نویسنده (ها): ریچارد وارپام
در اصل منتشر شده در به سمت هوش مصنوعیبشر
مأمورین هوش مصنوعی چیزی بیش از چت بابات فانتزی نیستند – آنها را به عنوان یاران خودمختار فکر می کنند که می توانند “فکر کنند” و به تنهایی عمل کنند و چندین مرحله یا ابزار را برای تحقق یک هدف تنظیم کنند. در عمل ، مأمورین اغلب با هم ترکیب می شوند LLMاستدلال قدرتمند با ابزارهای خارجی (بانکهای اطلاعاتی ، API و غیره) برای مقابله با کارهای پیچیده.
Anthropic به همه این تنظیمات به عنوان سیستم های عامل اشاره می کند ، جایی که یک تقسیم واضح وجود دارد: گردش کار در مسیرهای کد از پیش تعریف شده اجرا می شود ، در حالی که عوامل واقعی به LLM اجازه می دهند تا حرکات بعدی خود را به صورت پویا تصمیم بگیرد. همانطور که محصولات بیشتری به آن اعتماد می کنند LLMS برای انجام استدلال چند مرحله ای ، سازماندهی آن مراحل با استفاده از الگوهای طراحی آشنا ضروری است. تقریباً مانند الگوهای طراحی نرم افزار ، این الگوهای گردش کار هوش مصنوعی طرح هایی را برای تجزیه پیچیده فراهم می کند کار به قطعات قابل کنترل ، ساخت سیستم ها ، اشکال زدایی و مقیاس آسانتر می شود.
در زیر پنج الگوی کلیدی وجود دارد که گردش کار عامل را در مسیر نگه می دارند. هرکدام یک روش مشترک برای تماس های رقص LLM و استفاده از ابزار را نشان می دهد. برای نگاه عمیق به هر الگوی بخوانید.
زنجیره سریع دقیقاً همان چیزی است که به نظر می رسد: شما یک سری از اعلان ها را با هم زنجیر می کنید ، جایی که خروجی یک تماس LLM به ورودی بعدی تبدیل می شود. به عبارت دیگر ، شما یک کار را در… وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر
منتشر شده از طریق به سمت هوش مصنوعی
منبع: https://towardsai.net/p/l/5-design-patterns-in-agentic-ai-workflow
