Multi-Agents
Flow Intelligence'da multi agents'ı nasıl kullanacağınızı öğrenin.
Last updated
Flow Intelligence'da multi agents'ı nasıl kullanacağınızı öğrenin.
Last updated
Bu kılavuz, Flow içindeki çok aracılı yapay zeka sistem mimarisinin bir tanıtımını sağlamayı, bileşenlerini, operasyonel kısıtlamalarını ve iş akışını detaylandırmayı amaçlamaktadır.
Karmaşık bir proje üzerinde işbirliği yapan alan uzmanlarından oluşan bir ekibe benzer şekilde, çok etmenli bir sistem, yapay zeka içinde uzmanlaşma ilkesini kullanır.
Bu çok aracılı sistem, hiyerarşik, sıralı bir iş akışı kullanarak verimliliği ve uzmanlığı en üst düzeye çıkarır.
Çok etmenli yapay zeka mimarisini, karmaşık projeleri yönetilebilir alt görevlere ayırarak ele alabilen ölçeklenebilir bir yapay zeka sistemi olarak tanımlayabiliriz.
Flow'da çok aracılı bir sistem, istekleri işlemek ve hedeflenen bir sonuç sunmak için hiyerarşik bir grafikte etkileşime giren iki birincil düğüm veya aracı türü ve bir kullanıcıdan oluşur:
Kullanıcı: Kullanıcı, sistemin başlangıç noktası olarak hareket eder ve ilk girdiyi veya isteği sağlar. Çok aracılı bir sistem çok çeşitli istekleri işleyecek şekilde tasarlanabilse de, bu kullanıcı isteklerinin sistemin amaçlanan amacıyla uyumlu olması önemlidir. Bu kapsamın dışında kalan herhangi bir istek, yanlış sonuçlara, beklenmeyen döngülere ve hatta sistem hatalarına yol açabilir. Bu nedenle, kullanıcı etkileşimleri esnek olsa da, optimum performans için her zaman sistemin temel işlevleriyle uyumlu olmalıdır.
Süpervizör Yapay Zekası: Gözetmen, tüm iş akışını denetleyerek sistemin düzenleyicisi olarak hareket eder. Kullanıcı isteklerini analiz eder, bunları bir dizi alt göreve ayırır, bu alt görevleri uzman çalışan aracılara atar, sonuçları toplar ve sonuçta işlenen çıktıyı kullanıcıya geri sunar.
İşçi Yapay Zeka Ekibi: Bu ekip, her birine iş akışı içinde belirli bir görevi yerine getirmeleri için hızlı mesajlar aracılığıyla talimat verilen özel AI aracılarından veya Çalışanlardan oluşur. Bu Çalışanlar bağımsız olarak çalışırlar, Süpervizörden talimat ve veri alırlar, özel işlevlerini yerine getirirler, gerektiğinde araçları kullanırlar ve sonuçları Süpervizöre geri gönderirler.
Düzeni ve basitliği korumak için, bu çok ajanlı sistem iki önemli kısıtlama altında çalışır:
Bir kerede bir görev: Süpervizör, bir seferde tek bir göreve odaklanmak için kasıtlı olarak tasarlanmıştır. Bir sonraki adımı analiz etmeden ve sonraki görevi devretmeden önce etkin Çalışanın görevini tamamlamasını ve sonuçları döndürmesini bekler. Bu, devam etmeden önce her adımın başarıyla tamamlanmasını sağlayarak aşırı karmaşıklığı önler.
Süpervizör, genel iş akışını yöneten ve görevleri uygun Çalışana devretmekten sorumlu olan aracı olarak, doğru çalışması için bir dizi bileşene ihtiyaç duyar:
Görev ayrıştırma, temsilci seçme ve sonuç toplamanın karmaşıklıklarını yönetmek için işlev çağrısı yapabilen Sohbet Modeli.
Ajan Belleği (isteğe bağlı): Gözetmen, Ajan Belleği olmadan çalışabilirken, bu düğüm geçmiş Gözetmen durumlarına erişim gerektiren iş akışlarını önemli ölçüde geliştirebilir. Bu durum koruması, Süpervizörün işe belirli bir noktadan devam etmesine veya daha iyi karar verme için geçmiş verilerden yararlanmasına izin verebilir.
Varsayılan olarak, Gözetmen İstemi, Gözetmen'e kullanıcı isteklerini analiz etmesini, bunları bir dizi alt göreve ayrıştırmasını ve bu alt görevleri uzman çalışan aracılarına atamasını bildirecek şekilde ifade edilmiştir.
Gözetmen İstemi, belirli uygulama gereksinimlerine uyacak şekilde özelleştirilebilir olsa da, her zaman aşağıdaki iki temel öğeyi gerektirir:
{team_members} değişkeni: Bu değişken, Süpervizöre Çalışan adlarının listesini sağladığından, Süpervizörün mevcut işgücünü anlaması için çok önemlidir. Bu, Süpervizörün, uzmanlıklarına dayalı olarak görevleri en uygun Çalışana özenle devretmesine olanak tanır.
"FINISH" anahtar kelimesi: Bu anahtar kelime, Gözetmen İstemi içinde bir sinyal görevi görür. Süpervizörün ne zaman görevin tamamlandığını düşünmesi ve nihai çıktıyı kullanıcıya sunması gerektiğini gösterir. Açık bir "BİTİR" yönergesi olmadan, Gözetmen görevleri gereksiz yere devretmeye devam edebilir veya kullanıcıya tutarlı ve nihai bir sonuç sunamayabilir. Gerekli tüm alt görevlerin yürütüldüğünü ve kullanıcının isteğinin yerine getirildiğini gösterir.
Bu parametre, uygulamamız içindeki iç içe işlev çağrılarının maksimum derinliğini kısıtlar. Mevcut bağlamımızda, Süpervizörün tek bir iş akışı yürütmesinde kendisini kaç kez tetikleyebileceğini sınırlar. Bu, sınırsız özyinelemeyi önlemek ve kaynakların verimli bir şekilde kullanılmasını sağlamak için önemlidir.
Bir kullanıcı sorgusu aldıktan sonra, Gözetmen isteği analiz ederek ve kullanıcının amaçladığı sonucu ayırt ederek iş akışını başlatır.
Ardından, yalnızca mevcut Çalışan AI adlarının bir listesini sağlayan Gözetmen İstemi'ndeki değişkenden yararlanan Süpervizör, her Çalışanın uzmanlığını çıkarır ve iş akışındaki her görev için stratejik olarak en uygun Çalışanı seçer.{team_members}
Sistem içinde belirli bir görevi yerine getirmesi talimatı verilen özel bir ajan olarak Çalışan, doğru çalışması için iki temel bileşene ihtiyaç duyar:
Bir Danışman: Her Çalışanın Süpervizöre bağlı olması gerekir, böylece bir görevin devredilmesi gerektiğinde çağrılabilir. Bu bağlantı, çok aracılı sistem içinde temel hiyerarşik ilişkiyi kurar ve Süpervizörün işi uygun uzman Çalışanlara verimli bir şekilde dağıtabilmesini sağlar.
İşlev çağrısı yapabilen bir Sohbet Modeli düğümü: Varsayılan olarak, Çalışanlar doğrudan atanmadığı sürece Gözetmenin Sohbet Modeli düğümünü devralır. Bu işlev çağırma özelliği, Çalışanın kendi özel görevi için tasarlanmış araçlarla etkileşim kurmasını sağlar.
Gözetmenin kendisini kaç kez çağırabileceğini kısıtlayan Gözetmen düğümünün aksine, Çalışan düğümünün parametresi bir Gözetmenin belirli bir Çalışanı kaç kez yineleyebileceğini veya sorgulayabileceğini sınırlar. Recursion LimitMax Iteration
Maksimum Yinelemeyi sınırlayarak veya sınırlayarak, beklenmeyen sistem davranışı durumlarında bile maliyetlerin kontrol altında kalmasını sağlıyoruz.
Artık flow içinde Çoklu Etmen sistemlerinin nasıl çalıştığına dair temel bir anlayış oluşturduğumuza göre, pratik bir uygulamayı keşfedelim.
Potansiyel müşteri adaylarını belirleme, nitelendirme ve onlarla etkileşim kurma sürecini otomatikleştirmek için tasarlanmış bir Müşteri Adayı Sosyal Yardım çok aracılı sistemi (Marketplace'te mevcuttur) hayal edin. Bu sistem, aşağıdaki iki İşçiyi düzenlemek için bir Süpervizör kullanacaktır:
Baş Araştırmacı: Google Arama Aracı'nı kullanan bu Çalışan, kullanıcı tanımlı kriterlere göre potansiyel müşteri adaylarını toplamaktan sorumlu olacaktır.
Kurşun Satış Oluşturucu: Bu Çalışan, satış ekibi için kişiselleştirilmiş e-posta taslakları oluşturmak için Baş Araştırmacı tarafından toplanan bilgileri kullanacaktır.
Arka plan: Solterra Renewables'ta çalışan bir kullanıcı, Birleşik Krallık'ta bulunan saygın bir yenilenebilir enerji şirketi olan Evergreen Energy Group hakkında mevcut bilgileri toplamak ve CEO'su Amelia Croft'u potansiyel bir lider olarak hedeflemek istiyor.
Kullanıcı İsteği: Solterra Renewables çalışanı, çok aracılı sisteme şu sorguyu sağlıyor: "İşimiz için potansiyel yeni bir müşteri olarak Evergreen Energy Group ve Amelia Croft hakkında bilgiye ihtiyacım var."
Danışman:
Süpervizör, kullanıcı isteğini alır ve "Baş Araştırma" görevini .Lead Researcher Worker
Baş Araştırmacı Çalışan:
Baş Araştırmacı Çalışan, Google Arama Aracı'nı kullanarak, aşağıdakilere odaklanarak Evergreen Energy Group hakkında bilgi toplar:
Şirket geçmişi, sektörü, büyüklüğü ve konumu.
Son haberler ve gelişmeler.
Amelia Croft'un CEO rolünü onaylamak da dahil olmak üzere kilit yöneticiler.
Baş Araştırmacı, toplanan bilgileri .Supervisor
Danışman:
Danışman, araştırma verilerini Baş Araştırmacı Çalışanından alır ve Amelia Croft'un ilgili bir müşteri adayı olduğunu onaylar.
Süpervizör, "Satış E-postası Oluştur" görevini şu şekilde devreder:Lead Sales Generator Worker
Evergreen Energy Group ile ilgili araştırma bilgileri.
Amelia Croft'un e-postası.
Solterra Yenilenebilir Enerji Kaynakları ile ilgili bağlam.
Lider Satış Jeneratörü Çalışanı:
Lider Satış Oluşturucu Çalışanı, aşağıdakileri dikkate alarak Amelia Croft'a özel kişiselleştirilmiş bir e-posta taslağı hazırlar:
CEO olarak rolü ve Solterra Renewables'ın hizmetlerinin şirketiyle olan ilgisi.
Evergreen Energy Group'un mevcut odak noktası veya projeleri hakkında araştırmadan elde edilen bilgiler.
Müşteri Adayı Satış Oluşturucu Çalışanı, tamamlanan e-posta taslağını .Supervisor
Danışman:
Süpervizör, oluşturulan e-posta taslağını alır ve "BİTİR" yönergesini yayınlar.
Gözetmen, e-posta taslağını kullanıcıya geri gönderir, .Solterra Renewables employee
Kullanıcı Çıktı Alır: Solterra Renewables çalışanı, incelenmeye ve Amelia Croft'a gönderilmeye hazır kişiselleştirilmiş bir e-posta taslağı alır.
Akış başına bir Gözetmen: LangChain'in "" olarak tanımladığı, üst düzey bir süpervizör ve orta düzey süpervizörlerin işçi ekiplerini yönettiği son derece karmaşık iş akışları için daha karmaşık bir hiyerarşik yapı oluşturmak üzere bir dizi iç içe çok ajanlı sistem uygulamak teorik olarak mümkün olsa da, flow'ın çok ajanlı sistemleri şu anda tek bir Süpervizör ile çalışmaktadır.
, ajan bir sistem içinde düzensiz kaymayı önlemek için önemli bir kontrol mekanizması olarak ifade edilir. Mevcut bu bağlamımızda, Süpervizör ve İşçi arasındaki aşırı, potansiyel olarak sonsuz etkileşimlere karşı bize bir korkuluk görevi görüyor.Max Iterations Cap
