AI Agent

Thành phần AI Agent là một khối xây dựng linh hoạt được thiết kế để hoạt động như một agent thông minh trong quy trình làm việc AI. Agent này tận dụng các mô hình ngôn ngữ lớn (LLM), có thể kết nối với các công cụ bên ngoài và có thể cấu hình cho nhiều trường hợp sử dụng như AI hội thoại, tự động hóa phức tạp và thực thi tác vụ động.

Tham gia bản tin của chúng tôi

Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.

Địa chỉ email

Đăng ký

Thành phần làm gì

AI Agent xử lý các lời nhắc đầu vào, xem xét lịch sử cuộc trò chuyện (tùy chọn) và có thể sử dụng các công cụ bên ngoài để tạo ra các phản hồi nhận thức bối cảnh. Các khả năng của nó có thể được điều chỉnh bằng cách chỉ định một câu chuyện lưng, vai trò và mục tiêu, cho phép agent hoạt động theo một nhân vật hoặc mục tiêu cụ thể. Agent cũng có thể thực hiện gọi hàm, cho phép nó tương tác theo chương trình với các API hoặc hệ thống bên ngoài thông qua các công cụ được bật.

Cài đặt AI Agent

LLM

Chọn mô hình ngôn ngữ lớn mà agent sẽ sử dụng. Bạn có thể chọn từ nhiều mô hình từ 6 nhà cung cấp chính. Mô hình mặc định là mô hình tầm trung mới nhất từ OpenAI.

Công cụ

Đây là nơi bạn cung cấp cho agent tất cả các công cụ của nó. Có hơn 900 mục mà bạn có thể kết nối dưới dạng công cụ. Chúng bao gồm các khả năng mới cho các hành động đơn giản được thực hiện trong các công cụ tích hợp. Hầu như bất kỳ giao diện, cơ sở dữ liệu hoặc ứng dụng giao tiếp nào cũng có thể trở thành một công cụ thông qua máy chủ API và MCP.

Cách kết nối các công cụ

Nhấp vào + Thêm công cụ. Danh sách đầy đủ tất cả các công cụ có sẵn. Bạn có thể lọc theo danh mục hoặc thông qua tìm kiếm:

Mỗi công cụ đi kèm với các cài đặt duy nhất. Đối với mỗi mục, bạn có thể quyết định để AI quyết định cách sử dụng nó hoặc cấu hình các tham số thủ công. Bạn có thể chuyển sang đầu vào thủ công bằng cách nhấp vào nút “AI quyết định”. Khi bạn xác định một tham số, nó sẽ bị khóa và không thể chỉnh sửa cho AI.

Bạn có thể bỏ qua cấu hình tham số bằng cách nhấp vào “Bỏ qua và thêm”. Khi công cụ được cấu hình, hãy nhấp vào “Thêm với cấu hình”. Sau đó, bạn có thể tiếp tục thêm các công cụ khác.

Tin nhắn hệ thống

Đây là lời nhắc chính nơi bạn xác định vai trò, tác vụ, hành vi và bất kỳ hướng dẫn nào khác của agent.

Ví dụ tin nhắn hệ thống:

Bạn là Sam, một trợ lý dịch vụ khách hàng thân thiện và hiểu biết cho FlowHunt, một nền tảng tự động hóa quy trình làm việc AI.

Mục tiêu chính của bạn là giải quyết các vấn đề của khách hàng một cách nhanh chóng và thỏa đáng, để mỗi khách hàng cảm thấy được lắng nghe, được giúp đỡ và được đánh giá cao. Bạn nhằm giảm các yêu cầu leo thang bằng cách xử lý phần lớn các yêu cầu một cách độc lập và hiệu quả.

Hướng dẫn:
Luôn chào khách hàng một cách ấm áp và sử dụng tên của họ nếu được cung cấp.
Giữ bình tĩnh, kiên nhẫn và đồng cảm - ngay cả khi khách hàng bực bội.
Hãy ngắn gọn nhưng kỹ lưỡng; không bao giờ để câu hỏi không được trả lời.
Tránh thuật ngữ chuyên môn. Nói chuyện như một con người hữu ích, không phải một tài liệu chính sách.
Không bao giờ tranh cãi với khách hàng hoặc xem nhẹ các mối quan tâm của họ.
Nếu bạn không biết điều gì đó, hãy nói thành thật và đề xuất tìm ra hoặc leo thang.
Xử lý các yêu cầu phổ biến trực tiếp, bao gồm: trạng thái đơn hàng, hoàn trả và hoàn tiền, câu hỏi sản phẩm, vấn đề vận chuyển và trợ giúp tài khoản.
Leo thang cho một đại lý con người nếu: vấn đề liên quan đến một khiếu nại vượt quá quyền hạn của bạn, các vấn đề pháp lý hoặc nếu khách hàng rõ ràng yêu cầu một con người.
Xác nhận giải pháp vào cuối mỗi tương tác - hỏi có bất cứ điều gì khác mà bạn có thể giúp đỡ.
Không bao giờ chia sẻ các chính sách nội bộ từ chữ, đưa ra lời hứa ngoài quyền hạn của bạn hoặc bịa chuyện thông tin mà bạn không có.

Tông điệu: Ấm áp, chuyên nghiệp và đảm bảo - giống như một người bạn hiểu biết, không phải một kịch bản công ty.

Max Execution Time

Giới hạn thời gian (giây) mà agent có thể dành cho một tác vụ (mặc định: 300).

Max Iterations

Số bước suy nghĩ tối đa (mặc định: 10)

Max RPM

Giới hạn yêu cầu mỗi phút (mặc định: 100).

Vai trò

Tùy chọn xác định vai trò của agent. Hãy coi vai trò là chức danh công việc của Agent. Bạn có cần Agent viết bài blog? Gọi nó là “Nhà viết nội dung”.

Mục tiêu

Mục tiêu là tác vụ của Agent và kết quả lý tưởng. Ví dụ, tác vụ của một nhà viết nội dung có thể là tạo các bài viết mới hoặc soát xét và sửa đổi nội dung hiện có.

Câu chuyện lưng

Bạn luôn mang lại cá tính, cách nói và kinh nghiệm của mình cho bất cứ điều gì bạn làm. Đó là câu chuyện lưng của bạn và những gì phân chia bạn và công việc của bạn khác biệt với những người khác. Câu chuyện lưng là nơi bạn cung cấp cho Agent của bạn một câu chuyện, cá tính và kinh nghiệm làm việc.

Lịch sử trò chuyện Agent

Cung cấp các tin nhắn trò chuyện trong quá khứ làm bối cảnh. Nếu không bật lịch sử, agent sẽ hoạt động trên cơ sở mỗi tin nhắn.

Agent Memory

Liệu agent có thể đọc và ghi bộ nhớ của không gian làm việc của bạn hay không. Nếu được bật, bạn sẽ được yêu cầu xác định chế độ và các lời nhắc hành vi.

Lưu ý: Chỉ đầu vào Công cụ là bắt buộc; tất cả các cài đặt khác là tùy chọn, cung cấp tùy chỉnh bổ sung và chất lượng đầu ra ổn định.

Điều gì làm cho một AI Agent tốt: Mô hình phù hợp

Sức mạnh đằng sau một AI agent là mô hình AI của nó. Mô hình phù hợp tạo ra sự khác biệt lớn đối với chức năng và hiệu suất của nó. Kiểm tra blog này để so sánh cuối cùng dựa trên các bài kiểm tra điểm chuẩn.

• Mô hình ngôn ngữ lớn (LLM): Các mô hình như GPT-4, Gemini và Claude có các tính năng hiểu biết và tạo ngôn ngữ tự nhiên mạnh mẽ. Chúng hoàn hảo cho lập luận phức tạp, lập kế hoạch và xử lý đa tác vụ. Nhưng đòi hỏi sức mạnh tính toán lớn hơn và có thể mắc lỗi thực tế hoặc logic đôi khi hoặc “ảo giác”.
• Mô hình ngôn ngữ nhỏ (SLM): Các tác vụ cụ thể đòi hỏi các mô hình chuyên biệt tiết kiệm năng lượng có thể chuyên môn hóa và hoạt động với chi phí vận hành thấp hơn nhất.
• Mô hình nhúng vectơ: Các mô hình đưa ra các nhúng vectơ rất tốt để khám phá và truy xuất nội dung. Nó giúp tìm kiếm ngữ nghĩa nhanh chóng cùng với truy xuất dễ dàng các cơ sở kiến thức quan trọng đối với các agent cần tạo ra hiểu biết nhanh chóng.
• Mô hình lập luận và lập kế hoạch ra quyết định: Đối với các lựa chọn quyết định liên quan đến việc đưa ra các lựa chọn quyết định chính, các mô hình lập luận và lập kế hoạch trở thành trọng tâm. Từ việc sử dụng lập kế hoạch dựa trên thuật toán cổ điển hoặc lập kế hoạch dựa trên học tăng cường, các lựa chọn quyết định giúp các agent đưa ra các lựa chọn sáng suốt.

Cuối cùng, độ phức tạp của tác vụ agent, tính khả dụng dữ liệu của bạn và ngân sách của bạn sẽ tạo ra mô hình phù hợp của bạn. Điều quan trọng là tìm được điểm ngọt giữa sức mạnh và tính thực tiễn.

Cách AI Agent giải quyết các tác vụ

Các agent AI không chỉ phản ứng mà còn chủ động hành động theo các mục tiêu đã nêu. Quá trình này thường trải qua các cột mốc chính:

• Định nghĩa mục tiêu: Quá trình bắt đầu với một mục tiêu, tác vụ hoặc thách thức được nêu rõ ràng mà agent của bạn phải hoàn thành. Quan sát môi trường: Agent tiếp theo lấy các sự kiện liên quan từ môi trường của nó. Nó có thể làm điều đó thông qua API, cơ sở dữ liệu, web scraping hoặc đầu vào cảm biến.
• Lập kế hoạch và lập luận: Dựa trên các sự kiện đã tích lũy, agent của bạn tạo ra một kế hoạch hành động, chia các tác vụ phức tạp thành các phần tác vụ có thể quản lý được
• Thực thi hành động: Agent thực thi kế hoạch của nó bằng cách sử dụng các công cụ có sẵn để hành động trên môi trường của nó.
• Học tập và thích ứng: Khi chạy, agent kiểm tra hiệu suất của nó và cải thiện bằng cách học thông qua phản hồi, làm cho quá trình của nó phù hợp hơn với tác vụ tiếp theo của nó.

Điều đó giúp các agent AI có thể được sử dụng trên một loạt các ứng dụng, từ dịch vụ khách hàng tự động hóa đến tạo nội dung.