Автономни агенти: какво представляват и как работят

Какво е автономен агент

Автономният агент е система с ИИ, която работи самостоятелно за постигането на дадена цел. Човек описва желания резултат, а агентът определя стъпките и ги изпълнява.

Да кажем, че някой иска да избере между три инструмента за управление на проекти. Автономният агент може да потърси всеки инструмент, да отвори страницата му с цени, да отбележи разликите и да върне готово сравнение. Човекът поставя целта и преглежда резултата, а агентът върши работата между тези две стъпки.

Много от днешните софтуерни агенти използват голям езиков модел (LLM), за да тълкуват инструкциите и да решават какво да правят след това. Някои модели обработват и изображения или аудио. За да търси в уеб, да щраква бутони или да изпраща имейли, агентът се нуждае от софтуер, който свързва модела с инструменти и изпълнява заявките му.

В примера с управлението на проекти LLM и агентът биха работили така:

1. LLM прочита целта и съставя заявка за търсене на цените на първия инструмент.
2. Софтуерът на агента изпълнява търсенето и връща резултатите на LLM като текст.
3. LLM прочита резултатите, избира следващата стъпка (отваряне на страницата с цени) и съставя нова заявка.
4. Цикълът се повтаря, докато LLM не прецени, че сравнението е завършено, и не напише окончателния отговор.

Уголеми

Нива на автономност

В агентна система с ИИ (ИИ, създаден да предприема действия, а не само да отговаря на въпроси) автономността е въпрос на дизайн. Един и същ агент може да бъде настроен да пита преди всяка стъпка или да изпълни цяла задача сам.

Изследователи от Вашингтонския университет предлагат рамка с пет нива, за да обяснят различните степени на автономност, които може да има един агент:

На ниво 4 агентът може сам да проучи и изготви поръчка за покупка, но да спре, преди да я подаде. На ниво 5 той би подал и поръчката.

Автономни ИИ агенти, автоматизация и чатботове: каква е разликата

Автономните агенти се различават от чатботовете и автоматизацията на работни процеси по два начина: сами решават какви стъпки да предприемат и извършват действия в други приложения и уебсайтове.

Чатботът отговаря на въпроси в рамките на разговор, но обикновено не действа извън него. Автоматизацията на работни процеси действа, но само като следва стъпки, които някой е настроил предварително. Често срещан вид е роботизираната автоматизация на процеси (RPA) – софтуер, който повтаря прости задачи, базирани на правила, като например копиране на данни от една система в друга.

Автономният агент прави и двете: действа в друг софтуер и сам избира стъпките си към дадена цел в рамките на инструментите, разрешенията и инструкциите, които са му предоставени.

Оплакване за забавена поръчка показва разликата. Чатботът може да отговори с предварително написано обяснение на политиката за доставка. Автоматизацията на работни процеси може да изпрати стандартен имейл „Забавяне на поръчката“. Автономният агент може да провери поръчката, да установи, че е изгубена по време на транспорта, да изпрати заместваща пратка и да информира клиента.

Как работят автономните агенти

Автономният агент разчита на четири способности, за да изпълни дадена задача: планиране на стъпките, използване на инструменти, запомняне на извършеното и проверка на собствените резултати. При по-големи задачи някои агенти също така разпределят работата между екип от агенти.

1. Разбиване на целите и планиране

Целта обикновено е твърде голяма, за да бъде постигната с една стъпка, затова първата задача на агента е да я раздели на по-малки задачи. Например, ако потребителят помоли агента да планира изнесено мероприятие за екипа, той може да раздели целта на избор на дати, намиране на места в рамките на бюджета, проверка на наличността и изготвяне на покана.

Агентите могат да планират предварително или в движение, в зависимост от това как са създадени. Предварителното планиране означава всички стъпки да се напишат преди започване, което е подходящо за кратки и предвидими задачи. Планирането в движение означава да се набележат следващите една-две стъпки, да се действа и планът да се коригира според получения резултат. Ако предпочитаното място за изнесеното мероприятие е заето, агентът може да премине към следващата възможност, без да започва отначало.

Уголеми

Обзор на автономните агенти, базирани на LLM, изготвен от Университета „Жънмин“ в Китай, установява, че вторият подход се справя по-добре с по-сложни задачи, тъй като е трудно да се напише перфектен план, преди да се видят каквито и да е резултати. Много агенти съчетават двата подхода: първо скицират пълен план и после го коригират в хода на работата.

2. Предприемане на действия с инструменти

След като планът е готов, агентът го изпълнява задача по задача, като избира инструмент за всяка от тях.

• За да намери места, той може да използва търсене в уеб със заявка като „места за изнесени мероприятия за 20 души близо до Остин“.
• За да провери наличността, той може да отвори страницата за резервации на всяко място в браузър и да прочете календара.
• За да изпрати поканата, той може да се свърже с имейла на човека чрез API – връзката, която позволява на един софтуер да изисква данни или действия от друг.

След всяко действие агентът прочита полученото и решава какъв да е следващият ход. Ако търсенето открие пет места, той проверява наличността им. Ако страницата за резервации не се зарежда, той опитва телефонния номер на мястото или преминава към следващата възможност.

Инструментите, с които разполага агентът, определят кои задачи може да изпълни самостоятелно. Без достъп до имейл той може да изготви поканата, но не и да я изпрати.

3. Проследяване на напредъка с помощта на памет

Докато работи, агентът трябва да следи какво е направил и какво е научил. След като е проверил три места, той трябва да знае кои са заети, в кои има свободни места и колко струва всяко. Тази информация се съхранява в контекстния прозорец на LLM – обема текст, който моделът може да обработи наведнъж.

Дългите задачи могат да надхвърлят този контекстен прозорец. Агентите с дългосрочна памет се справят с това, като запазват информацията извън модела, обикновено в база данни, и извличат само това, което е нужно за текущата стъпка.

Дългосрочната памет се пренася и между задачите. Когато дойде време да се планира изнесеното мероприятие за следващата година, агентът може да използва отново списъка с места и бюджета от тази година или да си спомни, че екипът предпочита места на не повече от час път с кола.

4. Проверка на резултатите и коригиране на курса

Докато работят, много агенти следят за признаци, че някоя стъпка се е объркала. Ако формуляр за резервация върне грешка или търсене не даде резултати, агентът опитва друг подход. Когато стигне до решение, което не бива да взема сам – например дали е приемливо място, което леко надхвърля бюджета – той пита човека и се съобразява с отговора.

Преди да предадат работата си, много агенти преглеждат резултатите си. LLM прочита отново създаденото, сравнява го с целта и изброява всичко липсващо или грешно. Агентът прави корекции и проверява отново, докато резултатът не отговори на целта. Например, ако в поканата липсва адресът на мястото, прегледът открива пропуска и агентът го добавя преди изпращане.

5. Разпределяне на работата между агенти

Някои задачи се изпълняват по-бързо, когато няколко агента си ги поделят. Водещ агент разделя работата и възлага отделните части на подагенти.

Perplexity Computer работи по този начин. Човек описва желания резултат, а Computer го разбива на задачи и подзадачи, след което създава подагенти, които да ги изпълнят. Подагентите могат да правят проучвания в уеб, да генерират документи, да обработват данни или да извикват свързани услуги чрез API.

Когато Computer срещне проблем, той създава нови подагенти, които да го решат. Всеки подагент може да работи и с различен ИИ модел, така че всяка част от работата да се поема от най-подходящия за нея модел.

Така в примера с изнесеното мероприятие един подагент може да проучва места, друг да проверява календарите на екипа, а трети да търси варианти за пътуване.

Уголеми

Как хората използват автономни агенти

Хората използват автономни агенти най-вече за ежедневна интелектуална работа: проучване, писане, имейли и учене. В изследване на учени от Харвард и Perplexity задачите, свързани с продуктивността и ученето, съставляват 57% от агентните заявки. Примерите по-долу показват какво прави агентът при всеки вид работа.

Проучване и анализ

Проучването е много подходящо за агенти, защото включва много малки стъпки. Агентът може да търси, да отваря източници, да ги чете и да сравнява какво пише в тях. Да вземем заявка като „намери три скорошни изследвания за дистанционната работа и продуктивността и обобщи какво е установило всяко от тях“. Агентът търси изследвания и отваря най-подходящите. Прочита констатациите на всяко изследване и пише обобщение с връзки към всеки източник. Ако дадено изследване е зад платена стена, агентът преминава към следващото. В цитираното изследване обобщаването и анализът на проучвания съставляват 7% от агентните заявки.

Документи, имейли и календари

Агентите често работят в инструментите, които хората вече използват всеки ден. В изследването на Харвард и Perplexity инструментите за документи на Google и имейлът са двата най-често срещани, като заедно съставляват около една четвърт от агентните заявки. Да вземем заявка като „прегледай непрочетените имейли от тази седмица, маркирай всичко от клиенти и подготви чернови на отговори на заявките за насрочване на срещи“. Агентът отваря входящата поща и сортира съобщенията. Проверява календара за свободни часове и подготвя отговор на всяка заявка. Може да запази черновите, без да ги изпраща, така че човекът първо да прегледа всяка от тях.

Учене и учебни задачи

Студентите използват агенти, за да учат. Учебните задачи са най-голямата отделна категория на използване на агенти в изследването – 13% от агентните заявки. Заявка като „изпитай ме по четвърта глава от учебните ми материали“ насочва агента към уебсайта на курса, където той прочита главата, съставя въпроси по ключовите моменти и проверява отговорите на студента. Същият подход работи за всеки, който изучава нова тема, например за служител, който навлиза в непозната индустрия.

Пазаруване и сравнения

Пазаруването съставлява 10% от агентните заявки, като най-често става дума за търсене и сравняване на продукти. Когато го помолят да „намери бюро за работа в изправено положение под 400 $ с добри отзиви“, агентът търси в сайтовете на няколко търговци, филтрира по цена и оценка, сравнява най-добрите варианти и може да добави най-подходящия в количката. Когато агент сравнява вариантите в няколко уебсайта, това може да спести много време, тъй като човекът вече не трябва да отваря и проверява всяка обява поотделно.

Седем добри практики за използване на автономни агенти

1. Започване със задачи, които лесно се проверяват

Най-добрите първи задачи са тези, при които грешката лесно се забелязва и евтино се поправя. Обобщенията на проучвания и сравненията на продукти са добра отправна точка. Ако агентът посочва връзки към източниците си, проверката на работата отнема няколко минути. С нарастването на доверието хората могат да възлагат по-дълги задачи с повече стъпки.

2. Задаване на ясни резултати и ограничения

Агентът може да взема по-добри решения, когато знае защо задачата е важна. Добрата заявка звучи като задание към външен изпълнител: целта, аудиторията, какво вече е известно и какво е изключено. „Сравни тези трима доставчици за докладна записка до управителния съвет; съветът се интересува най-вече от риска при внедряването, а ние вече сме изключили всички без съответствие със SOC 2“ дава на агента необходимото, за да преценява сам.

3. Добавяне на контролни точки за одобрение

Някои действия не могат да бъдат отменени, например изпращане на имейл, извършване на покупка, изтриване на файлове или подаване на формуляр. Когато агентът позволява това, настройте го да спира и да пита преди тези стъпки. Самата заявка също може да зададе точка на спиране. „Подготви чернови на отговорите, но не ги изпращай“ или „добави най-добрия вариант в количката ми, но не завършвай поръчката“ казва на агента точно къде да спре и да върне контрола.

4. Преглед на плана преди работата

При по-голяма задача помолете агента да очертае плана си, преди да започне. Прегледът на плана отнема минута, а коригирането на недоразумение на този етап е много по-евтино, отколкото откриването му в готовия резултат.

5. Ограничаване на достъпа до това, от което задачата се нуждае

Всеки акаунт, до който агентът има достъп, е акаунт, в който той може да действа. Свързването само на приложенията, необходими за дадена задача, държи чувствителните данни извън обсега му и ограничава това, което може да се обърка. Агент, който проучва доставчици, не се нуждае от достъп до имейл. Агент, който подготвя чернови на отговори, има нужда от него, но може да не се нуждае от разрешение да ги изпраща.

6. Вграждане на проверките в заявката

Агентите вече преглеждат собствените си резултати, така че заявката може да им каже какво да проверяват. Когато опишете как изглежда добрият резултат („всяка цифра трябва да има източник с дата 2025 г. или по-късно“), агентът прилага този стандарт, преди да върне работата си. Ако го помолите да разграничава потвърдените факти от собствените си изводи и да отбелязва допусканията, прегледът от страна на човека става по-бърз и по-фокусиран.

7. Повторно използване на това, което работи

Заявка, която е дала добър резултат, може да се превърне в шаблон за следващата подобна задача. Когато дадете на агента пример за добър резултат, като например отчета от миналото тримесечие, това често помага повече от описването на формата с думи. Повтарящите се задачи могат да се превърнат в постоянни работни процеси.

Как Perplexity подхожда към автономните агенти

Perplexity предлага два автономни агента. Comet Assistant се справя с ежедневни задачи в браузъра, а Perplexity Computer поема по-големи проекти, които могат да продължат с часове или повече.

Comet Assistant е вграден в Comet – AI браузъра на Perplexity. Той работи с уебсайтовете, които човек вече е отворил, така че може да насрочва срещи, да редактира документи, да изпраща имейли и да резервира полети, без да се налага смяна на инструменти.

Computer работи в облака и разпределя всяка цел между подагенти, както беше описано по-рано. Той се свързва със стотици услуги, а хората могат да избират конкретни AI модели за конкретни части от работата. Computer е достъпен за абонатите на Pro и Max.

Разгледайте Comet Assistant, за да изпробвате агент в браузъра, или Perplexity Computer, за да възложите по-голям проект.

Често задавани въпроси

Автономният агент същото ли е като агентния AI?

Не, но термините се припокриват. Агентният AI обикновено се отнася до по-широката категория AI системи, които преследват цели, като планират и предприемат действия. Автономният агент е конкретна система от тази категория, която изпълнява работата си с минимално одобрение стъпка по стъпка.

Всички AI агенти ли са автономни?

Не. Някои агенти изпълняват всяка стъпка само когато човек ги насочи, докато други изпълняват цяла задача самостоятелно. Описаните по-рано нива на автономност показват целия диапазон – от агенти, които човек управлява стъпка по стъпка, до агенти, които човек само наблюдава.

Могат ли автономните агенти да правят покупки или плащания?

Някои агенти могат да помагат при покупки в зависимост от уебсайта, разрешенията и защитните механизми. Comet Assistant може да сравнява продукти и да помага при процеса на плащане. Instant Buy на Perplexity позволява на отговарящите на условията потребители в САЩ да купуват поддържани продукти в Perplexity, като PayPal е наличен като опция за плащане.

Изискват ли автономните агенти умения за програмиране?

Много готови агенти могат да се използват без програмиране. Някои платформи също позволяват на хората да създават агенти чрез инструкции на естествен език или чрез графичен интерфейс. Програмирането може да е полезно за персонализирани интеграции, отстраняване на грешки и по-специализирано поведение.