Självstyrd Besättning

Självstyrd Besättning

AI-besättningar gör det möjligt att använda hela team av AI-agenter för att utföra komplexa uppgifter. Det kan initialt verka förvirrande, men besättningsmetoden kopierar helt enkelt hur riktiga team arbetar. I varje team finns individer med unika roller och färdigheter som samarbetar för att nå ett gemensamt mål.

Låt oss säga att du vill skapa och publicera ett långformat blogginlägg. Arbetet börjar vanligtvis med att en SEO-specialist undersöker nyckelord och gör en disposition. De skapar ett SEO-brief som lämnas vidare till skribenten. När skribenten är klar korrekturläser och redigerar en kollega artikeln för att säkerställa kvaliteten. Vad gäller utvalda bilder eller infografik? En designer hjälper till med det.

Du har redan minst tre eller fyra personer som arbetar med att skapa detta innehåll. De delar ett gemensamt mål, men var och en är specialiserad på något annat och utför en egen deluppgift. Låt oss se hur du kan kopiera detta team som en grupp AI-agenter.

Nyfiken på Flödet vi analyserar i den här guiden? Det är Advanced Blog Generator och du hittar det enkelt i ditt Flödesbibliotek.

Vad är SelfManaged Crew-komponenten

SelfManaged Crew-komponenten är en strukturkomponent som grupperar agenter och uppgifter i ett team lett av en chef-agent. Den representerar bara en grupp, vilket gör det möjligt att skapa flera agentteam i ett och samma Flöde. Kärnan i att skapa en AI-besättning är att konfigurera agenter och deras uppgifter.

AI-agenternas roll i besättningar

SelfManaged Crew-komponenten är endast en strukturell komponent som sammanför grupper av agenter. Därför är det första steget för att lyckas med AI-besättningar att förstå och konfigurera individuella agenter, inklusive chef-agenten.

AI-agenter är datorprogram som självständigt kan utföra uppgifter och lösa problem. De behandlar information och agerar utifrån sin programmering, kunskap och mål.

Agenter är inte bara generativ AI. Med rätt verktyg kan de utföra verkliga uppgifter som att skicka e-post, skapa dokument och mer. Istället för att fördefiniera rigida triggers för detta beteende kan agenterna själva fatta beslut.

I praktiken behöver du inte längre ge detaljerade instruktioner för ett strikt kontrollerat generativt beteende. Allt du behöver göra är att ge agenten dess roll, personlighet och mål, så att de vet vem de är och vad som motiverar dem.

Läs mer om AI-agenter och hur du använder AI Agent-komponenten

Hur är besättningar bättre än enskilda agenter?

Om det finns ett problem i ditt teams arbetsprocesser kan du snabbt identifiera felet och samarbeta med en kompetent teammedlem för att hitta en lösning. Tänk dig nu att det bara är du som arbetar med hela uppgiften, och problemet uppstår i ditt eget huvud. Det är mycket svårare att upptäcka och identifiera. Det samma gäller när du jämför en enskild agent med en besättning av agenter.

När du instruerar en enskild agent ger du den en komplex uppgift utan större kontroll över hur de enskilda deluppgifterna utförs. Vid komplexa uppgifter kan detta leda till flaskhalsar och låg resultatkvalitet.

Med en besättning kan du dela upp huvuduppgiften i specifika deluppgifter och tilldela varje till en unik AI-teammedlem. Resultatet blir betydligt mer professionellt och detaljerat. Det innebär också enklare felsökning, och att koordinera specialiserade agenter gör det möjligt att hantera mycket mer komplexa uppgifter.

Skillnaden mellan självstyrda och sekventiella besättningar

Du har kanske märkt att det finns två olika besättningskomponenter i din instrumentpanel. Skillnaden mellan dessa typer av besättningar ligger i uppgifternas ordning och hur mycket kontroll du får.

Låt oss återgå till vårt exempel med marknadsteamet. Först i kön är SEO-specialisten. När ämnet har undersökts skickas informationen vidare till skribenten. Nedan ser du hur SEO-agentens uppgift är kopplad till Content Writer-agentens skrivuppgift:

Låt oss först prata om en sekventiell besättning. Med en Sequential Crew utförs uppgifterna en efter en i exakt den ordning du anger i Flödet. När en uppgift är klar är den permanent och Flödet går vidare till nästa agent. Det är utmärkt för enkla processer eller processer som kräver mindre beräkningskraft.

Tänk på en verklig skribent. Hen gör först research och börjar sedan att skriva, men medan artikeln tar form inser hen kanske att mer research behövs. Då går man förstås fram och tillbaka mellan research och skrivande innan man till sist går vidare till nästa steg. Den sekventiella besättningen gör inte detta. När en uppgift är klar är den klar. Det är här självstyrda besättningar kommer in.

Med en Självstyrd Besättning bestämmer chef-agenten ordningen på uppgifterna och hur många iterationer som behövs. Vid beslut försöker AI:n efterlikna traditionella organisationshierarkier så nära som möjligt. Detta öppnar för möjligheten att upprepa uppgifter och skapa flera iterationer av slutresultatet.

Tack vare chefens LLM, som delegerar uppgifter och övervakar deras utförande, kan SelfManaged Crew arbeta med en enda komplex uppgift. Chefs-LLM kan sömlöst dela upp uppgiften och tilldela deluppgifter till rätt agenter. Detta är särskilt användbart när du vet vad som ska göras men inte exakt hur processen och deluppgifterna ser ut.

Hur använder man Självstyrd Besättning

SelfManaged Crew är en strukturkomponent som sammanför agenter och uppgiftskomponenter i en grupp. För att använda en självstyrd besättning måste vi först definiera chef-agenten, teammedlemmarna och deras uppgifter. Först därefter kan vi göra dem till ett team.

Att sätta upp en självstyrd besättning består av fyra steg:

1. Sätta upp individuella AI-agenter
2. Tilldela agenterna uppgifter
3. Sätta upp chef-agenten
4. Göra agenterna till en självstyrd besättning

Sätta upp individuella AI-agenter

Varje medlem i ett riktigt team har en roll, mål och en unik bakgrund som inkluderar tidigare erfarenheter, personlighet och särskild stil. Så även varje AI-agent.

Till exempel, låt oss fokusera på skribenten i teamet:

• Rollen: Din agents jobbtitel. I detta exempel är rollen att vara skribent.
• Målet: Vad agenten gör och vad det ideala resultatet är. Det förväntade resultatet för skribenten är en välskriven artikel som följer temat och SEO-briefen.
• Bakgrund: Representerar vem agenten är. Oavsett om du vill det eller inte tar du alltid med dig din personlighet, ditt sätt att tänka, ditt ordförråd och dina erfarenheter i allt du gör. Detta syns ännu tydligare i kreativa yrken som att skriva innehåll.

Upprepa denna process för alla agenter du vill använda i ditt team.

Läs mer om AI-agenter och hur du använder AI Agent-komponenten

Tilldela agenterna uppgifter

Fortsätter vi med vårt exempel på blogginnehåll så vet vi nu vem vår agent är. Nästa steg är att låta agenten veta sin uppgift och introducera denne till teamet.

Vad är uppgiftskomponenterna?

I besättningar tilldelas varje agent en uppgift att utföra. Precis som i ett riktigt team kan varje medlem utföra olika projektrelaterade uppgifter. Uppgiftskomponenterna låter dig specificera och tilldela dessa uppgifter.

Du kommer märka att det precis som med besättningskomponenten finns två möjliga uppgiftskomponenter—sekventiell och självstyrd. Eftersom dessa är motsatta sätt att hantera agenter vore det ingen mening att blanda dem. Därför använder vi Självstyrda Uppgifter när vi använder en självstyrd besättning:

Om du har en uppgift i åtanke men är osäker på hur du ska dela upp den i mindre deluppgifter, skriv bara allt i en enda uppgift. Chefs-LLM finns där för att tilldela uppgifter och övervaka processen, så att varje agent vet vad den ska göra och när. Den kan dela upp huvuduppgiften och tilldela delarna till rätt agent.

Förutom själva uppgiften kan varje agent i en besättning även få lämpliga verktyg, vilket gör jobbet enklare och mer exakt. I vårt exempel använder forskaren verktygen GoogleSearch och URL Retriever för att kontrollera forskningsalternativen.

Sätt nu upp uppgifterna. Varje självstyrd uppgift måste antingen ha en beskrivning, ett förväntat resultat, eller båda:

Uppgiftsbeskrivningen för skribent-agenten kan till exempel se ut så här:

“Givet SEO-briefen, skriv ett blogginlägg på högst 1500 ord. 

Börja aldrig stycken med vaga formuleringar som ‘Inom det snabbt föränderliga området…’. Gå alltid direkt på den huvudsakliga information som stycket ska leverera.”

Låt oss titta närmare på beskrivningen:

• “Givet briefen” – Agenten vet vad den ska göra med föregående output.
• “Skriv ett blogginlägg på upp till 1500 ord” – Det resultat vi förväntar oss från agenten.
• “Börja aldrig…” – Ytterligare anpassade instruktioner för att justera resultatet. Dessa instruktioner kan vara riktlinjer om språk, ordförråd, struktur eller annat som hjälper agenten att skapa det du behöver.

Fältet förväntat resultat är valfritt och passar bra när du behöver ett strukturerat resultat eller vill säkerställa att något specifikt ingår. Till exempel är vår SEO-forskningsagents uppgift att skapa:

Ett brief i detta format:

SEO-vänlig titel:

SEO-vänlig metabeskrivning:

SEO-vänlig disposition