, bierze pod uwagę historię konwersacji (opcjonalnie) i może używać narzędzi zewnętrznych do generowania odpowiedzi uwzględniających kontekst. Jego możliwości można dostosować, określając historię, rolę i cel, umożliwiając agentowi zachowanie się zgodnie z określoną personą lub celem. Agent może również wykonywać wywoływanie funkcji, umożliwiając mu programową interakcję z interfejsami API lub systemami zewnętrznymi za pośrednictwem włączonych narzędzi.

Ustawienia Agenta AI

LLM

Wybierz duży model języka, który będzie używać agent. Możesz wybierać spośród różnych modeli od 6 głównych dostawców. Domyślnym modelem jest najnowszy model średniej klasy od OpenAI.

Narzędzia

To jest miejsce, gdzie dajesz agentowi wszystkie jego narzędzia. Dostępnych jest ponad 900 elementów, które możesz połączyć jako narzędzia. Obejmują one nowe możliwości i proste akcje wykonywane w zintegrowanych narzędziach. Praktycznie każdy interfejs, baza danych lub aplikacja komunikacyjna może stać się narzędziem za pośrednictwem interfejsów API i serwerów MCP.

Jak łączyć narzędzia

Kliknij + Dodaj narzędzie. Pełna lista wszystkich dostępnych narzędzi. Możesz ją filtrować według kategorii lub wyszukiwania:

Każde narzędzie ma unikalne ustawienia. Dla każdego elementu możesz zdecydować, aby pozwolić AI na użycie go w sposób, jaki będzie potrzebny, lub ręcznie skonfigurować parametry. Możesz przejść do ręcznego wprowadzania, klikając przycisk “AI decyduje”. Po zdefiniowaniu parametru jest on zablokowany i nie można go edytować dla AI.

Możesz pominąć konfigurację parametrów, klikając “Pomiń i dodaj”. Po skonfigurowaniu narzędzia kliknij “Dodaj z konfiguracją”. Następnie możesz kontynuować dodawanie innych narzędzi.

Wiadomość systemowa

To jest główna podpowiedź, w której definiujesz rolę agenta, zadanie, zachowanie i wszelkie inne instrukcje.

Przykładowa wiadomość systemowa:

Jesteś Sam, przyjaznym i kompetentnym asystentem obsługi klienta dla FlowHunt, platformy automatyzacji przepływów pracy opartej na AI.

Twoim głównym celem jest szybkie i satysfakcjonujące rozwiązanie problemów klientów, sprawiając, aby każdy klient czuł się wysłuchany, wspierany i ceniony. Dążysz do zmniejszenia eskalacji poprzez samodzielne i efektywne obsługiwanie większości żądań.

Instrukcje:
Zawsze pozdrawiaj klienta ciepło i używaj jego imienia, jeśli zostało podane.
Zachowaj spokój, cierpliwość i empatię — nawet jeśli klient jest sfrustrowany.
Bądź zwięzły, ale dokładny; nigdy nie pozostawiaj pytania bez odpowiedzi.
Unikaj żargonu. Mów jak pomocny człowiek, a nie dokument polityki.
Nigdy nie kłóć się z klientem i nie lekceważ jego obaw.
Jeśli czegoś nie wiesz, powiedz to szczerze i zaoferuj znalezienie odpowiedzi lub eskalację.
Obsługuj typowe żądania bezpośrednio, w tym: status zamówienia, zwroty i zwroty pieniędzy, pytania dotyczące produktów, problemy z wysyłką i pomoc na koncie.
Eskaluj do agenta człowieka, jeśli: problem dotyczy skargi poza twoją władzą, kwestii prawnych, lub jeśli klient wyraźnie prosi o człowieka.
Potwierdź rozwiązanie na koniec każdej interakcji — zapytaj, czy mogę ci jeszcze w czymś pomóc.
Nigdy nie udostępniaj polityk wewnętrznych dosłownie, nie obiecuj czegoś poza swoją władzą i nie wymyślaj informacji, których nie masz.

Ton: Ciepły, profesjonalny i uspokajający — jak wiedzy przyjaciel, a nie korporacyjny skrypt.

Max Execution Time

Ogranicza czas (w sekundach), który agent może poświęcić na zadanie (domyślnie: 300).

Max Iterations

Maksymalna liczba kroków myślenia (domyślnie: 10)

Max RPM

Ogranicza żądania na minutę (domyślnie: 100).

Rola

Opcjonalnie zdefiniuj rolę swojego agenta. Pomyśl o roli jako tytule stanowiska twojego Agenta. Czy twój Agent musi pisać posty na blogu? Nazwij go “Pisarzem treści”.

Cel

Cel to zadanie Agenta i idealny wynik. Na przykład, zadaniem pisarza treści może być tworzenie nowych postów lub sprawdzanie i weryfikacja istniejącej treści.

Historia

Zawsze wnosisz swoją osobowość, sposób mówienia i doświadczenie w cokolwiek robisz. To twoja historia i co odróżnia ciebie i twoją pracę od innych. Historia to miejsce, gdzie dajesz swojemu Agentowi historię, osobowość i doświadczenie zawodowe.

Historia czatu agenta

Dostarcza poprzednie wiadomości czatu jako kontekst. Bez włączonej historii agent pracuje na zasadzie wiadomości na wiadomość.

Agent Memory

Czy agent może czytać i pisać pamięć twojego obszaru roboczego. Jeśli włączone, będziesz poproszony o zdefiniowanie trybu i monitów zachowania.

Uwaga: Tylko wejście Narzędzia jest ściśle wymagane; wszystkie inne ustawienia są opcjonalne, zapewniając dodatkową dostosowywanie i stabilną jakość wyników.

Co sprawia, że Agent AI jest dobry: odpowiedni model

Moc stojąca za agentem AI to jego model AI. Odpowiedni model robi całą różnicę w jego funkcji i wydajności. Sprawdź ten blog, aby uzyskać ostateczne porównanie na podstawie testów porównawczych.

• Duże modele językowe (LLM): Modele takie jak GPT-4, Gemini i Claude mają mocne funkcje rozumienia i generowania języka naturalnego. Są idealne do złożonego rozumowania, planowania i obsługi wielu zadań. Jednak wymagają większej mocy obliczeniowej i mogą czasami popełniać błędy faktyczne lub logiczne lub “halucynacje”.
• Małe modele językowe (SLM): Konkretne zadania wymagają wyspecjalizowanych, oszczędzających energię modeli, które mogą się specjalizować i funkcjonować przy niższych kosztach operacyjnych.
• Modele osadzania wektorów: Modele, które wyprowadzają osadzenia wektorowe, są świetne w odkrywaniu i pobieraniu treści. Umożliwia szybkie wyszukiwanie semantyczne oraz łatwe pobieranie baz wiedzy, które są krytyczne dla agentów, którzy potrzebują szybkiego generowania wglądów.
• Modele rozumowania i planowania decyzji: W przypadku wyborów decyzji, które wymagają podejmowania kluczowych wyborów, w grę wchodzą modele rozumowania i planowania. Przy użyciu klasycznego planowania opartego na algorytmach lub planowania opartego na uczeniu się ze wzmocnieniem, wybory decyzji sprawiają, że agenci podejmują dobrze poinformowane wybory.

Ostatecznie, to złożoność zadania twojego agenta, dostępność twoich danych i twój budżet, które będą decydować o wyborze odpowiedniego modelu. Chodzi o znalezienie tego słodkiego punktu między mocą a praktycznością.

Jak agenci AI rozwiązują zadania

Agenci AI nie tylko reagują, ale aktywnie działają na podstawie określonych celów. Proces generalnie przechodzi przez te kluczowe etapy:

• Definicja celu: Proces rozpoczyna się od dobrze sformułowanego celu, zadania lub wyzwania, które twój agent musi osiągnąć.
• Obserwacje środowiska: Agent następnie bierze istotne fakty ze swojego środowiska. Może to zrobić za pośrednictwem interfejsów API, baz danych, scrapingu sieci Web lub wejść sensorów.
• Planowanie i rozumowanie: Na podstawie zgromadzonych faktów twój agent tworzy plan działania, dzieląc złożone zadania na możliwe do zarządzania części.
• Wykonanie akcji: Agent wykonuje swój plan, wykorzystując dostępne narzędzia do działania w swoim środowisku.
• Uczenie się i adaptacja: Podczas działania agent testuje swoją wydajność i ulepsza się poprzez uczenie się na podstawie sprzężenia zwrotnego, czyniąc swój proces bardziej dostosowanym do swojego następnego zadania.

To umożliwia stosowanie agentów AI w szerokim zakresie aplikacji, od zautomatyzowanej obsługi klientów po generowanie treści.