Autonomi aģenti: kas tie ir un kā tie darbojas

Kas ir autonoms aģents

Autonoms aģents ir MI sistēma, kas patstāvīgi strādā mērķa sasniegšanai. Cilvēks apraksta vēlamo rezultātu, un aģents pats izdomā nepieciešamos soļus un tos izpilda.

Pieņemsim, ka kāds vēlas izvēlēties vienu no trim projektu vadības rīkiem. Autonoms aģents var meklēt informāciju par katru rīku, atvērt tā cenu lapu, pierakstīt atšķirības un sniegt gatavu salīdzinājumu. Cilvēks nosaka mērķi un pārskata rezultātu, bet aģents paveic visu darbu starp šiem posmiem.

Daudzi mūsdienu programmatūras aģenti izmanto lielo valodas modeli, lai interpretētu norādījumus un izlemtu, ko darīt tālāk. Daži modeļi apstrādā arī attēlus vai audio. Lai meklētu tīmeklī, noklikšķinātu uz pogām vai sūtītu e-pastu, aģentam ir nepieciešama programmatūra, kas savieno modeli ar rīkiem un izpilda tā pieprasījumus.

Projektu vadības piemērā LLM un aģents darbotos šādi:

1. LLM izlasa mērķi un uzraksta pieprasījumu meklēt pirmā rīka cenas.
2. Aģenta programmatūra veic meklēšanu un nodod rezultātus atpakaļ LLM teksta veidā.
3. LLM izlasa rezultātus, izvēlas nākamo soli (cenu lapas atvēršanu) un uzraksta jaunu pieprasījumu.
4. Cikls atkārtojas, līdz LLM nolemj, ka salīdzinājums ir pabeigts, un uzraksta galīgo atbildi.

Izvērst

Autonomijas līmeņi

Aģentiskā MI sistēmā (MI, kas izveidots, lai veiktu darbības, nevis tikai atbildētu uz jautājumiem) autonomija ir dizaina izvēle. To pašu aģentu var iestatīt tā, lai tas jautātu pirms katra soļa vai visu uzdevumu paveiktu pats.

Vašingtonas Universitātes pētnieki piedāvā piecu līmeņu ietvaru, lai izskaidrotu dažādās autonomijas pakāpes, kādas var būt aģentam:

4. līmenī aģents varētu pats veikt izpēti un sagatavot pirkuma pasūtījuma melnrakstu, taču apstāties pirms tā iesniegšanas. 5. līmenī tas iesniegtu arī pasūtījumu.

Autonomi MI aģenti salīdzinājumā ar automatizāciju un tērzēšanas robotiem

Autonomi aģenti no tērzēšanas robotiem un darbplūsmu automatizācijas atšķiras divos aspektos: tie paši izlemj, kādus soļus veikt, un veic darbības citās lietotnēs un tīmekļa vietnēs.

Tērzēšanas robots atbild uz jautājumiem sarunā, taču parasti nedarbojas ārpus tās. Darbplūsmu automatizācija gan veic darbības, taču tikai izpildot soļus, ko kāds ir iepriekš iestatījis. Izplatīts tās veids ir robotizētā procesu automatizācija (RPA) — programmatūra, kas atkārto vienkāršus, uz noteikumiem balstītus uzdevumus, piemēram, datu kopēšanu no vienas sistēmas uz citu.

Autonoms aģents dara abus: tas veic darbības citā programmatūrā un pats izvēlas soļus mērķa sasniegšanai tam piešķirto rīku, atļauju un norādījumu robežās.

Atšķirību labi parāda sūdzība par aizkavētu pasūtījumu. Tērzēšanas robots varētu atbildēt ar iepriekš sagatavotu piegādes politikas skaidrojumu. Darbplūsmu automatizācija varētu nosūtīt standarta e-pastu „Pasūtījums aizkavējas”. Autonoms aģents varētu atrast pasūtījumu, noskaidrot, ka tas ir pazudis pārvadāšanas laikā, noformēt aizstājošu sūtījumu un informēt klientu.

Kā darbojas autonomi aģenti

Lai pabeigtu uzdevumu, autonoms aģents izmanto četras spējas: savu soļu plānošanu, rīku izmantošanu, paveiktā atcerēšanos un savu rezultātu pārbaudi. Lielākiem uzdevumiem daži aģenti arī sadala darbu starp vairākiem aģentiem, kas strādā kā komanda.

1. Mērķu sadalīšana un plānu veidošana

Mērķis parasti ir pārāk liels, lai to sasniegtu vienā solī, tāpēc aģenta pirmais uzdevums ir sadalīt to mazākos uzdevumos. Piemēram, ja lietotājs lūdz aģentam noplānot komandas izbraukuma pasākumu, tas varētu sadalīt mērķi šādos uzdevumos: datumu izvēle, norises vietu atrašana budžeta ietvaros, pieejamības pārbaude un ielūguma melnraksta sagatavošana.

Atkarībā no tā, kā aģenti ir izveidoti, tie var plānot iepriekš vai darba gaitā. Plānošana iepriekš nozīmē visu soļu pierakstīšanu pirms darba sākšanas, un tā ir piemērota īsiem, paredzamiem uzdevumiem. Plānošana darba gaitā nozīmē nākamā soļa vai divu ieskicēšanu, rīcību un plāna pārskatīšanu atkarībā no iegūtā rezultāta. Ja izbraukuma pasākumam vēlamākā norises vieta būtu aizņemta, aģents varētu pāriet pie nākamās iespējas, nesākot visu no jauna.

Izvērst

Ķīnas Renmin Universitātes pārskatā par uz LLM balstītiem autonomiem aģentiem secināts, ka otrā pieeja labāk tiek galā ar sarežģītākiem uzdevumiem, jo ir grūti uzrakstīt perfektu plānu, pirms redzēti jebkādi rezultāti. Daudzi aģenti apvieno abas pieejas: vispirms ieskicē pilnu plānu un darba gaitā to pārskata.

2. Darbību veikšana ar rīkiem

Kad plāns ir gatavs, aģents to izpilda pa vienam uzdevumam, katram izvēloties piemērotu rīku.

• Lai atrastu norises vietas, tas varētu izmantot tīmekļa meklēšanu ar vaicājumu, piemēram, „izbraukuma pasākumu vietas 20 cilvēkiem netālu no Ostinas”.
• Lai pārbaudītu pieejamību, tas varētu pārlūkprogrammā atvērt katras norises vietas rezervēšanas lapu un izlasīt kalendāru.
• Lai nosūtītu ielūgumu, tas varētu piekļūt cilvēka e-pastam, izmantojot API — savienojumu, kas ļauj vienai programmatūrai pieprasīt datus vai darbības no citas.

Pēc katras darbības aģents izlasa saņemto rezultātu un izlemj par nākamo soli. Ja meklēšanā tiek atrastas piecas norises vietas, tas pārbauda to pieejamību. Ja rezervēšanas lapa neielādējas, tas mēģina izmantot norises vietas norādīto tālruņa numuru vai pāriet pie nākamās iespējas.

No aģentam pieejamajiem rīkiem ir atkarīgs, kurus uzdevumus tas var paveikt pats. Bez piekļuves e-pastam tas var sagatavot ielūguma melnrakstu, bet nevar to nosūtīt.

3. Progresa izsekošana ar atmiņu

Darba gaitā aģentam ir jāseko līdzi tam, ko tas ir paveicis un ko uzzinājis. Kad tas ir pārbaudījis trīs norises vietas, tam jāzina, kuras bija aizņemtas, kurās vēl bija brīvas vietas un cik katra maksā. Šis ieraksts atrodas LLM konteksta logā — teksta apjomā, ko modelis var ņemt vērā vienlaikus.

Gari uzdevumi var pārsniegt šo konteksta logu. Aģenti ar ilgtermiņa atmiņu to risina, saglabājot informāciju ārpus modeļa, parasti datubāzē, un izgūstot tikai to, kas nepieciešams pašreizējam solim.

Ilgtermiņa atmiņa saglabājas arī starp uzdevumiem. Kad pienāks laiks plānot nākamā gada izbraukuma pasākumu, aģents varētu atkārtoti izmantot šī gada norises vietu sarakstu un budžetu vai atcerēties, ka komanda dod priekšroku vietām ne vairāk kā stundas brauciena attālumā.

4. Rezultātu pārbaude un kursa labošana

Darba laikā daudzi aģenti seko līdzi pazīmēm, ka kāds solis nav izdevies. Ja rezervēšanas veidlapa atgriež kļūdu vai meklēšana nedod rezultātus, aģents mēģina citu pieeju. Ja jāpieņem lēmums, ko tam nevajadzētu pieņemt vienam, piemēram, vai norises vieta, kas nedaudz pārsniedz budžetu, ir pieņemama, tas jautā cilvēkam un rīkojas atbilstoši atbildei.

Pirms nodot paveikto darbu, daudzi aģenti pārskata savus rezultātus. LLM izlasa izveidoto, salīdzina to ar mērķi un uzskaita visu, kas trūkst vai ir nepareizs. Aģents veic labojumus un pārbauda vēlreiz, līdz rezultāts atbilst mērķim. Piemēram, ja ielūgumā trūkst norises vietas adreses, pārskatīšanā tas tiek pamanīts, un aģents to pievieno pirms nosūtīšanas.

5. Darba sadalīšana starp aģentiem

Daži uzdevumi tiek paveikti ātrāk, ja tos kopīgi veic vairāki aģenti. Vadošais aģents sadala darbu un nodod tā daļas apakšaģentiem.

Perplexity Computer darbojas tieši šādi. Cilvēks apraksta vēlamo rezultātu, un Computer to sadala uzdevumos un apakšuzdevumos, pēc tam izveido apakšaģentus, kas tos izpilda. Apakšaģenti var veikt izpēti tīmeklī, ģenerēt dokumentus, apstrādāt datus vai, izmantojot API, izsaukt pievienotos pakalpojumus.

Ja Computer saskaras ar problēmu, tas izveido jaunus apakšaģentus tās risināšanai. Katrs apakšaģents var darboties arī ar citu MI modeli, tāpēc katra darba daļa tiek nodota tam modelim, kas tai ir vispiemērotākais.

Tātad izbraukuma pasākuma piemērā viens apakšaģents varētu izpētīt norises vietas, cits — pārbaudīt komandas kalendārus, bet trešais — izpētīt ceļošanas iespējas.

Izvērst

Kā cilvēki izmanto autonomus aģentus

Cilvēki autonomus aģentus galvenokārt izmanto ikdienas zināšanu darbam: izpētei, rakstīšanai, e-pastam un mācībām. Hārvardas un Perplexity pētnieku pētījumā produktivitātes un mācību uzdevumi veidoja 57 % no aģentiskajiem vaicājumiem. Tālāk sniegtajos piemēros parādīts, ko aģents dara katra veida darbā.

Izpēte un analīze

Izpēte aģentiem ir ļoti piemērota, jo tā sastāv no daudziem nelieliem soļiem. Aģents var meklēt, atvērt avotus, tos izlasīt un salīdzināt to saturu. Piemēram, ņemsim vaicājumu „atrodi trīs nesenus pētījumus par attālināto darbu un produktivitāti un apkopo katra pētījuma secinājumus”. Aģents meklē pētījumus un atver atbilstošākos. Tas izlasa katra pētījuma secinājumus un uzraksta kopsavilkumu ar saitēm uz visiem avotiem. Ja pētījums ir pieejams tikai par maksu, aģents pāriet pie nākamā. Pētījumā izpētes apkopošana un analīze veido 7 % no aģentiskajiem vaicājumiem.

Dokumenti, e-pasts un kalendāri

Aģenti bieži strādā rīkos, ko cilvēki jau izmanto ikdienā. Hārvardas un Perplexity pētījumā visbiežāk izmantotie bija Google dokumentu rīki un e-pasts, kas kopā veidoja aptuveni ceturto daļu no aģentiskajiem vaicājumiem. Piemēram, ņemsim vaicājumu „pārskati šīs nedēļas nelasītos e-pastus, atzīmē visu, kas saņemts no klientiem, un sagatavo atbildes uz tikšanos plānošanas pieprasījumiem”. Aģents atver iesūtni un sakārto ziņojumus. Tas pārbauda kalendārā brīvos laikus un sagatavo atbildes melnrakstu katram pieprasījumam. Tas var saglabāt melnrakstus, tos nenosūtot, lai cilvēks vispirms varētu katru pārskatīt.

Mācības un studiju uzdevumi

Studenti izmanto aģentus mācībām. Studiju uzdevumi ir lielākā atsevišķā aģentu izmantošanas kategorija pētījumā — 13 % no aģentiskajiem vaicājumiem. Vaicājums, piemēram, „pārbaudi manas zināšanas par kursa materiālu ceturto nodaļu”, nosūta aģentu uz kursa tīmekļa vietni, kur tas izlasa nodaļu, uzraksta jautājumus par galvenajiem punktiem un pārbauda studenta atbildes. Tāda pati pieeja der ikvienam, kurš apgūst jaunu jomu, piemēram, darbiniekam, kurš iepazīstas ar sev nepazīstamu nozari.

Iepirkšanās un salīdzināšana

Iepirkšanās veido 10 % no aģentiskajiem vaicājumiem, galvenokārt produktu meklēšana un salīdzināšana. Saņēmis uzdevumu „atrodi stāvgaldu līdz 400 $ ar labām atsauksmēm”, aģents meklē vairākos interneta veikalos, filtrē pēc cenas un vērtējuma, salīdzina labākās iespējas un var pievienot labāko grozam. Ja iespējas vairākās tīmekļa vietnēs salīdzina aģents, var ietaupīt daudz laika, jo cilvēkam vairs nav jāatver un jāsalīdzina katrs piedāvājums.

Septiņas labākās prakses autonomu aģentu izmantošanai

1. Sāciet ar viegli pārbaudāmiem uzdevumiem

Vislabākie pirmie uzdevumi ir tie, kuros kļūdu ir viegli pamanīt un lēti izlabot. Pētījumu kopsavilkumi un produktu salīdzinājumi ir labs sākumpunkts. Ja aģents norāda saites uz saviem avotiem, darba pārbaude aizņem tikai dažas minūtes. Uzticībai pieaugot, cilvēki var nodot aģentam garākus uzdevumus ar vairāk soļiem.

2. Nosakiet skaidrus rezultātus un ierobežojumus

Aģents var pieņemt labākus lēmumus, ja zina, kāpēc uzdevums ir svarīgs. Labs vaicājums līdzinās darba uzdevumam darbuzņēmējam: mērķis, auditorija, kas jau ir zināms un kas jau ir izslēgts. „Salīdzini šos trīs piegādātājus valdes memorandam; valdei visvairāk rūp ieviešanas risks, un mēs jau esam izslēguši visus, kuriem nav SOC 2 atbilstības” sniedz aģentam visu nepieciešamo, lai tas pats varētu pieņemt lēmumus pēc saviem ieskatiem.

3. Pievienojiet apstiprināšanas kontrolpunktus

Dažas darbības nevar atsaukt, piemēram, e-pasta nosūtīšanu, pirkuma veikšanu, failu dzēšanu vai veidlapas iesniegšanu. Ja aģents to atļauj, iestatiet, lai pirms šīm darbībām tas apstātos un pajautātu. Apstāšanās punktu var noteikt arī pats vaicājums. „Sagatavo atbilžu melnrakstus, bet nesūti tos” vai „pievieno labāko variantu manam iepirkumu grozam, bet nenoformē pirkumu” precīzi norāda aģentam, kur apstāties un atdot kontroli atpakaļ.

4. Pārskatiet plānu pirms darba sākšanas

Lielāka uzdevuma gadījumā palūdziet aģentam pirms darba sākšanas izklāstīt savu plānu. Plāna pārskatīšana aizņem minūti, un pārpratuma labošana šajā posmā ir daudz lētāka nekā tā atklāšana jau gatavā darba rezultātā.

5. Ierobežojiet piekļuvi tikai tam, kas nepieciešams uzdevumam

Katrs konts, kuram aģents var piekļūt, ir konts, kurā tas var rīkoties. Ja savieno tikai tās lietotnes, kas nepieciešamas uzdevumam, sensitīvie dati paliek ārpus aģenta sasniedzamības un samazinās risks, ka kaut kas noies greizi. Aģentam, kas izpēta piegādātājus, nav nepieciešama piekļuve e-pastam. Aģentam, kas sagatavo atbilžu melnrakstus, tā ir nepieciešama, taču tam var nebūt vajadzīga atļauja šīs atbildes nosūtīt.

6. Iekļaujiet pārbaudes vaicājumā

Aģenti jau paši pārskata savu darbu, tāpēc vaicājumā var norādīt, kas tiem jāpārbauda. Ja vaicājumā ir norādīts, kā izskatās labs rezultāts („katram skaitlim nepieciešams avots, kas datēts ar 2025. gadu vai vēlāk”), aģents piemēro šo standartu, pirms nodod savu darbu. Ja aģentam lūdz nošķirt apstiprinātus faktus no saviem secinājumiem un atzīmēt pieņēmumus, cilvēks darbu var pārskatīt ātrāk un mērķtiecīgāk.

7. Izmantojiet atkārtoti to, kas darbojas

Vaicājums, kas deva labu rezultātu, var kļūt par veidni nākamajam līdzīgajam uzdevumam. Ja aģentam parāda laba rezultāta paraugu, piemēram, iepriekšējā ceturkšņa pārskatu, tas bieži vien palīdz vairāk nekā formāta aprakstīšana vārdos. Regulāri uzdevumi var kļūt par pastāvīgām darbplūsmām.

Perplexity pieeja autonomajiem aģentiem

Perplexity piedāvā divus autonomus aģentus. Comet Assistant veic ikdienas uzdevumus pārlūkprogrammā, bet Perplexity Computer uzņemas lielākus projektus, kas var darboties stundām ilgi vai pat ilgāk.

Comet Assistant ir iebūvēts Comet — Perplexity MI pārlūkprogrammā. Tas strādā tajās vietnēs, kuras cilvēkam jau ir atvērtas, tāpēc tas var ieplānot sapulces, rediģēt dokumentus, sūtīt e-pastus un rezervēt lidojumus, nepārslēdzoties starp rīkiem.

Computer darbojas mākonī un sadala katru mērķi starp apakšaģentiem, kā aprakstīts iepriekš. Tas savienojas ar simtiem pakalpojumu, un cilvēki var izvēlēties konkrētus MI modeļus konkrētām darba daļām. Computer ir pieejams Pro un Max abonentiem.

Izpētiet Comet Assistant, lai izmēģinātu aģentu pārlūkprogrammā, vai Perplexity Computer, lai nodotu tam lielāku projektu.

Biežāk uzdotie jautājumi

Vai autonoms aģents ir tas pats, kas aģentiskais MI?

Nē, taču šie termini pārklājas. Ar aģentisko MI parasti apzīmē plašāku to MI sistēmu kategoriju, kas tiecas sasniegt mērķus, plānojot un veicot darbības. Autonoms aģents ir konkrēta šīs kategorijas sistēma, kurai darba veikšanai gandrīz nav nepieciešams apstiprinājums katram solim.

Vai visi MI aģenti ir autonomi?

Nē. Daži aģenti veic katru soli tikai tad, kad cilvēks to norāda, savukārt citi paši izpilda visu uzdevumu. Iepriekš aprakstītie autonomijas līmeņi parāda visu diapazonu — no aģentiem, kurus cilvēks vada soli pa solim, līdz aģentiem, kurus cilvēks tikai uzrauga.

Vai autonomi aģenti var veikt pirkumus vai maksājumus?

Daži aģenti var palīdzēt veikt pirkumus atkarībā no vietnes, atļaujām un drošības pasākumiem. Comet Assistant var salīdzināt produktus un palīdzēt pirkuma noformēšanas procesā. Perplexity funkcija Instant Buy ļauj atbilstīgiem ASV lietotājiem iegādāties atbalstītos produktus tieši pakalpojumā Perplexity, un kā norēķinu iespēja ir pieejams PayPal.

Vai autonomu aģentu izmantošanai ir nepieciešamas programmēšanas prasmes?

Daudzus gatavus aģentus var izmantot bez programmēšanas. Dažas platformas arī ļauj veidot aģentus, izmantojot norādījumus dabiskajā valodā vai grafisko saskarni. Programmēšana var noderēt pielāgotām integrācijām, atkļūdošanai un specializētākai darbībai.