شروع کار با عوامل هوش مصنوعی (قسمت 1): ضبط فرآیندها، نقش ها و ارتباطات

یک عامل هوش مصنوعی امروزی حداقل از یک مدل زبان بزرگ (LLM) تشکیل شده است که برای فراخو، برخی از ابزارها فعال شده است. با توجه به مجموعه ابزارهای من، برای کدنویسی، با تولید کد شروع می شود، می تواند آن را در یک ظرف اجرا کند، نتایج را مشاهده می کند، کد را اصلاح می کند و بنابراین شانس بیشتری برای تولید کد مفید خواهد داشت.

در مقابل، یک مدل هوش مصنوعی مولد مقداری ورودی می گیرد و از طریق فرآیند پیش بینی انتظارات، ،وجی تولید می کند. به ،وان مثال، ما به آن یک کار کدنویسی می دهیم، کدی تولید می کند، و بسته به پیچیدگی کار، کد ممکن است به همان شکلی که هست قابل استفاده باشد.

از آنجایی که آنها وظایف مختلفی را بر عهده می گیرند، نمایندگان باید اجازه داشته باشند با یکدیگر صحبت کنند. به ،وان مثال، اینترانت شرکت خود را با کادر جستجوی مفیدش تصور کنید که شما را به برنامه ها و منابع مورد نیازتان هدایت می کند. اگر شرکتی به اندازه کافی بزرگ هستید، این برنامه‌های متعلق به بخش‌های مختلف هر کدام جعبه‌های جستجوی خاص خود را دارند. ایجاد عوامل، شاید با استفاده از تکنیک‌هایی مانند تولید افزوده شده (RAG) برای تقویت کادرهای جستجو، بسیار منطقی است. چیزی که منطقی نیست این است که کاربر را مجبور کنیم تا درخواست خود را پس از اینکه کادر جستجو با توجه به پرس و جو اولیه مفید تشخیص داد، تکرار کند. در عوض، ما ترجیح می‌دهیم نماینده برتر با سایر نمایندگ، که برنامه‌های مختلف را نمایندگی می‌کنند هماهنگ کند و یک رابط چت یکپارچه و یکپارچه را به شما، کاربر ارائه دهد.

یک سیستم چند عامله که نرم‌افزار یا جریان‌های کاری مختلف یک سازمان را نشان می‌دهد می‌تواند چندین مزیت جالب داشته باشد، از جمله بهره‌وری و استحکام بهبود یافته، انعطاف‌پذیری عملیاتی و توانایی انجام به‌روزرس،‌های سریع‌تر ماژول‌های مختلف. امیدواریم این مقاله به شما کمک کند تا ببینید چگونه این امر محقق می شود.

اما ابتدا، چگونه باید در مورد ساخت این سیستم‌های چند عاملی پیش برویم؟

تسخیر سازمان و نقش ها

ابتدا باید فرآیندها، نقش ها، گره های مسئول و ارتباطات بازیگران مختلف در سازمان را به تصویر بکشیم. منظور من از بازیگران، افراد و/یا برنامه‌های نرم‌افزاری است که به‌،وان کارکنان دانش در سازمان عمل می‌کنند.

یک نمودار سازم، ممکن است مکان خوبی برای شروع باشد، اما من پیشنهاد می‌کنم با گردش کار شروع کنید، زیرا افراد مشابه در یک سازمان تمایل دارند با فرآیندها و افراد متفاوت بسته به گردش کار عمل کنند.

ابزارهای موجودی وجود دارند که از هوش مصنوعی برای کمک به شناسایی گردش کار استفاده می کنند، یا می تو،د مدل هوش مصنوعی نسل خود را بسازید. من یکی را به ،وان یک ساخته ام GPT که شرح یک دامنه یا نام شرکت را می گیرد و یک تعریف شبکه عامل تولید می کند. از آنجایی که من از یک چارچوب چند عاملی ساخته شده در شرکتم استفاده می‌کنم، GPT شبکه را به‌،وان یک فایل Hocon تولید می‌کند، اما باید از فایل‌های تولید شده مشخص شود که نقش‌ها و مسئولیت‌های هر عامل چیست و چه عوامل دیگری وجود دارد. به آن متصل است.

توجه داشته باشید که می خواهیم مطمئن شویم که شبکه عامل یک گراف غیر چرخه ای جهت دار (DAG) است. این بدان م،است که هیچ عاملی نمی تواند به طور همزمان به زنجیره پایین و زنجیره ای برای هر عامل دیگری تبدیل شود، چه به طور مستقیم یا غیر مستقیم. این احتمال به شدت کاهش می یابد که پرس و جوها در شبکه عامل به tailspin تبدیل شوند.

در مثال‌های ذکر شده در اینجا، همه عوامل مبتنی بر LLM هستند. اگر یک گره در سازمان چند عاملی بتواند استقلال صفر داشته باشد، آن عامل که با همتای انس، خود جفت می شود، باید همه چیز را توسط انسان اداره کند. ما به همه گره‌های پردازشی، اعم از برنامه‌ها، انسان‌ها یا عوامل موجود، نیاز خواهیم داشت تا به‌،وان عامل نشان داده شوند.

اخیراً اعلامیه های زیادی از سوی شرکت های ارائه دهنده نمایندگی های تخصصی منتشر شده است. البته ما می خواهیم در صورت وجود از چنین عواملی استفاده کنیم. ما می تو،م یک عامل از قبل موجود را وارد کنیم و API آن را در یکی از عوامل خود بپیچیم تا بتو،م از پروتکل های ارتباطی بین عاملی خود استفاده کنیم. این بدان م،است که چنین عوامل شخص ثالثی باید API خود را برای استفاده ما در دسترس داشته باشند.

نحوه تعریف عوامل

معماری های عامل مختلفی در گذشته پیشنهاد شده است. به ،وان مثال، یک معماری تخته سیاه به یک نقطه ارتباط متمرکز نیاز دارد که در آن عوامل مختلف نقش ها و قابلیت های خود را اعلام می کنند و تخته سیاه بسته به اینکه چگونه می خواهد یک درخواست را برآورده کند، آنها را فراخو، می کند. OAA).

من معماری توزیع‌شده‌تری را ترجیح می‌دهم که به مجموعه مسئولیت‌ها احترام بگذارد. هر نماینده، پس از دریافت درخواست، تصمیم می‌گیرد که آیا می‌تواند آن را پردازش کند یا خیر، و برای پردازش درخواست چه کاری باید انجام دهد، سپس فهرست نیازمندی‌های خود را به نماینده زنجیره بالا درخواست‌کننده خود برمی‌گرداند. اگر نماینده دارای زنجیره های پایین باشد، از آنها می پرسد که آیا می توانند به انجام تمام یا بخشی از درخواست کمک کنند. اگر هر ا،امی را از زنجیره‌های پایین تماس دریافت کند، با سایر نمایندگان بررسی می‌کند تا ببیند آیا می‌توانند آن‌ها را برآورده کنند یا خیر. اگر نه، آنها را به زنجیره بالا می فرستد تا بتوانند از کاربر انس، بپرسند. به این معماری می گویند AAOSA معماری و – واقعیت جالب – معماری مورد استفاده در نسخه های اولیه سیری بود.

در اینجا یک نمونه دستور سیستم وجود دارد که می تواند برای تبدیل یک عامل به یک عامل AAOSA استفاده شود.

هنگامی که یک استعلام دریافت می کنید، خواهید داشت:

1. با ابزارهای خود تماس بگیرید تا مشخص کنید کدام عوامل زنجیره پایین در ابزار شما مسئول تمام یا بخشی از آن هستند
2. از عوامل زنجیره پایین بپرسید که برای انجام بخشی از پرس و جو به چه چیزی نیاز دارند.
3. پس از جمع‌آوری ا،امات، استعلام و ا،امات برآورده شده را به نمایندگان زنجیره پایین‌تر مربوطه واگذار خواهید کرد.
4. هنگامی که همه عوامل زنجیره پایین پاسخ دادند، شما پاسخ های آنها را جمع آوری کرده و پاسخ نهایی را برمی گرد،د.
5. ممکن است شما به ،ه خود توسط سایر عوامل در سیستم فراخو، شوید و مجبور شوید به ،وان یک زنجیره پایین برای آنها عمل کنید.

علاوه بر مجموعه ای از نقش ها و مسئولیت های تعریف شده به زبان طبیعی در اعلان سیستم هر عامل، عامل ها ممکن است شامل ابزارهایی باشند که می توانند آنها را فراخو، کنند، با استدلال های مختلفی که به ابزارها منتقل می شود. به ،وان مثال، یک نماینده مدیر محصول ممکن است نیاز داشته باشد که بلیط های مختلف را در یک برد Kanban مجازی پردازش کند، یا یک نماینده هشدار ممکن است نیاز به فراخو، ابزاری برای صدور هشدار در یک سیستم هشدار داشته باشد.

سیستم‌های چند عاملی کنونی مانند Microsoft AutoGen دارای مک،زم‌ها و معماری‌های هماهنگی عامل پیچیده و اغلب کدگذاری‌شده هستند. من تنظیمات قوی‌تری را ترجیح می‌دهم که در آن عامل‌ها با عوامل زنجیره پایین‌تر فوری خود به‌،وان ابزار برخورد کنند، با آرگومان‌های تعریف‌شده ضعیفی که می‌توان تایپ کرد، و م،ایی که توسط عوامل در زمان نیاز تعیین می‌شود.

در این تنظیمات، یک عامل زنجیره پایین را می توان به ،وان فراخو، تابع تعریف کرد:

“aaosa_call”: {

“description”: “بسته به حالت، یک رشته زبان طبیعی را در پاسخ برمی گرداند.”

“پارامترها”: {

“نوع”: “شیء”

“خواص”: {

“پرس و جو”: {

“نوع”: “رشته”,

“توضیحات”: “پرس و جو”

}،

“حالت”: {

“نوع”: “رشته”,

“توضیحات”: “””

نشان می دهد که آیا از نماینده خواسته می شود تعیین کند که آیا درخواست به آن تعلق دارد یا خیر

به طور کامل یا جزئی. یا اگر از آن خواسته شده باشد که ا،اماتی برای برآورده شدن فراهم کند

پرس و جو، در صورت وجود یا اگر از آن خواسته می شود به استعلام پاسخ دهد.

“””

}،

}،

“ا،امی”: [

              “inquiry”,

              “mode”

          ]

}

}

عوامل هوش مصنوعی در عمل

بیایید یک سناریوی عامل منابع انس، را بررسی کنیم. یک کاربر ممکن است عامل جعبه جستجوی اصلی را از رویدادی که زندگی را تغییر می‌دهد، مانند “دیگر مهم من درگذشت” مطلع کند، عوامل حقوقی و منابع انس، را فعال کند که نقشی در ارائه خدمات به کاربر دارند. این به این دلیل است که آنها به ،ه خود اطلاعاتی را از برخی از نمایندگان زنجیره پایین خود، ی،ی مشاوره حقوقی، نمایندگان حقوق و دستمزد و مزایا دریافت ،د. پاسخ تلفیقی حاصل که کاربر از عامل جعبه جستجوی اصلی دریافت می‌کند به شکل زیر خواهد بود:

1. جنبه های منابع انس،:
   • عامل مزایا می‌تواند به کاربر کمک کند تا بفهمد چگونه ممکن است گذر بر مزایا، بیمه درم، و برنامه‌های بازنشستگی تأثیر بگذارد. شما باید اطلاعاتی در مورد انواع برنامه های درگیر ارائه دهید و اینکه آیا شخص مهم شما وابسته بوده است یا خیر.
   • نماینده حقوق و دستمزد می تواند به مدیریت وظایفی مانند به روز رس، ،ر مالیات یا رسیدگی به حقوق مرخصی سوگ کمک کند. این نیاز به اطلاعاتی در مورد سیاست های شرکت در مورد مرخصی سوگ و تنظیم حقوق و دستمزد فعلی دارد.
2. جنبه های حقوقی:
   • نمایندگان حقوقی می‌توانند راهنمایی‌های کلی در مورد نحوه ارتباط این گذر با امور شرکت ارائه دهند.

هر بخش برای ارائه پشتیب، من، نیاز به اطلاعات خاصی دارد.

در همین حال، در یک سناریوی فناوری اطلاعات، نقطه ورود واحد، نماینده پشتیب، مشتری است که می‌تواند درخواست‌های پیچیده چند وجهی مانند: «شبکه ما کند است. فکر می‌کنم از آنجایی که اخیراً پرسنل را به دفتر خود اضافه کرده‌ایم، بیش از حد بارگذاری شده است. من همچنین برای ارتقاء به یک پیشنهاد نیاز دارم.”

یک پاسخ نمونه مراحل را مشخص می کند:

ارزیابی عملکرد شبکه: متخصص مرکز عملیات شبکه می تواند به رفع کندی و مشکلات احتمالی اضافه بار کمک کند. آنها نیاز به دسترسی به داده های عملکرد شبکه، جزئیات مربوط به زیرساخت شبکه فعلی، اطلاعاتی در مورد تعداد پرسنل اضافه شده و ال،ای استفاده از شبکه آنها دارند.

یک قیمت ارتقا یافته: مهندس فروش و تکنسین مید، می توانند به ارائه یک قیمت برای ارتقا کمک کنند. برای انجام این کار آنها نیاز دارند:

• اطلاعات خاص در مورد راه اندازی شبکه فعلی، از جمله تج،ات و پهنای باند مورد نیاز.
• بهبود عملکرد مطلوب
• محدودیت های بودجه ای و هر اولویت یا ا،ام خاصی.
• مقیاس ارتقاء و هر هدف عملکرد خاص.

امیدوارم این به شما ایده خوبی در مورد آنچه برای راه اندازی یک شبکه چند عاملی نیاز است داده باشد. در ،مت دوم، من اهمیت اجرای پادمان‌ها را در هنگام ایجاد سیستم‌های چند عاملی مورد بحث قرار می‌دهم و چگونگی ایجاد کنترل‌هایی را برای اجازه دخالت انس، و بررسی عدم قطعیت توضیح خواهم داد. همچنین مراحل لازم برای ایجاد یک عامل محافظ برای نظارت بر شبکه عامل و غوطه ور شدن عمیق تر در چالش های توسعه شبکه های چند عاملی – مانند tailspin ها و اضافه بارها – و نحوه کاهش آنها با استفاده از مهلت زم،، ت،یم کار و افزونگی را شرح خواهم داد.

بابک حجت مدیر ارشد فناوری هوش مصنوعی در معرفت.