Populaire onderwerpen
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Agent heeft twee variabelen, één is de workflow die de richting van de taak controleert, en de andere is de context die de inhoud genereert.
1) Als zowel de determinatie van de workflow als de context hoog is, zijn deze taken gemakkelijk te automatiseren, vergelijkbaar met traditionele RPA. Bijvoorbeeld bij het verwerken van facturen of het invullen van formulieren, fungeert AI meer als een lijm, met beperkte ruimte voor ontwikkeling.
2) Als de workflow vastligt maar de context onzeker is, dat wil zeggen dat het proces vastligt maar de invoer variabel is, moet de Agent de semantiek en het begrip aanvullen. Bijvoorbeeld bij klantenservicevragen of contractanalyse, moet er gebruik worden gemaakt van externe zoekopdrachten, kennisgrafieken en andere tools om de informatiekloof te dichten, zodat de redeneringsresultaten beter aan de verwachtingen voldoen.
3) Als de workflow onzeker is maar de context vastligt, dat wil zeggen dat de invoer duidelijk is maar de aanpak divers, moet de Agent zelfstandig een pad plannen. Bijvoorbeeld bij het genereren van marktanalyseverslagen of gepersonaliseerde aanbevelingen, zijn de meeste End-to-End RL Agents goed in dit soort taken, omdat ze in de trainingsfase veel padenplannings- en probleemoplossingsstrategieën hebben geleerd.
4) En wanneer zowel de workflow als de context onzeker zijn, is dat het meest complexe scenario. Er moet zowel geredeneerd als verkend worden, zoals bij het ontwerpen van innovatieve oplossingen of het verzamelen van informatie tussen afdelingen. Dit soort taken neigt meer naar algemene Agents, en de effectiviteit van hun uitvoering hangt af van de rijkdom aan tools die aan hen zijn toegewezen, vooral moet de programmeercapaciteit maximaal open zijn. Bijvoorbeeld door hen te leren om op Github repositories te vinden, te klonen en de code aan te passen om problemen op te lossen, zodat ze als mensen kunnen werken.
Dus, om een Agent goed te maken, moet eerst het scenario duidelijk zijn. In wezen lost automatisering "deterministische" problemen op, terwijl intelligentie "onzekere" problemen oplost.
Boven
Positie
Favorieten