स्वायत्त एजंट: ते काय आहेत आणि ते कसे काम करतात

स्वायत्त एजंट म्हणजे काय

स्वायत्त एजंट ही एक AI प्रणाली आहे जी स्वतःहून एखाद्या उद्दिष्टाच्या दिशेने काम करते. व्यक्ती तिला हवा असलेला परिणाम सांगते आणि एजंट त्यासाठीच्या पायऱ्या ठरवून त्या पूर्ण करतो.

समजा, एखाद्याला तीन प्रोजेक्ट मॅनेजमेंट टूल्समधून एक निवडायचे आहे. स्वायत्त एजंट प्रत्येक टूल शोधू शकतो, त्याचे किंमत पेज उघडू शकतो, फरक नोंदवू शकतो आणि पूर्ण तुलना सादर करू शकतो. व्यक्ती उद्दिष्ट ठरवते आणि परिणामाचे पुनरावलोकन करते, आणि मधले काम एजंट करतो.

सध्याचे अनेक सॉफ्टवेअर एजंट सूचनांचा अर्थ लावण्यासाठी आणि पुढे काय करायचे हे ठरवण्यासाठी लार्ज लँग्वेज मॉडेल वापरतात. काही मॉडेल प्रतिमा किंवा ऑडिओवरही प्रक्रिया करतात. वेबवर शोध घेणे, बटणे क्लिक करणे किंवा ईमेल पाठवणे यासाठी एजंटला असे सॉफ्टवेअर लागते जे मॉडेलला टूल्सशी जोडते आणि त्याच्या विनंत्या अंमलात आणते.

प्रोजेक्ट मॅनेजमेंटच्या उदाहरणात, LLM आणि एजंट असे काम करतील:

1. LLM उद्दिष्ट वाचते आणि पहिल्या टूलची किंमत शोधण्यासाठी विनंती लिहिते.
2. एजंटचे सॉफ्टवेअर शोध चालवते आणि परिणाम मजकूर स्वरूपात LLM ला परत पाठवते.
3. LLM परिणाम वाचते, पुढची पायरी निवडते (किंमत पेज उघडणे) आणि नवीन विनंती लिहिते.
4. तुलना पूर्ण झाली असे LLM ठरवेपर्यंत आणि अंतिम उत्तर लिहीपर्यंत हे चक्र पुन्हा पुन्हा चालते.

विस्तृत करा

स्वायत्ततेचे स्तर

एजंटिक AI प्रणालीमध्ये (केवळ प्रश्नांची उत्तरे देण्यासाठी नव्हे, तर कृती करण्यासाठी तयार केलेले AI), स्वायत्तता ही डिझाइनची निवड असते. एकाच एजंटला प्रत्येक पायरीपूर्वी विचारण्यासाठी किंवा संपूर्ण काम एकट्याने पूर्ण करण्यासाठी सेट करता येते.

एजंटकडे असू शकणाऱ्या स्वायत्ततेच्या वेगवेगळ्या पातळ्या स्पष्ट करण्यासाठी वॉशिंग्टन विद्यापीठातील संशोधकांनी पाच-स्तरीय फ्रेमवर्क मांडले आहे:

स्तर 4 वर, एजंट स्वतःहून संशोधन करून खरेदी ऑर्डरचा मसुदा तयार करू शकतो, पण तो सबमिट करण्यापूर्वी थांबतो. स्तर 5 वर, तो ऑर्डरही सबमिट करेल.

स्वायत्त AI एजंट विरुद्ध स्वयंचलन विरुद्ध चॅटबॉट

स्वायत्त एजंट चॅटबॉट आणि वर्कफ्लो स्वयंचलनापेक्षा दोन प्रकारे वेगळे असतात: ते स्वतःच्या पायऱ्या स्वतः ठरवतात आणि इतर ॲप्स व वेबसाइट्समध्ये कृती करतात.

चॅटबॉट संभाषणात प्रश्नांची उत्तरे देतो, पण सहसा त्याबाहेर कृती करत नाही. वर्कफ्लो स्वयंचलन कृती करते, पण केवळ कोणीतरी आधीच ठरवलेल्या पायऱ्यांचे पालन करून. याचा एक सामान्य प्रकार म्हणजे रोबोटिक प्रोसेस ऑटोमेशन (RPA), म्हणजे एका सिस्टममधून दुसऱ्या सिस्टममध्ये डेटा कॉपी करण्यासारखी साधी, नियम-आधारित कामे पुन्हा पुन्हा करणारे सॉफ्टवेअर.

स्वायत्त एजंट ही दोन्ही कामे करतो: तो इतर सॉफ्टवेअरमध्ये कृती करतो आणि त्याला दिलेल्या टूल्स, परवानग्या आणि सूचनांच्या मर्यादेत उद्दिष्टाकडे जाण्यासाठी स्वतःच्या पायऱ्या स्वतः निवडतो.

उशीर झालेल्या ऑर्डरबद्दलच्या तक्रारीवरून हा फरक स्पष्ट होतो. चॅटबॉट शिपिंग धोरणाचे आधीच लिहिलेले स्पष्टीकरण देऊन उत्तर देऊ शकतो. वर्कफ्लो स्वयंचलन एक मानक “ऑर्डरला उशीर” ईमेल पाठवू शकते. स्वायत्त एजंट ऑर्डर शोधू शकतो, ती वाहतुकीदरम्यान हरवल्याचे शोधून काढू शकतो, बदली ऑर्डर पाठवू शकतो आणि ग्राहकाला कळवू शकतो.

स्वायत्त एजंट कसे काम करतात

एखादे काम पूर्ण करण्यासाठी स्वायत्त एजंट चार क्षमतांवर अवलंबून असतो: आपल्या पायऱ्यांचे नियोजन करणे, टूल्स वापरणे, आपण काय केले ते लक्षात ठेवणे आणि स्वतःच्या परिणामांची तपासणी करणे. मोठ्या कामांसाठी, काही एजंट कामाची विभागणी एजंटच्या एका टीममध्येही करतात.

1. उद्दिष्टांचे विभाजन करणे आणि योजना तयार करणे

एखादे उद्दिष्ट सहसा एकाच पायरीत पूर्ण करण्यासाठी खूप मोठे असते, म्हणून एजंटचे पहिले काम म्हणजे त्याचे लहान कामांमध्ये विभाजन करणे. उदाहरणार्थ, वापरकर्त्याने एजंटला टीम ऑफसाइटचे नियोजन करायला सांगितले, तर तो या उद्दिष्टाचे तारखा निवडणे, बजेटमधील ठिकाणे शोधणे, उपलब्धता तपासणे आणि आमंत्रणाचा मसुदा तयार करणे अशा कामांमध्ये विभाजन करू शकतो.

एजंट कसे तयार केले आहेत यानुसार ते आधीच संपूर्ण नियोजन करू शकतात किंवा काम करताना नियोजन करू शकतात. आधीच नियोजन करणे म्हणजे सुरुवात करण्यापूर्वी प्रत्येक पायरी लिहून ठेवणे, जे लहान आणि अंदाज लावता येण्याजोग्या कामांसाठी उपयुक्त ठरते. काम करताना नियोजन करणे म्हणजे पुढच्या एक-दोन पायऱ्या ठरवणे, कृती करणे आणि मिळालेल्या प्रतिसादानुसार योजनेत बदल करणे. ऑफसाइटसाठी पहिल्या पसंतीचे ठिकाण आधीच बुक झालेले असेल, तर एजंट पुन्हा सुरुवातीपासून सुरू न करता पुढच्या पर्यायाकडे जाऊ शकतो.

विस्तृत करा

चीनमधील रेनमिन विद्यापीठाने केलेल्या LLM-आधारित स्वायत्त एजंटच्या सर्वेक्षणात असे आढळले की ही दुसरी पद्धत अधिक गुंतागुंतीची कामे अधिक चांगल्या प्रकारे हाताळते, कारण कोणतेही परिणाम पाहण्यापूर्वी परिपूर्ण योजना लिहिणे कठीण असते. अनेक एजंट या दोन्ही पद्धती एकत्र वापरतात: आधी संपूर्ण योजनेची रूपरेषा तयार करतात आणि काम करताना तिच्यात बदल करतात.

2. टूल्स वापरून कृती करणे

योजना तयार झाल्यावर, एजंट त्यातील एकेक काम हाती घेतो आणि प्रत्येकासाठी एक टूल निवडतो.

• ठिकाणे शोधण्यासाठी, तो “ऑस्टिनजवळ 20 लोकांसाठी ऑफसाइट ठिकाणे” अशा क्वेरीसह वेब सर्च वापरू शकतो.
• उपलब्धता तपासण्यासाठी, तो ब्राउझरमध्ये प्रत्येक ठिकाणाचे बुकिंग पेज उघडून कॅलेंडर वाचू शकतो.
• आमंत्रण पाठवण्यासाठी, तो API द्वारे व्यक्तीच्या ईमेलशी कनेक्ट होऊ शकतो; API म्हणजे असे कनेक्शन जे एका सॉफ्टवेअरला दुसऱ्या सॉफ्टवेअरकडून डेटा किंवा कृतींची विनंती करू देते.

प्रत्येक कृतीनंतर, एजंट मिळालेला प्रतिसाद वाचतो आणि पुढची चाल ठरवतो. शोधात पाच ठिकाणे सापडली, तर तो त्यांची उपलब्धता तपासतो. एखादे बुकिंग पेज लोड होत नसेल, तर तो त्या ठिकाणाचा सूचीबद्ध फोन नंबर वापरून पाहतो किंवा पुढच्या पर्यायाकडे जातो.

एजंटकडे असलेल्या टूल्सवरून तो कोणती कामे स्वतःहून पूर्ण करू शकतो हे ठरते. ईमेल ॲक्सेस नसल्यास, तो आमंत्रणाचा मसुदा तयार करू शकतो, पण ते पाठवू शकत नाही.

3. मेमरीद्वारे प्रगतीचा मागोवा घेणे

काम करताना, एजंटला आपण काय केले आणि काय शिकलो याचा मागोवा ठेवावा लागतो. तीन ठिकाणे तपासेपर्यंत, कोणती बुक झाली होती, कोणत्यांमध्ये जागा होती आणि प्रत्येकाची किंमत किती आहे हे त्याला माहीत असणे आवश्यक असते. ही नोंद LLM च्या कॉन्टेक्स्ट विंडोमध्ये असते, म्हणजे मॉडेल एकाच वेळी विचारात घेऊ शकणाऱ्या मजकुराचे प्रमाण.

दीर्घ कामे त्या कॉन्टेक्स्ट विंडोपेक्षा मोठी होऊ शकतात. दीर्घकालीन मेमरी असलेले एजंट मॉडेलच्या बाहेर, सहसा डेटाबेसमध्ये, माहिती जतन करून आणि सध्याच्या पायरीला आवश्यक असलेलीच माहिती परत मिळवून हे हाताळतात.

दीर्घकालीन मेमरी एका कामातून दुसऱ्या कामातही कायम राहते. पुढच्या वर्षीच्या ऑफसाइटचे नियोजन करण्याची वेळ आल्यावर, एजंट यावर्षीची ठिकाणांची यादी आणि बजेट पुन्हा वापरू शकतो, किंवा टीमला एका तासाच्या ड्राइव्हच्या अंतरावरील ठिकाणे आवडतात हे लक्षात ठेवू शकतो.

4. परिणाम तपासणे आणि दिशा सुधारणे

काम करताना, अनेक एजंट एखादी पायरी चुकल्याच्या लक्षणांवर लक्ष ठेवतात. बुकिंग फॉर्मने त्रुटी दाखवली किंवा शोधातून काहीच मिळाले नाही, तर ते दुसरा मार्ग वापरून पाहतात. बजेटपेक्षा थोडे महाग ठिकाण स्वीकारार्ह आहे का, यासारखा एकट्याने घेऊ नये असा निर्णय समोर आल्यावर, ते व्यक्तीला विचारतात आणि उत्तरानुसार बदल करतात.

काम परत सोपवण्यापूर्वी, अनेक एजंट आपल्या परिणामांचे पुनरावलोकन करतात. LLM आपण तयार केलेले आउटपुट पुन्हा वाचते, त्याची उद्दिष्टाशी तुलना करते आणि जे काही राहिले आहे किंवा चुकीचे आहे त्याची यादी करते. परिणाम उद्दिष्ट पूर्ण करेपर्यंत एजंट सुधारणा करतो आणि पुन्हा तपासतो. उदाहरणार्थ, आमंत्रणात ठिकाणाचा पत्ता नसेल, तर पुनरावलोकनात ते लक्षात येते आणि एजंट पाठवण्यापूर्वी तो जोडतो.

5. अनेक एजंटमध्ये कामाची विभागणी करणे

काही कामे अनेक एजंटनी मिळून केल्यास ती अधिक वेगाने पूर्ण होतात. मुख्य एजंट कामाची विभागणी करतो आणि त्याचे भाग सब-एजंटकडे सोपवतो.

Perplexity Computer अशाच प्रकारे काम करते. व्यक्ती तिला हवा असलेला परिणाम सांगते, आणि Computer त्याचे कामांमध्ये आणि उप-कामांमध्ये विभाजन करते, त्यानंतर ती पूर्ण करण्यासाठी सब-एजंट तयार करते. सब-एजंट वेबवर संशोधन करू शकतात, दस्तऐवज तयार करू शकतात, डेटावर प्रक्रिया करू शकतात किंवा API द्वारे कनेक्ट केलेल्या सेवांना कॉल करू शकतात.

Computer ला एखादी समस्या आल्यास, ती सोडवण्यासाठी ते नवीन सब-एजंट तयार करते. प्रत्येक सब-एजंट वेगळ्या AI मॉडेलवरही चालू शकतो, त्यामुळे कामाचा प्रत्येक भाग त्यासाठी सर्वात योग्य असलेल्या मॉडेलकडे जातो.

म्हणजे, ऑफसाइटच्या उदाहरणात, एक सब-एजंट ठिकाणांबद्दल संशोधन करू शकतो, दुसरा टीमची कॅलेंडर तपासू शकतो आणि तिसरा प्रवासाच्या पर्यायांचा शोध घेऊ शकतो.

विस्तृत करा

लोक स्वायत्त एजंट कसे वापरतात

लोक स्वायत्त एजंट मुख्यतः संशोधन, लेखन, ईमेल आणि अभ्यास यांसारख्या दैनंदिन ज्ञानाधारित कामांसाठी वापरतात. हार्वर्ड आणि Perplexity च्या संशोधकांनी केलेल्या अभ्यासात, एजंटिक क्वेरींपैकी 57% क्वेरी उत्पादकता आणि शिक्षणाशी संबंधित कामांच्या होत्या. खालील उदाहरणांमध्ये प्रत्येक प्रकारच्या कामासाठी एजंट काय करतो ते दाखवले आहे.

संशोधन आणि विश्लेषण

संशोधनात अनेक लहान पायऱ्या असतात, त्यामुळे ते एजंटसाठी अगदी योग्य असते. एजंट शोध घेऊ शकतो, स्रोत उघडू शकतो, ते वाचू शकतो आणि त्यांत काय म्हटले आहे याची तुलना करू शकतो. उदाहरणार्थ, “रिमोट वर्क आणि उत्पादकतेवरील तीन अलीकडील अभ्यास शोधा आणि प्रत्येकाचे निष्कर्ष थोडक्यात सांगा” अशी क्वेरी घ्या. एजंट अभ्यास शोधतो आणि सर्वात संबंधित अभ्यास उघडतो. तो प्रत्येक अभ्यासाचे निष्कर्ष वाचतो आणि प्रत्येक स्रोताच्या लिंकसह सारांश लिहितो. एखादा अभ्यास पेवॉलमागे असल्यास, एजंट पुढच्या अभ्यासाकडे जातो. त्या अभ्यासात, संशोधनाचा सारांश तयार करणे आणि विश्लेषण करणे हे एजंटिक क्वेरींपैकी 7% आहे.

दस्तऐवज, ईमेल आणि कॅलेंडर

एजंट बऱ्याचदा लोक दररोज आधीपासूनच वापरत असलेल्या टूल्समध्ये काम करतात. हार्वर्ड आणि Perplexity च्या अभ्यासात, Google ची दस्तऐवज टूल्स आणि ईमेल ही दोन सर्वाधिक वापरली जाणारी टूल्स होती आणि एकत्रितपणे ती एजंटिक क्वेरींपैकी सुमारे एक चतुर्थांश होती. उदाहरणार्थ, “या आठवड्यातील न वाचलेले ईमेल तपासा, क्लायंटकडून आलेले सर्व ईमेल फ्लॅग करा आणि शेड्युलिंगच्या विनंत्यांना उत्तरांचे मसुदे तयार करा” अशी क्वेरी घ्या. एजंट इनबॉक्स उघडतो आणि संदेशांचे वर्गीकरण करतो. तो मोकळ्या वेळांसाठी कॅलेंडर तपासतो आणि प्रत्येक विनंतीला उत्तराचा मसुदा तयार करतो. तो मसुदे न पाठवता जतन करू शकतो, जेणेकरून व्यक्ती आधी प्रत्येक मसुद्याचे पुनरावलोकन करू शकेल.

शिक्षण आणि अभ्यासक्रम

विद्यार्थी अभ्यासासाठी एजंट वापरतात. या अभ्यासात, अभ्यासक्रमाचे काम ही एजंट वापराची सर्वात मोठी एकल श्रेणी आहे, जी एजंटिक क्वेरींपैकी 13% आहे. “माझ्या अभ्यासक्रमातील वाचन साहित्याच्या चौथ्या प्रकरणावर माझी क्विझ घ्या” अशी क्वेरी एजंटला कोर्सच्या वेबसाइटवर पाठवते, जिथे तो ते प्रकरण वाचतो, मुख्य मुद्द्यांवर प्रश्न लिहितो आणि विद्यार्थ्याची उत्तरे तपासतो. हीच पद्धत नवीन विषय शिकणाऱ्या कोणालाही उपयोगी पडते, जसे की अपरिचित उद्योगाची माहिती करून घेणारा कर्मचारी.

खरेदी आणि तुलना

एजंटिक क्वेरींपैकी 10% क्वेरी खरेदीशी संबंधित आहेत, ज्यात मुख्यतः उत्पादने शोधणे आणि त्यांची तुलना करणे यांचा समावेश आहे. “चांगले रिव्ह्यू असलेले $400 पेक्षा कमी किमतीचे स्टँडिंग डेस्क शोधा” असे सांगितल्यावर, एजंट अनेक रिटेलर्सवर शोध घेतो, किंमत आणि रेटिंगनुसार फिल्टर करतो, सर्वोत्तम पर्यायांची तुलना करतो आणि सर्वात चांगला पर्याय कार्टमध्ये जोडू शकतो. अनेक वेबसाइट्सवरील पर्यायांची तुलना एजंटकडून करून घेतल्याने बराच वेळ वाचू शकतो, कारण व्यक्तीला प्रत्येक लिस्टिंग उघडून ती एकमेकांशी पडताळून पाहावी लागत नाही.

स्वायत्त एजंट वापरण्यासाठी सात सर्वोत्तम पद्धती

1. तपासायला सोप्या कामांपासून सुरुवात करणे

सुरुवातीसाठी सर्वोत्तम कामे अशी असतात ज्यांतील चूक सहज लक्षात येते आणि ती दुरुस्त करायला फारसा खर्च येत नाही. संशोधन सारांश आणि उत्पादनांची तुलना हे सुरुवातीसाठी चांगले पर्याय आहेत. एजंटने आपले स्रोत लिंक केले, तर काम तपासायला काही मिनिटेच लागतात. विश्वास वाढत जाईल तसतसे लोक अधिक टप्पे असलेली, जास्त वेळ चालणारी कामे सोपवू शकतात.

2. स्पष्ट परिणाम आणि मर्यादा निश्चित करणे

काम का महत्त्वाचे आहे हे एजंटला माहीत असल्यास तो अधिक चांगले निर्णय घेऊ शकतो. प्रभावी क्वेरी एखाद्या कंत्राटदाराला दिलेल्या संक्षिप्त सूचनांसारखी असते: उद्देश, प्रेक्षक, आधीच माहीत असलेली माहिती आणि आधीच वगळलेले पर्याय. “बोर्ड मेमोसाठी या तीन विक्रेत्यांची तुलना करा; बोर्डला सर्वाधिक चिंता अंमलबजावणीतील जोखमीची आहे, आणि SOC 2 अनुपालन नसलेल्या सर्वांना आम्ही आधीच वगळले आहे” अशा क्वेरीमुळे एजंटला स्वतःहून निर्णय घेण्यासाठी आवश्यक ते सर्व मिळते.

3. मंजुरीचे टप्पे जोडणे

काही कृती परत घेता येत नाहीत, जसे की ईमेल पाठवणे, खरेदी करणे, फाइल्स हटवणे किंवा फॉर्म सबमिट करणे. एजंटमध्ये तशी सोय असल्यास, अशा टप्प्यांपूर्वी थांबून विचारण्यासाठी तो सेट करा. क्वेरीमध्येही थांबण्याचा टप्पा ठरवता येतो. “उत्तरांचे मसुदे तयार करा, पण ते पाठवू नका” किंवा “सर्वोत्तम पर्याय माझ्या कार्टमध्ये जोडा, पण चेकआउट करू नका” असे सांगितल्याने एजंटला नेमके कुठे थांबायचे आणि नियंत्रण परत सोपवायचे हे कळते.

4. काम सुरू होण्यापूर्वी योजनेचे पुनरावलोकन करणे

मोठ्या कामासाठी, सुरुवात करण्यापूर्वी एजंटला त्याच्या योजनेची रूपरेषा मांडायला सांगा. योजनेचे पुनरावलोकन करायला एक मिनिट लागतो, आणि त्या टप्प्यावर गैरसमज दुरुस्त करणे हे पूर्ण झालेल्या कामात तो सापडण्यापेक्षा खूपच कमी खर्चिक असते.

5. ॲक्सेस कामाला आवश्यक तेवढाच मर्यादित ठेवणे

एजंट ज्या प्रत्येक खात्यापर्यंत पोहोचू शकतो, त्या खात्यात तो कृतीही करू शकतो. कामासाठी आवश्यक असलेलीच ॲप्स कनेक्ट केल्याने संवेदनशील डेटा आवाक्याबाहेर राहतो आणि काय चुकू शकते यावर मर्यादा येते. विक्रेत्यांबद्दल संशोधन करणाऱ्या एजंटला ईमेल ॲक्सेसची गरज नसते. उत्तरांचे मसुदे तयार करणाऱ्या एजंटला मात्र त्याची गरज असते, पण ती उत्तरे पाठवण्याची परवानगी त्याला लागेलच असे नाही.

6. तपासण्या क्वेरीमध्येच समाविष्ट करणे

एजंट आधीच स्वतःच्या आउटपुटचे पुनरावलोकन करतात, त्यामुळे त्यांनी काय तपासावे हे क्वेरीमध्ये सांगता येते. चांगला परिणाम कसा असावा हे नमूद केल्याने (“प्रत्येक आकड्यासाठी 2025 किंवा त्यानंतरच्या तारखेचा स्रोत हवा”) एजंट काम परत सोपवण्यापूर्वी तो निकष लागू करतो. पुष्टी झालेली तथ्ये आणि त्याचे स्वतःचे अनुमान वेगळे करायला, तसेच गृहीतके ठळकपणे नमूद करायला सांगितल्याने व्यक्तीचे पुनरावलोकन अधिक जलद आणि केंद्रित होते.

7. जे उपयोगी ठरते त्याचा पुन्हा वापर करणे

ज्या क्वेरीने उत्तम परिणाम दिला, ती पुढील तशाच कामासाठी टेम्पलेट बनू शकते. एजंटला चांगल्या आउटपुटचे उदाहरण देणे, जसे की मागील तिमाहीचा अहवाल, हे अनेकदा स्वरूपाचे शब्दांत वर्णन करण्यापेक्षा अधिक प्रभावी ठरते. वारंवार होणारी कामे कायमस्वरूपी वर्कफ्लो बनू शकतात.

स्वायत्त एजंटबाबत Perplexity चा दृष्टिकोन

Perplexity दोन स्वायत्त एजंट देते. Comet Assistant ब्राउझरमध्येच दैनंदिन कामे हाताळतो, आणि Perplexity Computer तासन्‌तास किंवा त्याहून अधिक काळ चालू शकणारे मोठे प्रोजेक्ट हाती घेतो.

Comet Assistant हा Perplexity च्या AI ब्राउझर Comet मध्ये अंगभूत आहे. एखाद्या व्यक्तीने आधीच उघडलेल्या वेबसाइट्सवर तो काम करतो, त्यामुळे टूल्स न बदलता तो मीटिंग्ज शेड्यूल करू शकतो, दस्तऐवज संपादित करू शकतो, ईमेल पाठवू शकतो आणि फ्लाइट्स बुक करू शकतो.

Computer क्लाउडमध्ये चालतो आणि आधी वर्णन केल्याप्रमाणे प्रत्येक उद्दिष्ट उप-एजंटमध्ये विभागतो. तो शेकडो सेवांशी कनेक्ट होतो, आणि कामाच्या विशिष्ट भागांसाठी लोक विशिष्ट AI मॉडेल्स निवडू शकतात. Computer हा Pro आणि Max सदस्यांसाठी उपलब्ध आहे.

ब्राउझरमध्ये एजंट वापरून पाहण्यासाठी Comet Assistant एक्सप्लोर करा, किंवा मोठा प्रोजेक्ट सोपवण्यासाठी Perplexity Computer एक्सप्लोर करा.

वारंवार विचारले जाणारे प्रश्न

स्वायत्त एजंट आणि एजंटिक AI एकच आहेत का?

नाही, पण या संज्ञांचे अर्थ काही प्रमाणात एकमेकांत मिसळतात. एजंटिक AI म्हणजे सहसा नियोजन करून आणि कृती करून उद्दिष्टे साध्य करणाऱ्या AI प्रणालींची व्यापक श्रेणी. स्वायत्त एजंट ही त्या श्रेणीतील एक विशिष्ट प्रणाली आहे, जी प्रत्येक टप्प्यावर फारशी मंजुरी न घेता आपले काम पार पाडते.

सर्व AI एजंट स्वायत्त असतात का?

नाही. काही एजंट प्रत्येक टप्पा व्यक्तीने निर्देश दिल्यावरच पार पाडतात, तर काही संपूर्ण काम स्वतःहून पूर्ण करतात. आधी वर्णन केलेल्या स्वायत्ततेच्या पातळ्या संपूर्ण व्याप्ती दाखवतात: व्यक्ती टप्प्याटप्प्याने चालवते अशा एजंटपासून ते व्यक्ती केवळ देखरेख ठेवते अशा एजंटपर्यंत.

स्वायत्त एजंट खरेदी किंवा पेमेंट करू शकतात का?

वेबसाइट, परवानग्या आणि सुरक्षा उपाय यांवर अवलंबून, काही एजंट खरेदीसाठी मदत करू शकतात. Comet Assistant उत्पादनांची तुलना करू शकतो आणि चेकआउट प्रक्रियेत मदत करू शकतो. Perplexity च्या Instant Buy मुळे अमेरिकेतील पात्र वापरकर्ते Perplexity मध्येच समर्थित उत्पादने खरेदी करू शकतात, आणि चेकआउटसाठी PayPal हा पर्याय उपलब्ध आहे.

स्वायत्त एजंट वापरण्यासाठी कोडिंग कौशल्ये आवश्यक असतात का?

अनेक तयार एजंट कोडिंगशिवाय वापरता येतात. काही प्लॅटफॉर्म लोकांना नैसर्गिक भाषेतील सूचनांद्वारे किंवा ग्राफिकल इंटरफेसद्वारे एजंट तयार करण्याची सुविधाही देतात. कस्टम इंटिग्रेशन्स, डीबगिंग आणि अधिक विशेष वर्तनासाठी कोडिंग उपयुक्त ठरू शकते.