Автономные агенты: что это такое и как они работают

Что такое автономный агент

Автономный агент — это ИИ-система, которая самостоятельно движется к цели. Человек описывает желаемый результат, а агент сам определяет шаги и выполняет их.

Допустим, кому-то нужно выбрать один из трёх инструментов для управления проектами. Автономный агент может найти информацию о каждом инструменте, открыть страницу с ценами, отметить различия и вернуть готовое сравнение. Человек ставит цель и проверяет результат, а всю работу между этими этапами выполняет агент.

Многие современные программные агенты используют большую языковую модель (LLM), чтобы понимать инструкции и решать, что делать дальше. Некоторые модели также обрабатывают изображения или аудио. Чтобы искать в интернете, нажимать кнопки или отправлять электронные письма, агенту нужно программное обеспечение, которое связывает модель с инструментами и выполняет её запросы.

В примере с управлением проектами LLM и агент работали бы так:

1. LLM читает цель и составляет запрос на поиск цен первого инструмента.
2. Программное обеспечение агента выполняет поиск и передаёт результаты обратно LLM в виде текста.
3. LLM читает результаты, выбирает следующий шаг (открыть страницу с ценами) и составляет новый запрос.
4. Цикл повторяется, пока LLM не решит, что сравнение готово, и не напишет итоговый ответ.

Развернуть

Уровни автономности

В агентной ИИ-системе (ИИ, созданном для того, чтобы выполнять действия, а не только отвечать на вопросы) автономность — это проектное решение. Один и тот же агент можно настроить так, чтобы он спрашивал разрешения перед каждым шагом или выполнял всю задачу самостоятельно.

Исследователи из Вашингтонского университета предлагают пятиуровневую модель, описывающую разные степени автономности агента:

На уровне 4 агент может самостоятельно изучить варианты и подготовить заказ на закупку, но остановиться перед его отправкой. На уровне 5 он отправит и сам заказ.

Автономные ИИ-агенты, автоматизация и чат-боты

Автономные агенты отличаются от чат-ботов и автоматизации рабочих процессов двумя особенностями: они сами определяют свои шаги и выполняют действия в других приложениях и на сайтах.

Чат-бот отвечает на вопросы в диалоге, но обычно не действует за его пределами. Автоматизация рабочих процессов действительно выполняет действия, но только по шагам, которые кто-то заранее настроил. Распространённый пример — роботизированная автоматизация процессов (RPA): программы, которые повторяют простые задачи по заданным правилам, например копируют данные из одной системы в другую.

Автономный агент делает и то и другое: он действует в других программах и сам выбирает шаги к цели в рамках предоставленных ему инструментов, разрешений и инструкций.

Разницу хорошо видно на примере жалобы на задержку заказа. Чат-бот может ответить заранее написанным объяснением правил доставки. Автоматизация рабочих процессов может отправить стандартное письмо «Заказ задерживается». Автономный агент может найти заказ, выяснить, что он потерялся при доставке, оформить замену и сообщить об этом клиенту.

Как работают автономные агенты

Для выполнения задачи автономный агент опирается на четыре возможности: планирование шагов, использование инструментов, запоминание сделанного и проверку собственных результатов. Для более крупных задач некоторые агенты также распределяют работу между командой агентов.

1. Разбиение целей на задачи и составление планов

Цель обычно слишком велика, чтобы достичь её за один шаг, поэтому первое, что делает агент, — разбивает её на более мелкие задачи. Например, если пользователь просит агента спланировать выездное мероприятие для команды, агент может разделить цель на выбор дат, поиск площадок в рамках бюджета, проверку их доступности и подготовку приглашения.

В зависимости от своего устройства агенты могут планировать заранее или по ходу работы. Планировать заранее — значит прописать все шаги до начала работы; это подходит для коротких и предсказуемых задач. Планировать по ходу — значит наметить один-два следующих шага, выполнить их и скорректировать план с учётом полученного результата. Если бы приоритетная площадка для выездного мероприятия оказалась занята, агент мог бы перейти к следующему варианту, не начиная всё заново.

Развернуть

Обзор автономных агентов на основе LLM, подготовленный в Китайском народном университете, показывает, что второй подход лучше справляется со сложными задачами, поскольку трудно составить идеальный план, не увидев никаких результатов. Многие агенты сочетают оба подхода: сначала набрасывают полный план, а затем корректируют его по ходу работы.

2. Действия с помощью инструментов

Составив план, агент выполняет его по одной задаче за раз, выбирая для каждой подходящий инструмент.

• Чтобы найти площадки, он может воспользоваться веб-поиском с запросом вроде «площадки для выездного мероприятия на 20 человек недалеко от Остина».
• Чтобы проверить доступность, он может открыть в браузере страницу бронирования каждой площадки и посмотреть календарь.
• Чтобы отправить приглашение, он может подключиться к электронной почте человека через API — интерфейс, который позволяет одной программе запрашивать данные или действия у другой.

После каждого действия агент изучает полученный результат и решает, что делать дальше. Если поиск выдаёт пять площадок, он проверяет их доступность. Если страница бронирования не загружается, он пробует найти номер телефона площадки или переходит к следующему варианту.

От того, какие инструменты есть у агента, зависит, какие задачи он сможет выполнить самостоятельно. Без доступа к электронной почте он может подготовить приглашение, но не отправить его.

3. Отслеживание прогресса с помощью памяти

По ходу работы агенту нужно отслеживать, что он уже сделал и что узнал. К моменту, когда он проверит три площадки, ему нужно знать, какие из них заняты, где есть места и сколько стоит каждая. Эти сведения хранятся в контекстном окне LLM — объёме текста, который модель может учитывать одновременно.

Длинные задачи могут не уместиться в контекстное окно. Агенты с долговременной памятью решают эту проблему, сохраняя информацию вне модели, обычно в базе данных, и извлекая только то, что нужно для текущего шага.

Долговременная память сохраняется и между задачами. Когда придёт время планировать выездное мероприятие на следующий год, агент сможет повторно использовать список площадок и бюджет этого года или вспомнить, что команда предпочитает площадки не дальше часа езды.

4. Проверка результатов и корректировка курса

Во время работы многие агенты следят за признаками того, что какой-то шаг пошёл не так. Если форма бронирования возвращает ошибку или поиск ничего не находит, агент пробует другой подход. Когда нужно принять решение, которое он не должен принимать самостоятельно, например допустима ли площадка, немного превышающая бюджет, агент спрашивает человека и вносит коррективы с учётом ответа.

Прежде чем вернуть результат работы, многие агенты проверяют его. LLM перечитывает созданное, сравнивает его с целью и перечисляет всё, чего не хватает или что сделано неправильно. Агент вносит исправления и снова проверяет результат, пока он не будет соответствовать цели. Например, если в приглашении нет адреса площадки, проверка это выявит, и агент добавит адрес перед отправкой.

5. Распределение работы между агентами

Некоторые задачи выполняются быстрее, если над ними работают несколько агентов. Ведущий агент разделяет работу и передаёт её части субагентам.

Perplexity Computer работает именно так. Человек описывает желаемый результат, Computer разбивает его на задачи и подзадачи, после чего создаёт субагентов для их выполнения. Субагенты могут искать информацию в интернете, создавать документы, обрабатывать данные или обращаться к подключённым сервисам через API.

Если Computer сталкивается с проблемой, он создаёт новых субагентов для её решения. Кроме того, каждый субагент может работать на отдельной ИИ-модели, поэтому каждая часть работы достаётся той модели, которая подходит для неё лучше всего.

Так, в примере с выездным мероприятием один субагент может подбирать площадки, другой — проверять календари команды, а третий — изучать варианты проезда.

Развернуть

Как люди используют автономных агентов

Чаще всего люди используют автономных агентов для повседневной интеллектуальной работы: исследований, написания текстов, работы с электронной почтой и учёбы. В исследовании учёных из Гарварда и Perplexity на задачи, связанные с продуктивностью и обучением, пришлось 57 % агентных запросов. В примерах ниже показано, что агент делает для каждого вида работы.

Исследования и анализ

Исследования хорошо подходят для агентов, потому что состоят из множества небольших шагов. Агент может искать, открывать источники, читать их и сравнивать, что в них говорится. Возьмём запрос вроде «найди три недавних исследования о влиянии удалённой работы на продуктивность и кратко изложи выводы каждого». Агент ищет исследования и открывает наиболее релевантные. Он изучает выводы каждого из них и пишет резюме со ссылками на все источники. Если исследование находится за платным доступом, агент переходит к следующему. В этом исследовании на обобщение и анализ исследований приходится 7 % агентных запросов.

Документы, электронная почта и календари

Агенты часто работают в инструментах, которыми люди и так пользуются каждый день. В исследовании Гарварда и Perplexity чаще всего встречались инструменты Google для работы с документами и электронная почта: вместе на них пришлась примерно четверть агентных запросов. Возьмём запрос вроде «просмотри непрочитанные письма за эту неделю, отметь всё, что пришло от клиентов, и подготовь ответы на запросы о назначении встреч». Агент открывает почтовый ящик и сортирует сообщения. Он проверяет свободное время в календаре и готовит ответ на каждый запрос. Он может сохранить черновики, не отправляя их, чтобы человек сначала проверил каждый из них.

Обучение и учебные задания

Студенты используют агентов для учёбы. Учебные задания — самая крупная отдельная категория использования агентов в исследовании: на неё приходится 13 % агентных запросов. Запрос вроде «проверь мои знания по четвёртой главе учебных материалов курса» отправляет агента на сайт курса, где он читает главу, составляет вопросы по ключевым моментам и проверяет ответы студента. Этот же подход пригодится любому, кто изучает новую тему, например сотруднику, которому нужно быстро разобраться в незнакомой отрасли.

Покупки и сравнения

На покупки приходится 10 % агентных запросов — в основном это поиск и сравнение товаров. Получив задачу «найди стол для работы стоя дешевле 400 долларов с хорошими отзывами», агент ищет на сайтах нескольких магазинов, фильтрует варианты по цене и рейтингу, сравнивает лучшие из них и может добавить самый подходящий в корзину. Сравнение вариантов на нескольких сайтах с помощью агента может сэкономить много времени, ведь человеку больше не нужно открывать каждое предложение и сверять их между собой.

Семь лучших практик работы с автономными агентами

1. Начинайте с задач, которые легко проверить

Лучше всего начинать с задач, в которых ошибку легко заметить и недорого исправить. Хорошая отправная точка — сводки исследований и сравнения продуктов. Если агент приводит ссылки на источники, проверка работы займет несколько минут. По мере роста доверия можно поручать более длительные задачи с большим количеством шагов.

2. Задавайте четкие ожидаемые результаты и ограничения

Агент может принимать более взвешенные решения, если знает, почему задача важна. Хороший запрос похож на задание для подрядчика: цель, аудитория, что уже известно и что уже исключено. Запрос «Сравни этих трех поставщиков для служебной записки совету директоров; совет больше всего волнуют риски внедрения, и мы уже исключили всех, кто не соответствует требованиям SOC 2» дает агенту все необходимое, чтобы самостоятельно принимать решения, требующие оценки.

3. Добавляйте контрольные точки для подтверждения

Некоторые действия необратимы — например, отправка электронного письма, покупка, удаление файлов или отправка формы. Если агент это позволяет, настройте его так, чтобы перед такими шагами он делал паузу и запрашивал подтверждение. Точку остановки можно задать и в самом запросе. Формулировки «Подготовь черновики ответов, но не отправляй их» или «Добавь лучший вариант в корзину, но не оформляй заказ» точно указывают агенту, где остановиться и вернуть управление.

4. Проверяйте план до начала работы

Если задача крупная, попросите агента изложить план, прежде чем он приступит к работе. Проверка плана занимает минуту, а исправить недопонимание на этом этапе гораздо дешевле, чем обнаружить его в готовом результате.

5. Ограничивайте доступ тем, что нужно для задачи

Каждый аккаунт, к которому у агента есть доступ, — это аккаунт, в котором он может действовать. Если подключать только те приложения, которые нужны для задачи, конфиденциальные данные остаются недоступными, а круг возможных проблем сужается. Агенту, который изучает поставщиков, не нужен доступ к электронной почте. Агенту, который готовит черновики ответов, он нужен, но разрешение на их отправку ему может и не понадобиться.

6. Встраивайте проверки в запрос

Агенты и так проверяют собственные результаты, поэтому в запросе можно указать, на что именно обращать внимание. Если описать, как выглядит хороший результат («для каждой цифры нужен источник, датированный 2025 годом или позже»), агент применит этот стандарт, прежде чем вернуть работу. Если попросить его отделять подтвержденные факты от собственных выводов и отмечать допущения, человек проверит результат быстрее и целенаправленнее.

7. Повторно используйте то, что работает

Запрос, который дал хороший результат, может стать шаблоном для следующей похожей задачи. Если показать агенту образец хорошего результата — скажем, отчет за прошлый квартал, — это часто дает больше, чем описание формата словами. Повторяющиеся задачи можно превратить в постоянные рабочие процессы.

Подход Perplexity к автономным агентам

Perplexity предлагает два автономных агента. Comet Assistant выполняет повседневные задачи прямо в браузере, а Perplexity Computer берется за более крупные проекты, которые могут выполняться часами и дольше.

Comet Assistant встроен в Comet — ИИ-браузер от Perplexity. Он работает на сайтах, которые у пользователя уже открыты, поэтому может планировать встречи, редактировать документы, отправлять электронные письма и бронировать авиабилеты без переключения между инструментами.

Computer работает в облаке и, как описано выше, распределяет каждую цель между субагентами. Он подключается к сотням сервисов, а пользователи могут выбирать конкретные модели ИИ для отдельных частей работы. Computer доступен подписчикам Pro и Max.

Откройте для себя Comet Assistant, чтобы попробовать агента в браузере, или Perplexity Computer, чтобы поручить ему более крупный проект.

Часто задаваемые вопросы

Автономный агент — это то же самое, что агентный ИИ?

Нет, но эти термины пересекаются. Под агентным ИИ обычно понимают более широкую категорию систем ИИ, которые достигают целей, планируя и выполняя действия. Автономный агент — это конкретная система в этой категории, которая выполняет работу, почти не требуя пошагового одобрения.

Все ли ИИ-агенты автономны?

Нет. Одни агенты выполняют каждый шаг только по указанию человека, а другие справляются со всей задачей самостоятельно. Описанные выше уровни автономности охватывают весь диапазон: от агентов, которыми человек управляет шаг за шагом, до агентов, за работой которых человек только наблюдает.

Могут ли автономные агенты совершать покупки или платежи?

Некоторые агенты могут помогать с покупками — в зависимости от сайта, разрешений и мер защиты. Comet Assistant может сравнивать товары и помогать с оформлением заказа. Функция Instant Buy от Perplexity позволяет пользователям из США, отвечающим требованиям, покупать поддерживаемые товары прямо в Perplexity, а оплатить заказ можно в том числе через PayPal.

Нужны ли навыки программирования для работы с автономными агентами?

Многими готовыми агентами можно пользоваться без программирования. Некоторые платформы также позволяют создавать агентов с помощью инструкций на естественном языке или графического интерфейса. Программирование может пригодиться для индивидуальных интеграций, отладки и более специализированного поведения.