Autonominiai agentai: kas tai ir kaip jie veikia

Kas yra autonominis agentas

Autonominis agentas – tai DI sistema, kuri savarankiškai siekia tikslo. Žmogus aprašo norimą rezultatą, o agentas pats nustato reikiamus žingsnius ir juos atlieka.

Tarkime, kas nors nori pasirinkti vieną iš trijų projektų valdymo įrankių. Autonominis agentas gali ieškoti informacijos apie kiekvieną įrankį, atidaryti jo kainų puslapį, užsirašyti skirtumus ir pateikti baigtą palyginimą. Žmogus nustato tikslą ir peržiūri rezultatą, o visą tarpinį darbą atlieka agentas.

Daugelis dabartinių programinės įrangos agentų naudoja didįjį kalbos modelį (LLM), kad suprastų nurodymus ir nuspręstų, ką daryti toliau. Kai kurie modeliai apdoroja ir vaizdus ar garsą. Kad galėtų ieškoti žiniatinklyje, spustelėti mygtukus ar siųsti el. laiškus, agentui reikia programinės įrangos, kuri sujungia modelį su įrankiais ir vykdo jo užklausas.

Projektų valdymo pavyzdyje LLM ir agentas veiktų taip:

1. LLM perskaito tikslą ir parašo užklausą ieškoti pirmojo įrankio kainų.
2. Agento programinė įranga atlieka paiešką ir perduoda rezultatus atgal LLM teksto pavidalu.
3. LLM perskaito rezultatus, pasirenka kitą žingsnį (atidaryti kainų puslapį) ir parašo naują užklausą.
4. Ciklas kartojamas tol, kol LLM nusprendžia, kad palyginimas baigtas, ir parašo galutinį atsakymą.

Padidinti

Autonomijos lygiai

Agentinėje DI sistemoje (DI, sukurtame ne tik atsakyti į klausimus, bet ir imtis veiksmų) autonomija yra projektavimo sprendimas. Tą patį agentą galima nustatyti taip, kad jis klaustų prieš kiekvieną žingsnį arba visą užduotį atliktų pats.

Vašingtono universiteto mokslininkai siūlo penkių lygių sistemą, paaiškinančią skirtingus agento autonomijos laipsnius:

4 lygyje agentas gali savarankiškai surinkti informaciją ir parengti pirkimo užsakymo projektą, tačiau prieš jį pateikdamas sustoti. 5 lygyje jis pateiktų ir užsakymą.

Autonominiai DI agentai, automatizavimas ir pokalbių robotai: kuo jie skiriasi

Autonominiai agentai nuo pokalbių robotų ir darbo eigų automatizavimo skiriasi dviem aspektais: jie patys nusprendžia, kokius žingsnius atlikti, ir imasi veiksmų kitose programose bei svetainėse.

Pokalbių robotas atsako į klausimus pokalbio metu, tačiau paprastai už jo ribų nieko nedaro. Darbo eigų automatizavimas veiksmų imasi, bet tik pagal kieno nors iš anksto nustatytus žingsnius. Paplitęs jo tipas – robotizuotas procesų automatizavimas (RPA): programinė įranga, kartojanti paprastas, taisyklėmis pagrįstas užduotis, pavyzdžiui, duomenų kopijavimą iš vienos sistemos į kitą.

Autonominis agentas daro abu: veikia kitoje programinėje įrangoje ir pats pasirenka žingsnius tikslui pasiekti, neperžengdamas jam suteiktų įrankių, leidimų ir nurodymų ribų.

Skirtumą gerai parodo skundas dėl vėluojančio užsakymo. Pokalbių robotas galėtų atsakyti iš anksto parašytu pristatymo politikos paaiškinimu. Darbo eigos automatizavimas galėtų išsiųsti standartinį laišką „Užsakymas vėluoja“. Autonominis agentas galėtų surasti užsakymą, nustatyti, kad jis pasimetė gabenant, išsiųsti pakaitinę prekę ir informuoti klientą.

Kaip veikia autonominiai agentai

Kad atliktų užduotį, autonominis agentas remiasi keturiais gebėjimais: žingsnių planavimu, įrankių naudojimu, atliktų veiksmų įsiminimu ir savo rezultatų tikrinimu. Atlikdami didesnes užduotis, kai kurie agentai darbą dar ir paskirsto agentų komandai.

1. Tikslų skaidymas ir planavimas

Tikslas paprastai būna per didelis, kad jį būtų galima pasiekti vienu žingsniu, todėl pirmiausia agentas jį suskaido į mažesnes užduotis. Pavyzdžiui, jei naudotojas paprašo agento suplanuoti komandos išvyką, šis gali tikslą suskaidyti į datų pasirinkimą, biudžetą atitinkančių vietų paiešką, jų užimtumo tikrinimą ir kvietimo rengimą.

Priklausomai nuo to, kaip sukurti, agentai gali planuoti iš anksto arba eigoje. Planuoti iš anksto reiškia prieš pradedant surašyti visus žingsnius – tai tinka trumpoms, nuspėjamoms užduotims. Planuoti eigoje reiškia numatyti vieną ar du kitus žingsnius, juos atlikti ir koreguoti planą pagal gautus rezultatus. Jei pirmoji pasirinkta išvykos vieta būtų užimta, agentas galėtų pereiti prie kito varianto nepradėdamas visko iš naujo.

Padidinti

Kinijos Renmino universiteto LLM pagrįstų autonominių agentų apžvalgoje nustatyta, kad antrasis būdas geriau tinka sudėtingesnėms užduotims, nes sunku parašyti tobulą planą dar nematant jokių rezultatų. Daugelis agentų derina abu būdus: pirmiausia apmeta visą planą, o dirbdami jį koreguoja.

2. Veiksmai naudojant įrankius

Turėdamas planą, agentas vykdo jį po vieną užduotį ir kiekvienai pasirenka įrankį.

• Kad surastų vietas, jis gali naudoti žiniatinklio paiešką su užklausa, pavyzdžiui, „vietos komandos išvykai 20 žmonių netoli Ostino“.
• Kad patikrintų, ar vietos laisvos, jis gali naršyklėje atidaryti kiekvienos vietos rezervavimo puslapį ir peržiūrėti kalendorių.
• Kad išsiųstų kvietimą, jis gali prisijungti prie žmogaus el. pašto per API – sąsają, leidžiančią vienai programinei įrangai prašyti kitos duomenų ar veiksmų.

Po kiekvieno veiksmo agentas perskaito, ką gavo, ir nusprendžia, ką daryti toliau. Jei paieška randa penkias vietas, jis patikrina, ar jos laisvos. Jei rezervavimo puslapis neįsikelia, jis ieško vietos telefono numerio arba pereina prie kito varianto.

Agento turimi įrankiai lemia, kurias užduotis jis gali atlikti pats. Neturėdamas prieigos prie el. pašto, jis gali parengti kvietimą, bet negali jo išsiųsti.

3. Pažangos sekimas naudojant atmintį

Dirbdamas agentas turi sekti, ką jau atliko ir ką sužinojo. Patikrinęs tris vietas, jis turi žinoti, kurios buvo užimtos, kuriose dar buvo laisvų vietų ir kiek kiekviena kainuoja. Ši informacija saugoma LLM konteksto lange – tai teksto kiekis, kurį modelis gali apdoroti vienu metu.

Ilgos užduotys gali viršyti konteksto lango dydį. Agentai, turintys ilgalaikę atmintį, šią problemą sprendžia saugodami informaciją už modelio ribų, dažniausiai duomenų bazėje, ir išgaudami tik tai, ko reikia dabartiniam žingsniui.

Ilgalaikė atmintis išlieka ir tarp užduočių. Atėjus laikui planuoti kitų metų išvyką, agentas galėtų pakartotinai panaudoti šių metų vietų sąrašą ir biudžetą arba prisiminti, kad komanda renkasi vietas, iki kurių galima nuvažiuoti per valandą.

4. Rezultatų tikrinimas ir krypties koregavimas

Dirbdami daugelis agentų stebi ženklus, rodančius, kad kuris nors žingsnis nepavyko. Jei rezervavimo forma grąžina klaidą arba paieška nieko neranda, agentas bando kitą būdą. Prieidamas prie sprendimo, kurio neturėtų priimti vienas, pavyzdžiui, ar priimtina vieta, šiek tiek viršijanti biudžetą, jis klausia žmogaus ir prisitaiko pagal atsakymą.

Prieš grąžindami atliktą darbą, daugelis agentų peržiūri savo rezultatus. LLM perskaito, ką sukūrė, palygina tai su tikslu ir išvardija, ko trūksta ar kas neteisinga. Agentas pataiso ir tikrina iš naujo, kol rezultatas atitinka tikslą. Pavyzdžiui, jei kvietime trūksta vietos adreso, peržiūros metu tai pastebima ir agentas adresą įrašo prieš išsiųsdamas.

5. Darbo paskirstymas agentams

Kai kurias užduotis galima atlikti greičiau, kai jas pasidalija keli agentai. Pagrindinis agentas suskaido darbą ir perduoda jo dalis subagentams.

Perplexity Computer veikia būtent taip. Žmogus aprašo norimą rezultatą, o Computer jį suskaido į užduotis ir paužduotes, tada sukuria subagentus joms atlikti. Subagentai gali ieškoti informacijos žiniatinklyje, kurti dokumentus, apdoroti duomenis arba per API kreiptis į prijungtas paslaugas.

Susidūręs su problema, Computer sukuria naujus subagentus jai išspręsti. Kiekvienas subagentas taip pat gali naudoti skirtingą DI modelį, todėl kiekviena darbo dalis tenka jai geriausiai tinkančiam modeliui.

Taigi išvykos pavyzdyje vienas subagentas galėtų ieškoti vietų, kitas – tikrinti komandos narių kalendorius, o trečias – nagrinėti kelionės galimybes.

Padidinti

Kaip žmonės naudoja autonominius agentus

Žmonės autonominius agentus dažniausiai naudoja kasdieniam žinių darbui: informacijos paieškai, rašymui, el. paštui ir mokymuisi. Harvardo ir Perplexity mokslininkų tyrime produktyvumo ir mokymosi užduotys sudarė 57 % agentinių užklausų. Toliau pateikti pavyzdžiai rodo, ką agentas atlieka kiekvienos rūšies darbe.

Tyrimai ir analizė

Tyrimai agentams puikiai tinka, nes susideda iš daugybės smulkių žingsnių. Agentas gali ieškoti, atidaryti šaltinius, juos perskaityti ir palyginti, ką juose teigiama. Paimkime užklausą „rask tris naujausius tyrimus apie nuotolinį darbą ir produktyvumą ir apibendrink, ką nustatė kiekvienas“. Agentas ieško tyrimų ir atidaro aktualiausius. Jis perskaito kiekvieno tyrimo išvadas ir parašo santrauką su nuorodomis į visus šaltinius. Jei tyrimas prieinamas tik užsiprenumeravus, agentas pereina prie kito. Minėtame tyrime mokslinių tyrimų apibendrinimas ir analizė sudaro 7 % agentinių užklausų.

Dokumentai, el. paštas ir kalendoriai

Agentai dažnai dirba su įrankiais, kuriuos žmonės jau naudoja kasdien. Harvardo ir Perplexity tyrime dažniausiai pasitaikė Google dokumentų įrankiai ir el. paštas – kartu jie sudarė maždaug ketvirtadalį agentinių užklausų. Paimkime užklausą „peržiūrėk šios savaitės neperskaitytus el. laiškus, pažymėk visus klientų laiškus ir parenk atsakymų į susitikimų planavimo prašymus juodraščius“. Agentas atidaro gautųjų aplanką ir surūšiuoja laiškus. Jis patikrina, koks laikas kalendoriuje laisvas, ir parengia atsakymo į kiekvieną prašymą juodraštį. Juodraščius jis gali išsaugoti neišsiuntęs, kad žmogus pirmiausia galėtų kiekvieną peržiūrėti.

Mokymasis ir studijų užduotys

Studentai naudoja agentus mokydamiesi. Tyrime studijų užduotys yra didžiausia atskira agentų naudojimo kategorija – 13 % agentinių užklausų. Gavęs užklausą, pavyzdžiui, „patikrink mano žinias iš kurso skaitinių ketvirtojo skyriaus“, agentas eina į kurso svetainę, perskaito skyrių, parengia klausimų apie svarbiausius dalykus ir patikrina studento atsakymus. Tas pats būdas tinka kiekvienam, kuris mokosi naujos srities, pavyzdžiui, darbuotojui, kuriam reikia greitai perprasti nepažįstamą pramonės šaką.

Apsipirkimas ir palyginimai

Apsipirkimas sudaro 10 % agentinių užklausų – daugiausia tai produktų paieška ir palyginimas. Paprašytas „rasti stalą darbui stovint iki 400 USD su gerais atsiliepimais“, agentas ieško keliose parduotuvėse, filtruoja pagal kainą ir įvertinimą, palygina geriausius variantus ir gali įdėti tinkamiausią į krepšelį. Kai variantus keliose svetainėse lygina agentas, galima sutaupyti daug laiko, nes žmogui nebereikia atidarinėti ir tikrinti kiekvieno skelbimo.

Septynios gerosios autonominių agentų naudojimo praktikos

1. Pradėkite nuo lengvai patikrinamų užduočių

Geriausios pirmosios užduotys – tos, kuriose klaidą lengva pastebėti ir nebrangu ištaisyti. Tyrimų santraukos ir produktų palyginimai – geras atspirties taškas. Jei agentas pateikia nuorodas į savo šaltinius, darbą patikrinti užtrunka vos kelias minutes. Augant pasitikėjimui, galima patikėti ilgesnes užduotis su daugiau žingsnių.

2. Nustatykite aiškius rezultatus ir apribojimus

Agentas gali priimti geresnius sprendimus, kai žino, kodėl užduotis svarbi. Gera užklausa skamba kaip užduoties aprašas rangovui: tikslas, auditorija, kas jau žinoma ir kas jau atmesta. „Palygink šiuos tris tiekėjus valdybai skirtam memorandumui; valdybai labiausiai rūpi diegimo rizika, o visus, kurie neatitinka SOC 2 reikalavimų, jau atmetėme“ – tokia užklausa suteikia agentui viską, ko reikia, kad jis pats galėtų priimti sprendimus.

3. Įtraukite patvirtinimo kontrolinius taškus

Kai kurių veiksmų nebegalima atšaukti, pavyzdžiui, el. laiško išsiuntimo, pirkimo, failų ištrynimo ar formos pateikimo. Jei agentas tai leidžia, nustatykite, kad prieš šiuos veiksmus jis sustotų ir paklaustų. Sustojimo tašką galima nurodyti ir pačioje užklausoje. „Paruošk atsakymų juodraščius, bet jų nesiųsk“ arba „Įdėk geriausią variantą į krepšelį, bet neapmokėk“ – tokie nurodymai tiksliai pasako agentui, kur sustoti ir grąžinti valdymą.

4. Peržiūrėkite planą prieš pradedant darbą

Jei užduotis didesnė, paprašykite agento prieš pradedant darbą išdėstyti savo planą. Plano peržiūra užtrunka minutę, o ištaisyti nesusipratimą šiame etape kur kas pigiau nei aptikti jį jau parengtame galutiniame rezultate.

5. Suteikite prieigą tik prie to, ko reikia užduočiai

Kiekviena paskyra, kurią agentas gali pasiekti, yra paskyra, kurioje jis gali veikti. Prijungus tik tas programas, kurių reikia užduočiai, jautrūs duomenys lieka nepasiekiami, o rizika, kad kas nors nutiks ne taip, sumažėja. Tiekėjus tiriančiam agentui prieigos prie el. pašto nereikia. Atsakymų juodraščius rengiančiam agentui jos reikia, tačiau leidimo juos siųsti jam gali ir nereikėti.

6. Įtraukite patikras į užklausą

Agentai jau patys peržiūri savo rezultatus, todėl užklausoje galima nurodyti, ką tikrinti. Apibūdinus, kaip atrodo geras rezultatas („kiekvienam skaičiui reikia 2025 m. ar vėlesnio šaltinio“), agentas pritaiko šį standartą prieš grąžindamas darbą. Paprašius atskirti patvirtintus faktus nuo savo išvadų ir pažymėti prielaidas, žmogaus atliekama peržiūra tampa greitesnė ir tikslingesnė.

7. Pakartotinai naudokite tai, kas veikia

Užklausa, davusi puikų rezultatą, gali tapti šablonu kitai panašiai užduočiai. Pateikus agentui gero rezultato pavyzdį, pavyzdžiui, praėjusio ketvirčio ataskaitą, dažnai pasiekiama daugiau nei aprašant formatą žodžiais. Pasikartojančios užduotys gali tapti nuolatinėmis darbo eigomis.

Kaip Perplexity žiūri į autonominius agentus

Perplexity siūlo du autonominius agentus. Comet Assistant atlieka kasdienes užduotis naršyklėje, o Perplexity Computer imasi didesnių projektų, kurie gali trukti valandas ar ilgiau.

Comet Assistant yra integruotas į Comet – Perplexity DI naršyklę. Jis veikia jau atidarytose svetainėse, todėl gali planuoti susitikimus, redaguoti dokumentus, siųsti el. laiškus ir užsakyti skrydžius nekeičiant įrankių.

Computer veikia debesyje ir, kaip aprašyta anksčiau, kiekvieną tikslą paskirsto subagentams. Jis jungiasi prie šimtų paslaugų, o naudotojai gali pasirinkti konkrečius DI modelius konkrečioms darbo dalims. Computer pasiekiamas Pro ir Max prenumeratoriams.

Išbandykite Comet Assistant, jei norite naudoti agentą naršyklėje, arba Perplexity Computer, jei norite patikėti didesnį projektą.

Dažnai užduodami klausimai

Ar autonominis agentas yra tas pats, kas agentinis DI?

Ne, bet šios sąvokos iš dalies sutampa. Agentiniu DI paprastai vadinama platesnė DI sistemų kategorija, kurios siekia tikslų planuodamos ir imdamosi veiksmų. Autonominis agentas yra konkreti šios kategorijos sistema, kuri atlieka savo darbą beveik nereikalaudama patvirtinimo kiekviename žingsnyje.

Ar visi DI agentai yra autonominiai?

Ne. Kai kurie agentai atlieka kiekvieną žingsnį tik žmogui nurodžius, o kiti visą užduotį atlieka patys. Anksčiau aprašyti autonomijos lygiai parodo visą spektrą – nuo agentų, kuriuos žmogus valdo žingsnis po žingsnio, iki agentų, kuriuos žmogus tik stebi.

Ar autonominiai agentai gali pirkti ar atlikti mokėjimus?

Kai kurie agentai gali padėti apsipirkti – tai priklauso nuo svetainės, leidimų ir apsaugos priemonių. Comet Assistant gali palyginti produktus ir padėti atlikti atsiskaitymo veiksmus. Perplexity funkcija Instant Buy leidžia reikalavimus atitinkantiems JAV naudotojams įsigyti palaikomų produktų tiesiogiai Perplexity platformoje, o PayPal galima pasirinkti kaip atsiskaitymo būdą.

Ar autonominiams agentams reikia programavimo įgūdžių?

Daugelį paruoštų agentų galima naudoti neprogramuojant. Kai kurios platformos taip pat leidžia kurti agentus natūralia kalba pateiktomis instrukcijomis arba per grafinę sąsają. Programavimas gali praversti kuriant individualias integracijas, šalinant klaidas ir siekiant labiau specializuoto veikimo.