Ta strona zawiera terminy z glosariusza dotyczące platformy Agentic. Aby wyświetlić wszystkie terminy z glosariusza, kliknij tutaj.
A
działać
Etap pętli agenta, na którym agent wykonuje działanie wybrane na etapie uzasadnienia. Na przykład etap działania może wysłać żądanie do interfejsu API.
działanie
W uczeniu przez wzmacnianie mechanizm, za pomocą którego agent przechodzi między stanami środowiska. Agent wybiera działanie na podstawie zasad.
przestrzeń działań
Zestaw zasobów, których agent może używać do wykonywania zadania. Przestrzeń działania może obejmować narzędzia i interfejsy API, które agent może wywoływać, oraz uprawnienia, które posiada. Ogólnie przestrzeń działania powinna być wystarczająco duża, aby agent mógł wykonać zadanie. Jeśli przestrzeń działania jest zbyt mała, agent może nie mieć wystarczających zasobów do wykonania zadania. Jeśli przestrzeń działań jest zbyt duża, agent jest bardziej podatny na błędy.
agent
Oprogramowanie, które potrafi analizować dane wejściowe użytkownika, aby planować i wykonywać działania w jego imieniu.
W uczeniu przez wzmacnianie agent to podmiot, który używa strategii, aby zmaksymalizować oczekiwany zysk uzyskany w wyniku przechodzenia między stanami środowiska.
funkcji agentowych
Przymiotnikowa forma słowa agent. Określenie „agentowa” odnosi się do cech, które posiadają agenci (np. autonomii).
pętla agentowa,
Cykl, przez który agent przechodzi iteracyjnie, dopóki nie zostanie spełniony warunek zakończenia. Cykl zwykle składa się z tych 4 etapów:
przepływ pracy oparty na agentach,
Dynamiczny proces, w którym agent autonomicznie planuje i wykonuje działania w celu osiągnięcia celu. Proces ten może obejmować rozumowanie, wywoływanie narzędzi zewnętrznych i samodzielne korygowanie planu.
administracja agentem,
Scentralizowane zarządzanie zadaniami i kierowanie ich do wielu podagentów lub wywołań LLM. Orkiestracja agentów dzieli złożone zadania na mniejsze podzadania i przypisuje je do najbardziej kompetentnych subagentów.
autonomiczny agent
Agent, który realizuje złożony cel, planując działania, wykonując je i dostosowując się do sytuacji bez ciągłej interwencji człowieka.
E
agent oceniający,
Agent, który ocenia wyniki innego agenta, zanim zostaną one sfinalizowane. Możesz wyobrazić sobie, że jeden agent wytwarza produkt, a inny – agent oceniający – testuje go przed wprowadzeniem na rynek.
Krytyk to synonim agenta oceniającego.
P
opinie
Etap pętli agenta, na którym agent ocenia działanie podjęte na etapie działania. Jeśli na przykład agent wysłał żądanie do interfejsu API na etapie działania, na etapie opinii może zostać określone, czy odpowiedź interfejsu API była prawidłowa.
G
Modele Gemini
najnowocześniejsze modele multimodalne oparte na Transformerze od Google. Modele Gemini zostały zaprojektowane specjalnie z myślą o integracji z agentami.
Użytkownicy mogą wchodzić w interakcje z modelami Gemini na różne sposoby, m.in. za pomocą interaktywnego interfejsu dialogowego i zestawów SDK.
agenty generatywne (symulakry),
Agenci z unikalnymi osobowościami, wspomnieniami i rutynami, które symulują realistyczne zachowania ludzi.
Więcej informacji znajdziesz w artykule Generative Agents: Interactive Simulacra of Human Behavior.
M
agent zarządzający
Agent, który kontroluje co najmniej 1 podmiot.
współpraca wielu agentów,
Platforma, na której wiele wyspecjalizowanych agentów AI wchodzi ze sobą w interakcje, dyskutuje lub przekazuje sobie zadania, aby rozwiązać złożony problem.
O
obserwować,
Etap pętli agenta, na którym agent analizuje lub ocenia pewien aspekt postępów. Załóżmy na przykład, że etap działania generuje kod. W konsekwencji na etapie obserwacji mogą być przeprowadzane testy wygenerowanego kodu.
P
planowanie i rozwiązywanie problemów
Strategia oparta na agentach, w której model najpierw tworzy wyraźny, wieloetapowy plan, zanim podejmie jakiekolwiek działania.
wtyczka
Standardowe, modułowe narzędzie, które można łatwo dołączyć do agenta, aby rozszerzyć jego możliwości. Na przykład wtyczka GitHub umożliwia agentom wykonywanie działań takich jak czytanie problemów w GitHubie i tworzenie żądań pull.
pamięć proceduralna,
W agentach wiedza o tym, jak coś zrobić. Na przykład agent może wykształcić pamięć proceduralną dotyczącą sposobu wyszukiwania informacji w internecie, a następnie wyświetlać 3 najlepsze witryny.
R
powód,
Etap pętli agentowej, na którym agent określa, co ma zrobić. Może na przykład zdecydować, że należy wysłać konkretne żądanie do interfejsu API.
refleksja
Strategia poprawy jakości przepływu pracy agenta polegająca na sprawdzaniu (analizowaniu) danych wyjściowych kroku przed przekazaniem ich do następnego kroku.
Sprawdzającym jest często ten sam LLM, który wygenerował odpowiedź (może to być jednak inny LLM). Jak ten sam LLM, który wygenerował odpowiedź, może być obiektywnym sędzią własnej odpowiedzi? „Sztuczka” polega na wprowadzeniu LLM w stan krytycznego (refleksyjnego) myślenia. Ten proces jest podobny do pracy pisarza, który najpierw tworzy pierwszą wersję roboczą, a potem ją edytuje.
Wyobraź sobie np. przepływ pracy z agentem, którego pierwszym krokiem jest utworzenie tekstu na kubki do kawy. Prompt w tym kroku może wyglądać tak:
Jesteś twórcą. Wygeneruj zabawny, oryginalny tekst o długości nieprzekraczającej 50 znaków, który będzie pasować na kubek do kawy.
Wyobraź sobie teraz ten prompt refleksyjny:
Pijesz kawę. Czy powyższa odpowiedź jest zabawna?
W takim przypadku przepływ pracy może przekazywać do następnego etapu tylko tekst, który uzyskał wysoki wynik odzwierciedlenia.
agent routera
Agent, który klasyfikuje zapytanie użytkownika, a następnie wywołuje najbardziej odpowiedniego agenta do jego obsługi.
S
samokorekta,
Zdolność agenta do wykrywania błędów we własnych wynikach i próbowania innego podejścia.
stan
W uczeniu ze wzmocnieniem wartości parametrów opisujące bieżącą konfigurację środowiska, których agent używa do wyboru działania.
agent automatu stanowego
Agent, którego przepływy pracy są ograniczone przez sztywne reguły. Agenci opierający się na automatach stanowych popełniają zwykle mniej błędów niż agenci autonomiczni, ale nie mają swobody dostosowywania się do sytuacji wykraczających poza ich ograniczenia.
sub-agent
Specjalistyczny model o wąskim zakresie, wywoływany przez agenta zarządzającego w celu rozwiązania konkretnego podzbioru większego problemu. Podagenci mają zwykle węższą przestrzeń działań niż agenci.
T
warunek zakończenia
W agentic AI są to predefiniowane kryteria, które informują agenta, że ma przestać iterować. Oto kilka możliwych warunków zakończenia:
- Agent osiągnął cel.
- Agent nie może już korzystać z zasobów.
- human-in-the-loop wykrył problem.
W uczeniu ze wzmocnieniem warunki, które określają, kiedy kończy się epizod, np. gdy agent osiągnie określony stan lub przekroczy próg liczby przejść między stanami. Na przykład w kółku i krzyżyku (znanym też jako kółka i krzyżyki) epizod kończy się, gdy gracz zaznaczy 3 kolejne pola lub gdy wszystkie pola zostaną zaznaczone.