Kuigi termineid „tehisintellekti agent” ja „agent tehisintellekt” kasutatakse sageli sünonüümidena, esindavad nad tehisintellekti valdkonnas põhimõtteliselt erinevaid kontseptsioone. Selle erinevuse mõistmine on võtmetähtsusega, et mõista, kuhu automatiseerimine ja tehisintellekti süsteemide arutlusvõime suunduvad.
Mis on tehisintellekti agent?
Un AI agent See on süsteem, mis on loodud oma keskkonna tajuma ja eesmärgi saavutamiseks konkreetse ülesande täitmiseks. See toimib kolmeastmelise tsükli järgi:
- Võtab kasutajalt sisendi või eesmärgi vastu.
- See kasutab keelemudelit (LLM) kui "aju", et mõelda ja otsustada, millist tööriista kasutada.
- Käivitab toimingu valitud tööriista abil.
Tehisintellekti agendi arhitektuur
| 👤 kasutaja |
➡ | 🤖 Tehisintellekti agent (LLM) |
➡ | 🛠 töövahendid |
Mis on agentiivne tehisintellekt?
La Agent AI See on keerukam kontseptsioon. See viitab süsteemile, mis mitte ainult ei täida ülesannet, vaid on võimeline ka koordineerima mitut tehisintellekti agenti keerukate probleemide autonoomseks lahendamiseks. Agentuuri tehisintellekti süsteemis on olemas "peaagent" ehk planeerija, mis jagab peamise eesmärgi väiksemateks alamülesanneteks ja määrab need spetsiaalsetele "alam-agentidele".
Peamine erinevus seisneb selles, et tehisintellekti agent keskendub ülesande täitmisele, samas kui agentide tehisintellekti süsteem keskendub mitme agendi orkestreerimisele ja planeerimisele.
Agentse tehisintellekti süsteemi arhitektuur
⬇
| Alabgent 1 🛠 Tööriist A |
Alabgent 2 🛠 Tööriist B |
Alam-agent N… 🛠 Tööriist C |
Agentsüsteemide loomise tööriistad
Nende keerukate süsteemide loomine nõuab spetsiaalseid raamistikke. Üks olulisemaid on LangChain, mis pakub tööriistu õigusteaduse magistrantide ühendamiseks andmeallikate ja API-dega. Selle ökosüsteemi raames on tekkinud võtmeteek: LangGraph.
Kuidas LangGraph töötab?
LangGraph võimaldab agentidel defineerida töövooge graafina (sõlmede ja servade kogumina). See on ülioluline, sest paljud keerulised ülesanded ei ole lineaarsed, vaid tsüklilised: agent võib vajada naasmist eelmise sammu juurde, abi küsimist teiselt agendilt või oma plaani ümberhindamist. LangGraph võimaldab luua neid tsükleid, mis võimaldab agentide vahel palju keerukamat koordineerimist.
[Agendisõlm] ➡ [Tööriistasõlm] ➡ [Otsustussõlm] ➡ (Tagasi agendisõlme või lõpp)
Teised populaarsed agentsete süsteemide loomise raamistikud on AutoGPT y CrewAI, mis hõlbustavad ka autonoomsete tehisintellekti agentide meeskondade loomist, kes teevad probleemide lahendamiseks koostööd.
