Kijan m ka asire siksè pwojè ajan IA mwen an?

Pou asire siksè pwojè ajan IA ou a, defini travay la byen klè nan yon sèl fraz epi deside nivo otonomi ou santi w alèz avè l. Anplis de sa, aplike chema zouti strik, estrateji koneksyon ak validasyon pou anpeche pyèj komen epi pèmèt pi bon depanaj.

Kisa mwen ta dwe konsidere lè m ap desine zouti pou ajan IA mwen an?

Lè w ap desine zouti pou ajan IA ou a, asire w ke yo presi nan fokus, tipifye, epi yo gen pèmisyon. Evite zouti jenerik ki ka fè nenpòt aksyon. Olye de sa, kreye apèl fonksyon espesifik ke ajan an ka itilize pou kenbe sekirite ak fyab.

Kouman mwen ka mete kondisyon arè klè pou ajan IA mwen an?

Pou mete kondisyon arè klè pou ajan IA ou a, defini yon kantite maksimòm etap li ka pran, ansanm ak delè ak verifikasyon fini. Sa ap ede anpeche ajan an bloke nan bouk epi asire li ka ogmante pwoblèm yo lè sa nesesè.

Ki pi bon fason pou jere memwa nan yon ajan IA?

Jere memwa nan ajan IA ou a lè w separe l an konpozan kout tèm ak long tèm. Kenbe memwa kout tèm nan konpak, konsantre sou etap ak plan aktyèl yo, pandan w ap itilize memwa long tèm pou enfòmasyon ki estab tankou preferans itilizatè ak règ òganizasyonèl.

Èske gen modèl espesifik pou planifikasyon travay nan yon ajan IA?

Wi, plizyè modèl planifikasyon ka itilize, tankou lis verifikasyon pou travay previzib, bouk ReAct pou repons adaptab a rezilta zouti, ak modèl sipèvizè-travayè ki pèmèt separasyon wòl pou pwojè konplèks. Chwazi yon metòd planifikasyon ki baze sou bezwen espesifik ajan ou an.

Kijan mwen ka evalye pèfòmans ajan IA mwen an efektivman?

Pou evalye pèfòmans ajan IA ou a, kreye yon seri senaryo ki gen ladan chemen ki kontan, ka limit, ak demann anbigi. Bay rezilta yo nòt ki baze sou metrik tankou pousantaj siksè travay, tan repons, ak rekiperasyon apre erè pou amelyore kapasite li yo kontinyèlman.

Kijan Pou Konstwi yon Ajan IA [Videyo ak Quiz]

Repons kout: Pou konstwi yon ajan IA ki fonksyone nan pratik, trete li kòm yon bouk kontwole: pran enfòmasyon, deside pwochen aksyon an, rele yon zouti ki gen yon dimansyon limite, obsève rezilta a, epi repete jiskaske yon verifikasyon "fini" klè pase. Li merite plas li lè travay la gen plizyè etap epi li baze sou zouti; si yon sèl envit rezoud li, sote ajan an. Ajoute chema zouti strik, limit etap, anrejistreman, ak yon validatè/kritik pou lè zouti yo echwe oswa enfòmasyon yo anbigi, ajan an ogmante olye pou l fè yon bouk.

Pwen enpòtan yo:

Bouk kontwolè: Aplike antre → aji → obsève repetisyon avèk kondisyon arè eksplisit ak etap maksimòm.

Konsepsyon zouti: Kenbe zouti yo limite, tipifye, ak pèmisyon, epi valide pou anpeche dezòd "fè_nenpòt_chose".

Ijyèn memwa: Sèvi ak yon eta kontra enfòmèl ant a kout tèm plis yon rekiperasyon alontèm; evite dechaje transkripsyon konplè.

Rezistans kont move itilizasyon: Ajoute lis otorizasyon, limit vitès, idempotans, ak "sèk" pou aksyon ki riske.

Testabilite: Kenbe yon seri senaryo (echèk, anbigwite, enjeksyon) epi relouvri chak chanjman.

Kijan Pou Konstwi yon Ajan IA? Enfografik

Atik ou ta ka renmen li apre sa a:

🔗 Kijan pou mezire pèfòmans IA a
Aprann metrik pratik pou evalye vitès, presizyon ak fyab.

🔗 Kijan pou pale ak IA
Sèvi ak envit, kontèks, ak swivi pou jwenn pi bon repons.

🔗 Kijan pou evalye modèl IA yo
Konpare modèl yo lè l sèvi avèk tès, ribrik, ak rezilta travay nan mond reyèl la.

🔗 Kijan pou optimize modèl IA yo
Amelyore kalite ak pri avèk ajisteman, koupe, ak siveyans.

1) Kisa yon ajan IA ye, nan langaj yon moun nòmal 🧠

Yon ajan IA se yon bouk. Dokiman "Ajan" LangChain yo

Se sa. Yon bouk ak yon sèvo nan mitan an.

Antre → panse → aji → obsève → repete. Reyaji papye (rezone + aji)

Ki kote:

Antre a se yon demann itilizatè oswa yon evènman (nouvo imèl, tikè sipò, ping detèktè).
Reflechi se yon modèl langaj ki rezone sou pwochen etap la.
Aji se rele yon zouti (fouye dokiman entèn, egzekite kòd, kreye yon tikè, ekri yon repons). Gid pou rele fonksyon OpenAI.
Obsève ap li rezilta zouti a.
Repetisyon an se pati ki fè l santi l "ajan" olye de "koute". Dokiman LangChain "Ajan" yo

Gen kèk ajan ki fondamantalman entelijan kòm makro. Gen lòt ki aji plis tankou yon operatè jinyò ki ka jere travay epi refè apre erè. Tou de konte.

Epitou, ou pa bezwen otonomi total. Anfèt… ou pwobableman pa vle li 🙃

2) Kilè ou ta dwe bati yon ajan (e kilè ou pa ta dwe) 🚦

Bati yon ajan lè:

Travay la gen plizyè etap epi li chanje selon sa k pase nan mitan pwosesis la.
Travay la bezwen itilizasyon zouti (baz done, CRM, ekzekisyon kòd, jenerasyon fichye, navigatè, API entèn). Dokiman "Zouti" LangChain yo
Ou vle rezilta ki ka repete ak balistrad, pa sèlman repons yon sèl fwa.
Ou ka defini "fini" nan yon fason yon òdinatè ka verifye, menm yon fason ki pa twò strik.

Pa kreye yon ajan lè:

Yon senp èd memwa + yon repons rezoud li (pa fè twòp enjenyè, ou pral rayi tèt ou pita).
Ou bezwen yon determinism pafè (ajan yo ka konsistan, men yo pa robotik).
Ou pa gen okenn zouti oswa done pou konekte - lè sa a se sitou jis vibe.

Ann pale franchman: mwatye nan "pwojè ajan IA" yo ta ka yon workflow ak kèk règ branchman. Men, pafwa, anbyans lan enpòtan tou 🤷♂️

3) Ki sa ki fè yon bon vèsyon yon ajan IA ✅

Men seksyon "Ki sa ki fè yon bon vèsyon de" ou te mande a, sof mwen pral yon ti jan dirèk:

Yon bon vèsyon yon ajan IA se pa youn ki panse pi di a. Se youn ki:

Konnen sa li gen dwa fè (limit sijè ki abòde yo)
Itilize zouti yo yon fason fyab (apèl estriktire, nouvo tantativ, delè) Gid pou apèl fonksyon OpenAI AWS "Delè, nouvo tantativ, ak retablisman ak jitter"
Kenbe eta a pwòp (memwa ki pa pouri) LangChain "Apèsi sou memwa"
Eksplike aksyon li yo (tras odit, pa depo rezònman sekrè) NIST AI RMF 1.0 (fyabilite ak transparans)
Li kanpe jan sa dwe fèt (verifikasyon fini, etap maksimòm, eskalasyon) Dokiman "Ajan" LangChain yo
Echwe san danje (mande èd, pa gen alizinasyon otorite) NIST AI RMF 1.0
Li ka teste (ou ka egzekite li sou senaryo predefini epi bay nòt rezilta yo)

Si ajan ou a pa ka pase tès, se fondamantalman yon machin a sous ki gen anpil konfyans. Plezi nan fèt, men tèrib nan pwodiksyon 😬

4) Blòk fondamantal yon ajan ("anatomi" a 🧩)

Pifò ajan solid yo gen moso sa yo:

A) Bouk kontwolè a 🔁

Men òkestratè a:

pran gòl
mande modèl la pou pwochen aksyon an
zouti kouri
ajoute obsèvasyon
Repete jiskaske ou fini dokiman LangChain "Ajan" yo

B) Zouti (oswa kapasite) 🧰

Zouti yo se sa ki fè yon ajan efikas: Dokiman "Zouti" LangChain yo

rechèch baz done
voye imèl
rale dosye
kòd k ap kouri
rele API entèn yo
ekri nan fichye kalkil oswa CRM

C) Memwa 🗃️

De kalite enpòtan:

memwa kout tèm: kontèks kous aktyèl la, etap ki sot pase yo, plan aktyèl la
memwa alontèm: preferans itilizatè, kontèks pwojè, konesans rekipere (souvan atravè entegrasyon + yon depo vektè) papye RAG

D) Planifikasyon ak politik desizyon 🧭

Menm si ou pa rele sa "planifikasyon", ou bezwen yon metòd:

lis verifikasyon
ReAct "reflechi epi sèvi ak zouti" nan style ReAct
graf travay yo
modèl sipèvizè-travayè
modèl sipèvizè-travayè Microsoft AutoGen (kad milti-ajan)

E) Balistrad ak evalyasyon 🧯

pèmisyon
Schema zouti an sekirite, rezilta estriktire OpenAI
validasyon rezilta
limit etap yo
koupe bwa
tès NIST AI RMF 1.0

Wi, se plis enjenyè pase enstriksyon. Sa se... yon jan de pwen an.

5) Tablo konparezon: fason popilè pou konstwi yon ajan 🧾

Anba la a se yon "Tablo Konparezon" reyalis - ak kèk ti detay, paske ekip reyèl yo vrèman dwòl 😄

Zouti / Kad	Odyans	Pri	Poukisa li fonksyone	Nòt (ti dezòd)
LangChain	bòs mason ki renmen konpozan estil lego	gratis + enfra	gwo ekosistèm pou zouti, memwa, chenn	Ou ka jwenn espageti byen vit si ou pa nonmen bagay yo byen klè
Endèks Lama	Ekip ki gen anpil RAG ladan yo	gratis + enfra	modèl rechèch solid, endèksasyon, konektè	Sa bon lè ajan ou a ap "rechèche + aji"... sa se yon bagay komen
Apwòch estil Asistan OpenAI yo	ekip ki vle konfigirasyon pi rapid	ki baze sou itilizasyon	modèl apèl zouti entegre ak eta ekzekisyon	mwens fleksib nan kèk kwen, men pwòp pou anpil aplikasyon	OpenAI Runs API Apèl fonksyon OpenAI Assistants
Nwayo Semantik	devlopè ki vle òkestrasyon estriktire	lib-an-lib	yon abstrèksyon pwòp pou konpetans/fonksyon	santi "antrepriz pwòp" - pafwa sa se yon konpliman 😉
Oto-Jen	eksperimantatè milti-ajan	lib-an-lib	modèl kolaborasyon ajan-a-ajan	ka pale twòp; mete règ strik pou revoke moun
Ekipaj IA	fanatik "ekip ajan" yo	lib-an-lib	Wòl + travay + transfè yo fasil pou eksprime	fonksyone pi byen lè travay yo klè, pa mou
Pil zèb	rechèch + moun nan tiyo yo	lib-an-lib	tiyo solid, rekiperasyon, konpozan	mwens "teyat ajan", plis "faktori pratik"
Woule pwòp bouk ou a (bouk pèsonalize)	moun ki renmen kontwole tout bagay (afeksyon)	tan ou	maji minimòm, klète maksimòm	anjeneral pi bon an sou long tèm... jiskaske ou envante tout bagay ankò 😅

Pa gen yon sèl gayan. Pi bon chwa a depann de si travay prensipal ajan ou an se rekipere done, ekzekisyon zouti, kowòdinasyon plizyè ajan, oswa automatisation workflow.

6) Kijan pou konstwi yon ajan IA etap pa etap (resèt reyèl la) 🍳🤖

Sa a se pati pifò moun sote a, epi yo mande tèt yo poukisa ajan an konpòte li tankou yon raton nan yon gadmanje.

Etap 1: Defini travay la nan yon sèl fraz 🎯

Egzanp:

"Ekri yon repons pou kliyan an lè l sèvi avèk règleman an ak kontèks tikè a, epi mande apwobasyon."
"Envestige yon rapò sou yon pinèz, repwodui li, epi pwopoze yon solisyon."
"Transfòme nòt reyinyon enpafè an travay, pwopriyetè, ak dat limit."

Si ou pa ka defini l yon fason senp, ajan ou a pa kapab non plis. Mwen vle di li kapab, men l ap enprovize, epi enprovize se kote bidjè yo ale pou mouri.

Etap 2: Deside nivo otonomi an (ba, mwayen, pikant) 🌶️

Otonomi ki ba: sijere etap, klik imen "apwouve"
Mwayen: egzekite zouti yo, prepare rezilta yo, ogmante lè gen ensètitid
Segondè: egzekite bout-a-bout, sèlman voye ping bay moun sou eksepsyon yo

Kòmanse pi ba pase sa ou vle. Ou ka toujou ogmante l pita.

Etap 3: Chwazi estrateji modèl ou a 🧠

Ou tipikman chwazi:

yon sèl modèl solid pou tout bagay (senp)
yon modèl solid + yon modèl ki pi piti pou etap ki pa chè (klasifikasyon, routage)
modèl espesyalize (vizyon, kòd, lapawòl) si sa nesesè

Deside tou:

jeton maksimòm
tanperati
si ou pèmèt tras rezònman long anndan (ou kapab, men pa ekspoze chèn panse kri bay itilizatè final yo)

Etap 4: Defini zouti yo avèk chema strik 🔩

Zouti yo ta dwe:

etwat
tape
pèmisyon
Rezilta estriktire OpenAI valide

Olye de yon zouti ki rele do_anything(input: string), fè:

rechèch_kb(rechèch: chèn) -> rezilta[]
kreye_tikè(tit: chèn, kò: chèn, priyorite: enum) -> id_tikè
send_email(to: string, subject: string, body: string) -> status Gid pou rele fonksyon OpenAI

Si ou bay ajan an yon tronçoneuz, pa sezi lè li taye yon ranje pyebwa lè li retire kloti a tou.

Etap 5: Konstwi bouk kontwolè a 🔁

Bouk minimòm:

Kòmanse avèk objektif + kontèks inisyal la
Mande modèl la: “Pwochen aksyon?”
Si zouti a rele - egzekite zouti a
Ajoute obsèvasyon
Tcheke kondisyon arè a
Repete (ak etap maksimòm) dokiman LangChain "Ajan" yo

Ajoute:

tan limit
tantativ (atansyon - tantativ yo ka repete) AWS "Delè, tantativ, ak ranvwaye ak jitter"
fòma erè zouti (klè, estriktire)

Etap 6: Ajoute memwa ak anpil atansyon 🗃️

Kout tèm: kenbe yon "rezime eta" kontra enfòmèl ant mete ajou chak etap. LangChain "Apèsi sou memwa"
Long tèm: estoke enfòmasyon dirab (preferans itilizatè, règ òganizasyon, dokiman ki estab).

Règ jeneral:

Si li chanje souvan - kenbe l pou yon ti tan
si li estab - konsève li pou yon bon bout tan
si li sansib - sere l yon ti kras (oswa pa sere l ditou)

Etap 7: Ajoute validasyon ak yon pas "kritik" 🧪

Yon modèl bon mache epi pratik:

ajan an jenere rezilta
Validatè a verifye estrikti ak kontrent yo
Revizyon modèl kritik opsyonèl pou etap ki manke oswa vyolasyon règleman NIST AI RMF 1.0

Li pa pafè, men li kenbe yon kantite bagay san sans ki chokan.

Etap 8: Anrejistre tout sa ou pral regrèt ou pa t anrejistre 📜

Jounal:

apèl zouti + antre + sòti
desizyon ki pran
erè
rezilta final yo
jeton ak latans, entwodiksyon obsèvabilite OpenTelemetry

Lavni-ou va remèsye ou. Prezan-ou va bliye. Se jis lavi 😵💫

7) Apèl zouti ki pa kraze nanm ou 🧰😵

Apèl zouti se kote "Kijan pou konstwi yon ajan IA" vin tounen jeni lojisyèl reyèl.

Fè zouti yo fyab (fyab se yon bon bagay)

Zouti ki fyab yo se:

detèministik
limite nan dimansyon
fasil pou teste
Li an sekirite pou relouvri "demann Idempotent" Stripe yo

Ajoute balistrad nan kouch zouti a, pa sèlman envit yo

Envit yo se sijesyon politès. Validasyon zouti a se yon pòt fèmen. Rezilta estriktire OpenAI yo

Fè:

lis otorizasyon (ki zouti yo ka fonksyone)
validasyon antre
limit vitès OpenAI Gid limit vitès
verifikasyon pèmisyon pou chak itilizatè/òganizasyon
"mòd fonksyonman sèk" pou aksyon ki riske

Konsepsyon pou echèk pasyèl

Zouti yo echwe. Rezo yo ap tranble. Otorizasyon an ekspire. Yon ajan dwe:

entèprete erè yo
reeseye ak backoff lè sa apwopriye estrateji reeseye Google Cloud (backoff + jitter)
chwazi zouti altènatif
vin pi mal lè yo bloke

Yon ti teknik ki efikas san fè bri: retounen erè estriktire tankou:

tip: erè_otorizasyon
tip: pa_jwenn
tip: rate_limited
Konsa, modèl la ka reyaji avèk entelijans olye pou l panike.

8) Souvni ki ede olye pou l ap pèsekite w 👻🗂️

Memwa se yon bagay pwisan, men li kapab tou vin tounen yon tiwa fatra.

Memwa kout tèm: kenbe l konpak

Itilizasyon:

dènye N etap yo
yon rezime k ap kouri (mizajou chak bouk)
plan aktyèl la
kontrent aktyèl yo (bidjè, tan, règleman)

Si ou mete tout bagay nan kontèks li, ou jwenn:

pi gwo pri
latans pi dousman
plis konfizyon (wi, menm lè sa a)

Memwa alontèm: rekipere olye de "bouche"

Pifò "memwa alontèm" yo plis tankou:

enkòporasyon
magazen vektè
Papye RAG pou jenerasyon ogmante rekipere (RAG)

Ajan an pa memorize. Li rekipere ti moso enfòmasyon ki pi enpòtan yo pandan ekzekisyon an. LlamaIndex "Entwodiksyon sou RAG"

Règ pratik pou memwa

Sere "preferans" kòm enfòmasyon eksplisit: "Itilizatè a renmen rezime pwen epi li rayi emoji" (lol, men se pa la 😄)
Sere "desizyon" yo ak dat ak lè oswa vèsyon (sinon kontradiksyon yo ap anpile)
Pa janm sere sekrè sof si ou vrèman oblije

Epi men metafò enpafè mwen an: memwa se tankou yon frijidè. Si ou pa janm netwaye li, evantyèlman sandwich ou a ap gen gou zonyon ak regrè.

9) Modèl planifikasyon (soti nan senp rive nan sofistike) 🧭✨

Planifikasyon se jis dekonpozisyon kontwole. Pa fè l mistik.

Modèl A: Planifikatè lis verifikasyon ✅

Modèl la bay yon lis etap
Li egzekite etap pa etap
Mizajou sou estati lis verifikasyon an

Ekselan pou entegrasyon. Senp, ou ka teste li.

Modèl B: Bouk Reyaksyon (rezon + aksyon) 🧠→🧰

modèl la deside pwochen apèl zouti a
obsève pwodiksyon an
repete papye ReAct la

Sa a se santiman klasik ajan an.

Modèl C: Sipèvizè-travayè 👥

sipèvizè a divize objektif la an travay
travayè yo fè travay espesyalize
sipèvizè a fusionne rezilta yo Microsoft AutoGen (kad milti-ajan)

Sa a enpòtan lè travay yo ka paralèlize, oubyen lè ou vle diferan "wòl" tankou:

chèchè
kodè
editè
Verifikatè QA

Modèl D: Planifye-epi-egzekite avèk replanifikasyon 🔄

kreye plan
egzekite
Si rezilta zouti a chanje reyalite a, replanifye

Sa anpeche ajan an pou l pa swiv yon move plan ak tèt di. Moun fè sa tou, sof si yo fatige, nan ka sa a yo swiv move plan tou.

10) Sekirite, fyab, epi pou yo pa revoke w 🔐😅

Si ajan ou a ka pran aksyon, ou bezwen yon konsepsyon sekirite. Se pa "bon pou genyen". Bezwen. NIST AI RMF 1.0

Limit difisil

maksimòm pa etap pa kous
maksimòm apèl zouti pa minit
depans maksimòm pa sesyon (bidjè jeton)
zouti restriksyon dèyè apwobasyon

Manyen done

retire enfòmasyon sansib yo anvan ou konekte
anviwònman separe (devlopman vs pwodiksyon)
pèmisyon zouti ki gen mwens privilèj

Kontrent konpòtman

fòse ajan an site ti moso prèv entèn (pa lyen ekstèn, sèlman referans entèn)
mande drapo ensètitid lè konfyans lan ba
mande "poze kesyon klarifikasyon" si enfòmasyon yo anbigi

Yon ajan serye se pa youn ki gen plis konfyans nan tèt li. Se youn ki konnen lè l ap devine... epi ki di sa.

11) Tès ak evalyasyon (pati tout moun evite a) 🧪📏

Ou pa ka amelyore sa ou pa ka mezire. Wi, fraz sa a sanble komik, men li vrèman anmèdan.

Bati yon seri senaryo

Kreye 30-100 ka tès:

chemen kontan
ka limit yo
ka "zouti echwe"
demann anbigi
envitasyon advèsè (tantativ enjeksyon rapid) OWASP Top 10 pou aplikasyon LLM OWASP LLM01 Enjeksyon rapid

Rezilta nòt yo

Sèvi ak metrik tankou:

pousantaj siksè travay
tan pou fini
pousantaj rekiperasyon erè zouti
pousantaj alisinasyon (afimasyon san prèv)
pousantaj apwobasyon imen (si an mòd sipèvizyon)

Tès regresyon pou enstriksyon ak zouti yo

Nenpòt lè ou chanje:

chema zouti
enstriksyon sistèm yo
lojik rekiperasyon
fòma memwa a
. Lanse suite a ankò.

Ajan yo se bèt sansib. Tankou plant kay, men pi chè.

12) Modèl deplwaman ki pa kraze bidjè ou 💸🔥

Kòmanse avèk yon sèl sèvis

API kontwolè ajan
sèvis zouti dèyè li
Anons pou anrejistreman ak siveyans OpenTelemetry obsèvabilite entwodiksyon

Ajoute kontwòl depans yo byen bonè

kachman rezilta rechèch yo
konprese eta konvèsasyon an ak rezime
lè l sèvi avèk modèl ki pi piti pou routage ak ekstraksyon
limite "mòd panse pwofon" nan etap ki pi difisil yo

Chwa achitekti komen

kontwolè san eta + depo eta ekstèn (DB/redis)
Apèl zouti yo idempotent kote sa posib "demann idempotent" Stripe
mete nan liy pou travay ki long (pou ou pa kenbe yon demann entènèt ouvè pou tout tan)

Epitou: konstwi yon "switch pou touye moun". Ou p ap bezwen l jiskaske ou vrèman, vrèman bezwen l 😬

13) Nòt final - vèsyon kout sou Kijan Pou Konstwi yon Ajan IA 🎁🤖

Si ou pa sonje anyen lòt, sonje sa:

Kijan pou konstwi yon ajan IA se sitou sou bati yon bouk an sekirite otou yon modèl. Dokiman "Ajan" LangChain yo
Kòmanse avèk yon objektif byen presi, yon otonomi ki ba, epi zouti strik. Rezilta estriktire OpenAI yo
Ajoute memwa atravè rekiperasyon, pa ranpli kontèks san fen. Papye RAG
Planifikasyon kapab senp - lis verifikasyon ak replannasyon ka mennen lwen.
Anrejistreman ak tès yo transfòme dezòd ajan an yon bagay ou ka voye. Entwodiksyon sou obsèvasyon OpenTelemetry
Balistrad yo fèt pou mete nan kòd, pa sèlman nan envit yo. OWASP Top 10 pou aplikasyon LLM yo

Yon ajan pa majik. Se yon sistèm ki pran bon desizyon ase souvan pou l gen valè... epi ki admèt defèt anvan li lakòz domaj. Yon jan kanmenm, li rekonfòtan 😌

Epi wi, si ou byen konstwi li, li sanble ak anboche yon ti estajyè dijital ki pa janm dòmi, ki konn panike detanzantan, epi ki renmen travay papye. Kidonk, fondamantalman yon estajyè.

Egzanp nan lavi reyèl: Kreye yon ajan sipò triyaj ak IA 🎫🤖

Senaryo

Imajine yon ti ekip SaaS k ap resevwa 120-180 tikè sipò pa semèn. Pifò tikè yo pa konplèks, men yo toujou pran tan: reyinisyalizasyon modpas, kesyon sou faktirasyon, rapò sou pinèz, demann fonksyonalite, ak mesaj "èske se konpòtman sa a yo te espere?".

Yon senp chatbot ka ekri repons, men li pa ka verifye estati kont lan yon fason fyab, fouye nan baz konesans lan, klase ijans lan, oswa deside kilè yon moun bezwen entèvni. Se la yon ajan fè sans.

Objektif la se pa ranplase sipò a nèt. Objektif la se bati yon ajan ki gen ti otonomi ki li yon nouvo tikè, rasanble kontèks, ekri yon repons, epi voye tikè a nan bon fil la. Yon moun toujou apwouve nenpòt bagay ki an kontak ak kliyan.

Sa asistan an bezwen

Pou ajan an travay san danje, li bezwen yon ti seri zouti ak enfòmasyon byen kontwole:

Tèks tikè k ap antre a
Kalite plan kliyan an, laj kont lan ak dènye sitiyasyon bòdwo a
Lis chanjman pwodwi resan oswa ensidan li te ye
Atik sant èd entèn yo
Yon zouti pou mete ajou tikè ak chan limite
Yon zouti pou reponn bouyon, pa yon zouti pou voye imèl
Yon politik eskalasyon klè

Lis zouti a ta dwe rete etwat espre:

sant_èd_rechèch(rechèch)
jwenn_estati_kliyan(id_kliyan)
tcheke_ensidan_konnen(zòn_pwodwi)
kategori_tikè_mizajou(id_tikè, kategori, priyorite)
bouyon_reply(id_tikè, tèks_reply)
escalate_to_human(id_tikè, rezon)

Remake sa ki manke a: pa gen okenn zouti "ranbousman kliyan", "fèmen kont", oswa "voye repons final la". Aksyon sa yo twò riske pou yon premye vèsyon.

Egzanp enstriksyon

Ou se yon ajan triyaj sipò pou yon pwodwi SaaS.

Travay ou se klase tikè k ap antre yo, rasanble sèlman kontèks ki nesesè a, ekri yon repons sijere, epi deside si yo ta dwe transmèt tikè a bay yon lòt moun.

Règ yo:

Pa voye repons dirèkteman bay kliyan yo.

Sèvi ak sant èd la anvan ou reponn kesyon sou pwodwi yo.

Tcheke sitiyasyon kliyan an anvan ou reponn kesyon sou faktirasyon, plan, oswa aksè.

Si kliyan an mansyone menas legal, pèt done, pwoblèm sekirite, echèk peman, anilasyon kont oswa langaj fache, al jwenn yon moun.

Si kontni sant èd la oswa done kont lan pa sipòte repons lan, di sa ki manke a epi kontakte yon moun ki pi wo pase sa.

Rete apre 6 apèl zouti maksimòm.

Yon tikè "fini" sèlman lè li gen yon kategori, yon priyorite, yon rezime prèv, yon repons bouyon, epi swa "apwobasyon imen nesesè" oswa "transfere".

Kijan pou teste li

Kòmanse avèk 30 tikè tès anvan ou konekte li ak itilizatè aktif yo:

10 tikè nòmal, tankou reyinisyalizasyon modpas, limit plan, ak kesyon debaz "kijan pou m fè?"
5 tikè faktirasyon
5 rapò sou pinèz
5 tikè anbigi ak enfòmasyon ki manke
5 tikè ki riske, tankou pwoblèm sekirite, demann ranbousman, ak plent ki fè anpil kòlè

Pou chak tikè, nòt:

Èske li te chwazi bon kategori a?
Èske li te itilize bon zouti a anvan li te reponn?
Èske li te evite reklamasyon ki pa gen prèv?
Èske li te ogmante tikè ki riske yo?
Èske bouyon an te bezwen anpil koreksyon?

Yon senp tablo kalkil reyisit/echèk sifi pou kòmanse. Pa twò konstwi sistèm evalyasyon an anvan ou konnen si ajan an ap bay valè.

Rezilta

Rezilta egzanplè: Baze sou kwonometraj 30 echantiyon tikè anvan ak apre itilizasyon workflow sa a, yon responsab sipò te kapab mezire bagay sa yo:

Tan mwayèn pou premye triyaj la redwi soti nan 6 minit pou chak tikè pou rive nan 90 segonn
30 tikè triye nan 45 minit olye de 3 èdtan
27 tikè sou 30 yo te plase nan kategori ki kòrèk la
5 sou 5 tikè ki gen risk te transmèt kòrèkteman
0 repons kliyan voye san apwobasyon imen

Chif sa yo se yon estimasyon egzanp, pa yon referans pwouve. Mezi a fasil pou repete: mezire tan menm pakèt tikè tès yo manyèlman, answit pase yo nan ajan an epi konpare presizyon kategori a, presizyon eskalade a, ak tan koreksyon an.

Ki sa ki ka ale mal

Ajan an ka toujou echwe nan fason trè nòmal.

Li ta ka klase yon kliyan ki fristre men ki senp kòm "ijan" paske langaj la sonnen fache. Li ta ka ekri yon repons ki gen konfyans nan yon atik èd ki pa ajou. Li ta ka kontinye chèche lè bon mouvman an se pou ogmante pwoblèm nan. Li ta ka ekspoze twòp detay sou kont nan yon bouyon repons.

Solisyon an se pa "ekri yon pi bon enstriksyon" epi espere. Ajoute limit strik:

Kontakte yon pwofesyonèl lè gen yon langaj nan faktirasyon, sekirite, legal oswa anilasyon
Mande sitasyon ki soti nan atik èd entèn yo nan rezime prèv la
Kenbe "voye repons" dèyè apwobasyon moun
Anrejistre chak apèl zouti ak bouyon final la
Refè suit tès 30 tikè a apre chak chanjman nan èd memwa, zouti, oswa règleman

Konklizyon pratik

Yon ajan ki gen anpil valè pa bezwen yon otonomi dramatik. Nan egzanp sa a, valè a soti nan yon bouk kontwole: li tikè a, chèche bon kontèks la, klase li, ekri yon repons, epi kanpe pou revizyon. Sa pi fasil pou fè konfyans, teste, epi amelyore pase yon ajan k ap eseye "jere sipò" ak yon sèl gwo envit.

FAQ

Ki sa yon ajan IA ye, an tèm senp?

Yon ajan IA se fondamantalman yon bouk ki repete: li pran enfòmasyon, li deside pwochen etap la, li itilize yon zouti, li rezilta a, epi li repete jiskaske li fini. Pati "ajantik" la soti nan aji ak obsève, pa sèlman nan pale. Anpil ajan se jis otomatizasyon entelijan ki gen aksè a zouti, pandan ke lòt moun konpòte yo plis tankou yon operatè jinyò ki ka refè apre erè.

Kilè mwen ta dwe bati yon ajan IA olye pou m jis itilize yon envit?

Kreye yon ajan lè travay la gen plizyè etap, chanjman ki baze sou rezilta entèmedyè, epi li bezwen itilizasyon zouti serye (API, baz done, tikè, ekzekisyon kòd). Ajan yo itil tou lè ou vle rezilta repetitif ak baryè ak yon fason pou verifye "fini". Si yon senp repons rapid fonksyone, yon ajan anjeneral se yon surcharge ki pa nesesè ak mòd echèk siplemantè.

Kouman mwen ka bati yon ajan IA ki pa bloke nan bouk?

Sèvi ak kondisyon arè difisil: maksimòm etap, maksimòm apèl zouti, ak verifikasyon fini konplè. Ajoute chema zouti estriktire, delè, ak nouvo tantativ ki p ap janm repete. Anrejistre desizyon yo ak rezilta zouti yo pou ou ka wè ki kote li deraye. Yon valv sekirite komen se eskalade: si ajan an pa sèten oswa repete erè yo, li ta dwe mande èd olye pou l enprovize.

Ki achitekti minimòm pou Kijan Pou Konstwi yon Ajan IA?

Omwen ou bezwen yon bouk kontwolè ki bay modèl la yon objektif ak yon kontèks, ki mande pwochen aksyon an, ki egzekite yon zouti si yo mande l, ki ajoute obsèvasyon an, epi ki repete. Ou bezwen tou zouti ki gen fòm antre/soti strik ak yon verifikasyon "fini". Menm yon bouk "woule-pwòp-ou" ka byen mache si ou kenbe eta a pwòp epi ou aplike limit etap yo.

Kouman mwen ta dwe konsevwa apèl zouti pou li fyab nan pwodiksyon?

Kenbe zouti yo limite, tipifye, ak pèmisyon, epi valide—evite yon zouti jenerik "fè nenpòt bagay". Prefere chema strik (tankou rezilta estriktire/apèl fonksyon) pou ajan an pa ka kontwole antre yo alamen. Ajoute lis otorizasyon, limit vitès, ak verifikasyon pèmisyon itilizatè/òganizasyon nan kouch zouti a. Konsepsyone zouti yo pou yo ka an sekirite pou yo re-egzekite lè sa posib, lè l sèvi avèk modèl idempotans.

Ki pi bon fason pou ajoute memwa san fè ajan an vin pi mal?

Trete memwa a kòm de pati: eta ekzekisyon kout tèm (etap resan yo, plan aktyèl la, kontrent) ak rekiperasyon alontèm (preferans, règ ki estab, dokiman ki enpòtan). Kenbe kontra kout tèm ak rezime k ap kouri, pa transkripsyon konplè. Pou memwa alontèm, rekiperasyon (entegrasyon + depo vektè/modèl RAG) anjeneral pi bon pase "bouche" tout bagay nan kontèks epi konfonn modèl la.

Ki modèl planifikasyon mwen ta dwe itilize: lis verifikasyon, ReAct, oubyen sipèvizè-travayè?

Yon planifikatè lis verifikasyon bon nèt lè travay yo previzib epi ou vle yon bagay fasil pou teste. Bouk estil ReAct yo klere lè rezilta zouti yo chanje sa ou pral fè apre. Modèl sipèvizè-travayè (tankou separasyon wòl estil AutoGen) ede lè travay yo ka paralèlize oswa benefisye de wòl distenk (chèchè, kodè, QA). Planifye-epi-egzekite ak replanifikasyon se yon bon mwayen pou evite move plan ki difisil pou fè.

Kouman mwen ka fè yon ajan vin an sekirite si li ka pran aksyon reyèl?

Sèvi ak pèmisyon ki gen pi piti privilèj epi limite zouti ki riske yo dèyè mòd apwobasyon oswa "dry-running". Ajoute bidjè ak limit: etap maksimòm, depans maksimòm, ak limit apèl zouti pa minit. Efase done sansib yo anvan ou konekte yo, epi separe anviwònman devlopman yo ak anviwònman pwodiksyon yo. Mande drapo ensètitid oswa kesyon klarifikasyon lè enfòmasyon yo anbigi, olye pou w kite konfyans ranplase prèv yo.

Kouman mwen ka teste epi evalye yon ajan IA pou li amelyore sou tan?

Bati yon seri senaryo ak chemen ki kontan, ka limit, echèk zouti, demann anbigi, ak tantativ enjeksyon rapid (style OWASP). Evalye rezilta tankou siksè travay, tan pou fini, rekiperasyon apre erè zouti, ak reklamasyon san prèv. Nenpòt lè ou chanje chema zouti, rapid, rekiperasyon, oswa fòma memwa, re-egzekite seri a. Si ou pa ka teste li, ou pa ka delivre li yon fason fyab.

Kouman mwen ka deplwaye yon ajan san mwen pa ogmante latans ak depans?

Yon modèl komen se yon kontwolè san eta ak yon depo eta ekstèn (DB/Redis), sèvis zouti dèyè li, ak yon sistèm koneksyon/siveyans solid (souvan OpenTelemetry). Kontwole depans yo ak kach rechèch, rezime eta kontra enfòmèl ant, modèl ki pi piti pou routage/ekstraksyon, epi limite "panse pwofon" nan etap ki pi difisil yo. Sèvi ak fil datant pou travay ki long pou ou pa kenbe demann entènèt yo ouvè. Toujou mete yon bouton pou fèmen pòt (kill switch).

Referans

Enstiti Nasyonal pou Nòm ak Teknoloji (NIST) - NIST AI RMF 1.0 (fyab ak transparans) - nvlpubs.nist.gov
OpenAI - Sòti Estriktire - platform.openai.com
OpenAI - Gid pou rele fonksyon - platform.openai.com
OpenAI - Gid limit vitès - platform.openai.com
OpenAI - Kouri API - platform.openai.com
OpenAI - Apèl fonksyon asistan - platform.openai.com
LangChain - Dokiman sou ajan yo (JavaScript) - docs.langchain.com
LangChain - Dokimantasyon zouti (Python) - docs.langchain.com
LangChain - Apèsi sou memwa - docs.langchain.com
arXiv - Papye ReAct (rezon + aksyon) - arxiv.org
arXiv - Dokiman RAG - arxiv.org
Bibliyotèk Amazon Web Services (AWS) Builders - Delè, nouvo tantativ, ak retablisman ak jitter - aws.amazon.com
OpenTelemetry - Entwodiksyon sou obsèvabilite - opentelemetry.io
Stripe - Demann Idempotent - docs.stripe.com
Google Cloud - Estrateji re-esè (backoff + jitter) - docs.cloud.google.com
OWASP - Top 10 pou Aplikasyon Modèl Langaj Gwo - owasp.org
OWASP - Enjeksyon rapid LLM01 - genai.owasp.org
LlamaIndex - Entwodiksyon sou RAG - devlopè.llamaindex.ai
Microsoft - Nwayo Semantik - learn.microsoft.com
Microsoft AutoGen - Kad milti-ajan (dokimantasyon) - microsoft.github.io
CrewAI - Konsèp ajan - docs.crewai.com
Haystack (deepset) - Dokimantasyon Retrievers - docs.haystack.deepset.ai

Jwenn dènye IA a nan magazen ofisyèl Asistan IA a

Konsènan nou

Retounen nan blog la