Аутономни агенти: шта су и како функционишу

Шта је аутономни агент

Аутономни агент је систем вјештачке интелигенције који самостално ради на остварењу циља. Особа опише резултат који жели, а агент осмишљава кораке и спроводи их.

Рецимо да неко жели да изабере један од три алата за управљање пројектима. Аутономни агент може да потражи сваки алат, отвори његову страницу са цијенама, забиљежи разлике и врати готово поређење. Особа поставља циљ и прегледа резултат, а агент обавља посао између та два корака.

Многи данашњи софтверски агенти користе велики језички модел да протумаче упутства и одлуче шта да ураде сљедеће. Неки модели обрађују и слике или звук. Да би претраживао веб, кликао на дугмад или слао е-пошту, агенту је потребан софтвер који повезује модел са алатима и извршава његове захтјеве.

У примјеру са управљањем пројектима, LLM и агент би радили овако:

1. LLM чита циљ и пише захтјев за претрагу цијена првог алата.
2. Софтвер агента покреће претрагу и враћа резултате LLM-у у облику текста.
3. LLM чита резултате, бира сљедећи корак (отварање странице са цијенама) и пише нови захтјев.
4. Циклус се понавља док LLM не одлучи да је поређење завршено и не напише коначан одговор.

Увећај

Нивои аутономије

У агентском систему вјештачке интелигенције (систему направљеном да предузима радње, а не само да одговара на питања), аутономија је ствар дизајна. Исти агент може да се подеси да пита прије сваког корака или да сам заврши цијели задатак.

Истраживачи са Универзитета у Вашингтону предлажу оквир од пет нивоа којим објашњавају различите степене аутономије које агент може да има:

На нивоу 4, агент би могао самостално да истражи и састави наруџбеницу, али да застане прије него што је пошаље. На нивоу 5, послао би и наруџбеницу.

Аутономни AI агенти наспрам аутоматизације и четботова

Аутономни агенти се од четботова и аутоматизације токова рада разликују на два начина: сами одлучују о својим корацима и предузимају радње у другим апликацијама и на веб-сајтовима.

Четбот одговара на питања у разговору, али обично не дјелује ван њега. Аутоматизација токова рада дјелује, али само пратећи кораке које је неко унапријед подесио. Чест тип је роботска аутоматизација процеса (RPA), софтвер који понавља једноставне задатке засноване на правилима, као што је копирање података из једног система у други.

Аутономни агент ради и једно и друго: дјелује у другом софтверу и сам бира кораке ка циљу, у оквиру алата, дозвола и упутстава које добије.

Жалба на закашњелу поруџбину показује разлику. Четбот би могао да одговори унапријед написаним објашњењем политике испоруке. Аутоматизација тока рада могла би да пошаље стандардну е-поруку „Кашњење поруџбине“. Аутономни агент би могао да пронађе поруџбину, утврди да је изгубљена у транспорту, пошаље замјену и обавијести купца.

Како функционишу аутономни агенти

Аутономни агент се ослања на четири способности да би завршио задатак: планирање корака, коришћење алата, памћење онога што је урадио и провјеру сопствених резултата. За веће задатке, неки агенти посао расподјељују и на тим агената.

1. Рашчлањивање циљева и прављење планова

Циљ је обично превелик да би се остварио у једном кораку, па је први задатак агента да га рашчлани на мање задатке. На примјер, ако корисник затражи од агента да испланира тимско окупљање ван канцеларије, агент би циљ могао да подијели на избор датума, проналажење простора у оквиру буџета, провјеру доступности и састављање позивнице.

Агенти могу да планирају унапријед или у ходу, зависно од тога како су направљени. Планирање унапријед значи записивање свих корака прије почетка, што одговара кратким, предвидивим задацима. Планирање у ходу значи осмишљавање сљедећег корака или два, дјеловање и прилагођавање на основу онога што се врати. Ако би простор који је први избор за окупљање био заузет, агент би могао да пређе на сљедећу опцију без потребе да крене испочетка.

Увећај

Преглед аутономних агената заснованих на LLM-овима са Универзитета Ренмин у Кини показује да овај други приступ боље савладава сложеније задатке, јер је тешко написати савршен план прије него што се види било какав резултат. Многи агенти комбинују оба приступа: прво скицирају цио план, а затим га ревидирају током рада.

2. Предузимање радњи помоћу алата

Када план постоји, агент га спроводи задатак по задатак, бирајући алат за сваки.

• Да би пронашао просторе, могао би да користи веб-претрагу са упитом као што је „простори за окупљање ван канцеларије за 20 особа у близини Остина“.
• Да би провјерио доступност, могао би да отвори страницу за резервације сваког простора у прегледачу и прочита календар.
• Да би послао позивницу, могао би да се повеже са е-поштом особе путем API-ја, везе која омогућава једном софтверу да од другог затражи податке или радње.

Након сваке радње, агент чита шта је враћено и одлучује о сљедећем потезу. Ако претрага пронађе пет простора, провјерава њихову доступност. Ако се страница за резервације не учита, покушава преко броја телефона простора или прелази на сљедећу опцију.

Алати које агент има одређују које задатке може самостално да заврши. Без приступа е-пошти, може да састави позивницу, али не и да је пошаље.

3. Праћење напретка помоћу меморије

Док ради, агент мора да прати шта је урадио и шта је сазнао. Када провјери три простора, мора да зна који су били заузети, који су имали мјеста и колико који кошта. Тај запис се налази у контекстном прозору LLM-а, односно у количини текста коју модел може да узме у обзир одједном.

Дуги задаци могу да превазиђу тај контекстни прозор. Агенти са дугорочном меморијом то рјешавају тако што информације чувају ван модела, обично у бази података, и преузимају само оно што је потребно за тренутни корак.

Дугорочна меморија се преноси и између задатака. Када дође вријеме да се планира окупљање сљедеће године, агент би могао поново да искористи овогодишњу листу простора и буџет или да се сјети да тим преферира просторе до сат времена вожње.

4. Провјера резултата и исправљање курса

Док раде, многи агенти прате знаке да је неки корак пошао по злу. Ако образац за резервацију врати грешку или претрага не да резултате, агент покушава другачији приступ. Када дође до одлуке коју не би требало да донесе сам, на примјер да ли је прихватљив простор који мало премашује буџет, пита особу и прилагођава се на основу одговора.

Прије него што предају свој рад, многи агенти прегледају своје резултате. LLM поново чита оно што је произвео, пореди то са циљем и наводи све што недостаје или је погрешно. Агент ревидира и поново провјерава док резултат не испуни циљ. Ако у позивници, на примјер, недостаје адреса простора, преглед то открива и агент је додаје прије слања.

5. Подјела посла међу агентима

Неки задаци се брже обаве када их дијели више агената. Главни агент дијели посао и додјељује дијелове подагентима.

Perplexity Computer ради на овај начин. Особа опише исход који жели, а Computer га рашчлањује на задатке и подзадатке, па затим прави подагенте који их извршавају. Подагенти могу да истражују веб, генеришу документе, обрађују податке или позивају повезане услуге путем API-ја.

Када Computer наиђе на проблем, прави нове подагенте да га ријеше. Сваки подагент може да ради и на другом AI моделу, тако да сваки дио посла иде моделу који му највише одговара.

Тако би, у примјеру са окупљањем ван канцеларије, један подагент могао да истражује просторе, други да провјерава календаре тима, а трећи да испитује опције за путовање.

Увећај

Како људи користе аутономне агенте

Људи аутономне агенте углавном користе за свакодневни рад са знањем: истраживање, писање, е-пошту и учење. У студији истраживача са Харварда и из компаније Perplexity, задаци везани за продуктивност и учење чинили су 57% агентских упита. Примјери у наставку показују шта агент ради за сваку врсту посла.

Истраживање и анализа

Истраживање добро одговара агентима јер се састоји од много малих корака. Агент може да претражује, отвара изворе, чита их и пореди шта наводе. Узмимо упит као што је „пронађи три недавне студије о раду на даљину и продуктивности и сажми шта је свака утврдила“. Агент тражи студије и отвара најрелевантније. Чита налазе сваке студије и пише сажетак са линковима ка сваком извору. Ако је студија иза платног зида, агент прелази на сљедећу. У студији, сажимање и анализа истраживања чине 7% агентских упита.

Документи, е-пошта и календари

Агенти често раде у алатима које људи већ свакодневно користе. У студији Харварда и компаније Perplexity, Google-ови алати за документе и е-пошта били су два најчешћа, заједно чинећи око четвртине агентских упита. Узмимо упит као што је „прегледај непрочитану е-пошту из ове седмице, означи све што је од клијената и састави одговоре на захтјеве за заказивање“. Агент отвара пријемно сандуче и сортира поруке. Провјерава календар за слободне термине и саставља одговор на сваки захтјев. Нацрте може да сачува без слања, како би особа прво прегледала сваки од њих.

Учење и наставне обавезе

Студенти користе агенте за учење. Наставне обавезе су највећа појединачна категорија употребе агената у студији, са 13% агентских упита. Упит као што је „испитај ме из четвртог поглавља мог градива за курс“ шаље агента на веб-сајт курса, гдје чита поглавље, пише питања о кључним тачкама и провјерава одговоре студента. Исти приступ функционише за свакога ко учи нову област, на примјер за запосленог који се упознаје са непознатом индустријом.

Куповина и поређења

Куповина чини 10% агентских упита, углавном претрага и поређење производа. Када добије задатак „пронађи сто за рад у стојећем положају до 400 $ са добрим рецензијама“, агент претражује неколико продаваца, филтрира по цијени и оцјени, пореди најбоље опције и може да дода најбољу у корпу. Када агент пореди опције на више веб-сајтова, може се уштедјети много времена, јер особа више не мора да отвара и унакрсно провјерава сваки оглас.

Седам најбољих пракси за коришћење аутономних агената

1. Почетак са задацима које је лако провјерити

Најбољи први задаци су они код којих је грешку лако уочити и јефтино исправити. Сажеци истраживања и поређења производа су добре полазне тачке. Ако агент наведе линкове ка својим изворима, провјера рада траје неколико минута. Како повјерење расте, људи могу да препусте дуже задатке са више корака.

2. Постављање јасних исхода и ограничења

Агент може доносити боље одлуке када зна зашто је задатак важан. Добар упит изгледа као упутство за спољног сарадника: сврха, публика, шта је већ познато и шта је већ искључено. „Упореди ова три добављача за меморандум управном одбору; одбору је најважнији ризик имплементације, а већ смо искључили све који немају усклађеност са SOC 2“ даје агенту оно што му је потребно да самостално доноси одлуке на основу процјене.

3. Додавање контролних тачака за одобрење

Неке радње се не могу поништити, као што су слање имејла, куповина, брисање фајлова или подношење обрасца. Тамо гдје агент то дозвољава, подесите га да застане и пита прије ових корака. И сам упит може да одреди тачку заустављања. „Припреми одговоре, али их не шаљи“ или „додај најбољу опцију у корпу, али не заврши куповину“ говори агенту тачно гдје да стане и врати контролу.

4. Преглед плана прије рада

За већи задатак затражите од агента да изложи свој план прије него што почне. Преглед плана траје минут, а исправљање неспоразума у тој фази много је јефтиније него његово откривање у готовом резултату.

5. Ограничавање приступа на оно што је задатку потребно

Сваки налог до којег агент може да дође јесте налог у којем може да дјелује. Повезивање само оних апликација које су задатку потребне држи осјетљиве податке ван домашаја и ограничава оно што може поћи по злу. Агенту који истражује добављаче није потребан приступ имејлу. Агенту који припрема одговоре је потребан, али му можда неће бити потребна дозвола да их шаље.

6. Уграђивање провјера у упит

Агенти већ прегледају свој резултат, па упит може да им каже шта да провјере. Ако наведете како изгледа добар резултат („сваки податак мора имати извор из 2025. године или каснији“), агент ће примијенити тај стандард прије него што врати свој рад. Ако затражите да одвоји потврђене чињенице од сопствених закључака и да означи претпоставке, особа која прегледа рад моћи ће то да уради брже и усмјереније.

7. Поновна употреба онога што функционише

Упит који је дао добар резултат може постати шаблон за сљедећи сличан задатак. Ако агенту дате примјер доброг резултата, као што је извјештај из прошлог квартала, то често постиже више од описивања формата ријечима. Задаци који се понављају могу постати стални токови рада.

Како Perplexity приступа аутономним агентима

Perplexity нуди два аутономна агента. Comet Assistant обавља свакодневне задатке у прегледачу, а Perplexity Computer преузима веће пројекте који могу трајати сатима или дуже.

Comet Assistant је уграђен у Comet, AI прегледач компаније Perplexity. Ради на веб-сајтовима које особа већ има отворене, па може да заказује састанке, уређује документе, шаље имејлове и резервише летове без промјене алата.

Computer ради у облаку и дијели сваки циљ на подагенте, као што је раније описано. Повезује се са стотинама сервиса, а корисници могу да изаберу одређене AI моделе за одређене дијелове посла. Computer је доступан Pro и Max претплатницима.

Истражите Comet Assistant да бисте испробали агента у прегледачу или Perplexity Computer да бисте препустили већи пројекат.

Често постављана питања

Да ли је аутономни агент исто што и агентска вјештачка интелигенција?

Не, али се ти појмови преклапају. Агентска вјештачка интелигенција обично означава ширу категорију AI система који остварују циљеве тако што планирају и предузимају радње. Аутономни агент је конкретан систем у тој категорији који свој посао обавља уз мало одобравања корак по корак.

Да ли су сви AI агенти аутономни?

Не. Неки агенти извршавају сваки корак само када их особа на то усмјери, док други цијели задатак обављају самостално. Раније описани нивои аутономије приказују читав распон, од агената којима особа управља корак по корак до агената које особа само надгледа.

Могу ли аутономни агенти да обављају куповине или плаћања?

Неки агенти могу помоћи при куповини, зависно од веб-сајта, дозвола и заштитних мјера. Comet Assistant може да упореди производе и помогне у процесу плаћања. Функција Instant Buy компаније Perplexity омогућава корисницима из САД који испуњавају услове да купују подржане производе у оквиру платформе Perplexity, уз PayPal као доступну опцију плаћања.

Да ли је за аутономне агенте потребно знање програмирања?

Многи готови агенти могу се користити без програмирања. Неке платформе такође омогућавају људима да праве агенте помоћу упутстава на природном језику или графичког интерфејса. Програмирање може бити корисно за прилагођене интеграције, отклањање грешака и специјализованије понашање.