این صفحه شامل اصطلاحات واژهنامه Agentic است. برای مشاهده همه اصطلاحات واژهنامه، اینجا کلیک کنید .
الف
عمل کردن
مرحلهای در حلقه عامل که در آن عامل، عملی را که در مرحله دلیل انتخاب شده است، اجرا میکند. برای مثال، مرحله عمل میتواند یک درخواست API ارسال کند.
عمل
در یادگیری تقویتی ، مکانیزمی که عامل از طریق آن بین حالتهای محیط جابجا میشود. عامل با استفاده از یک سیاست ، عمل را انتخاب میکند.
فضای عمل
مجموعه منابعی که یک عامل میتواند برای انجام یک کار استفاده کند. فضای عمل ممکن است شامل ابزارها و APIهایی باشد که عامل میتواند فراخوانی کند و مجوزهایی که عامل دارد. به طور کلی، فضای عمل باید به اندازه کافی بزرگ باشد تا عامل بتواند کار را انجام دهد. اگر فضای عمل خیلی کوچک باشد، ممکن است عامل منابع کافی برای انجام کار نداشته باشد. اگر فضای عمل خیلی بزرگ باشد، عامل مستعد خطا میشود.
عامل
نرمافزاری که میتواند ورودیهای کاربر را تحلیل کند تا بتواند اقداماتی را از طرف کاربر برنامهریزی و اجرا کند.
در یادگیری تقویتی ، یک عامل، موجودیتی است که از یک سیاست برای به حداکثر رساندن بازده مورد انتظار حاصل از انتقال بین حالتهای محیط استفاده میکند.
عامل
صفت فاعل . Agentic به ویژگیهایی که فاعلها دارند (مانند خودمختاری) اشاره دارد.
حلقه عاملی
چرخهای که یک عامل تا زمان برآورده شدن شرط خاتمه ، آن را تکرار میکند. این چرخه معمولاً از چهار مرحله زیر تشکیل شده است:
گردش کار عاملی
فرآیندی پویا که در آن یک عامل به طور مستقل اقداماتی را برای دستیابی به یک هدف برنامهریزی و اجرا میکند. این فرآیند ممکن است شامل استدلال، فراخوانی ابزارهای خارجی و خوداصلاحی برنامه خود باشد.
هماهنگسازی عامل
مدیریت و مسیریابی متمرکز وظایف بین چندین زیرعامل یا فراخوانیهای LLM. هماهنگسازی عامل، وظایف پیچیده را به زیروظایف کوچکتر تقسیم میکند و آنها را به توانمندترین زیرعاملها واگذار میکند.
عامل خودمختار
عاملی که با برنامهریزی، عمل و سازگاری و بدون دخالت مداوم انسان، برای رسیدن به یک هدف پیچیده تلاش میکند.
ای
عامل ارزیابی
عاملی که نتایج عامل دیگر را قبل از نهایی شدن ارزیابی میکند. میتوانید تصور کنید که یک عامل، محصولی را تولید میکند و یک عامل جداگانه - عامل ارزیاب - آن محصول را قبل از انتشار آزمایش میکند.
منتقد مترادف با عامل ارزیاب است.
ف
بازخورد
مرحلهای در حلقه عاملی که در آن عامل، اقدام انجام شده در مرحله اقدام را ارزیابی میکند. برای مثال، اگر عامل در مرحله اقدام، درخواست API ارسال کند، مرحله بازخورد ممکن است تعیین کند که آیا پاسخ API موفقیتآمیز بوده است یا خیر.
جی
مدلهای جمینی
مدلهای چندوجهی پیشرفته گوگل مبتنی بر Transformer . مدلهای Gemini به طور خاص برای ادغام با عاملها طراحی شدهاند.
کاربران میتوانند از طرق مختلفی با مدلهای Gemini تعامل داشته باشند، از جمله از طریق رابط گفتگوی تعاملی و از طریق SDKها.
عوامل مولد (شبیهسازها)
عاملهایی با شخصیتها، خاطرات و روالهای منحصر به فرد که رفتار واقعی انسان را شبیهسازی میکنند.
برای جزئیات بیشتر به «عاملهای مولد: شبیهسازیهای تعاملی رفتار انسان» مراجعه کنید.
م
عامل مدیر
عاملی که یک یا چند عامل فرعی را کنترل میکند.
همکاری چند عاملی
چارچوبی که در آن چندین عامل متخصص هوش مصنوعی برای حل یک مسئله پیچیده، با یکدیگر تعامل، بحث یا وظایف را به یکدیگر منتقل میکنند.
ای
مشاهده
مرحلهای در حلقه عامل که در آن عامل جنبهای از پیشرفت خود را بررسی یا ارزیابی میکند. برای مثال، فرض کنید مرحله عمل ، کدی تولید میکند. در نتیجه، مرحله مشاهده ممکن است آزمایشهایی را روی کد تولید شده اجرا کند.
پ
برنامهریزی و حل مسئله
یک استراتژی عاملمحور که در آن مدل ابتدا یک طرح چند مرحلهای و صریح را قبل از تلاش برای اجرای هرگونه اقدامی، تهیه میکند.
افزونه
ابزاری استاندارد و ماژولار که میتواند به راحتی به یک عامل متصل شود تا قابلیتهای آن را گسترش دهد. به عنوان مثال، یک افزونه GitHub به عاملها این امکان را میدهد که اقداماتی مانند خواندن مشکلات GitHub و ایجاد درخواستهای pull را انجام دهند.
حافظه رویهای
در عاملها ، دانش چگونگی انجام کاری. برای مثال، یک عامل ممکن است حافظه رویهای از نحوه جستجو در وب و سپس نمایش سه سایت برتر را توسعه دهد.
ر
دلیل
مرحلهای در حلقه عامل که در آن عامل تعیین میکند چه کاری انجام دهد. برای مثال، عامل ممکن است تعیین کند که یک درخواست API خاص باید ارسال شود.
بازتاب
راهبردی برای بهبود کیفیت گردش کار عاملمحور با بررسی (بازتاب) خروجی یک مرحله قبل از انتقال آن خروجی به مرحله بعدی.
ممتحن اغلب همان LLM است که پاسخ را تولید کرده است (هرچند میتواند LLM متفاوتی باشد). چگونه همان LLM که پاسخی را تولید کرده است، میتواند قاضی منصفانهای برای پاسخ خود باشد؟ "ترفند" این است که LLM را در یک ذهنیت انتقادی (تأملآمیز) قرار دهیم. این فرآیند مشابه نویسندهای است که از یک ذهنیت خلاق برای نوشتن پیشنویس اولیه استفاده میکند و سپس برای ویرایش آن به یک ذهنیت انتقادی روی میآورد.
برای مثال، یک گردش کار عاملمحور را تصور کنید که اولین قدم آن ایجاد متن برای لیوانهای قهوه است. دستورالعمل این مرحله میتواند به صورت زیر باشد:
شما یک فرد خلاق هستید. متن طنزآمیز و بدیع با کمتر از ۵۰ کاراکتر مناسب برای یک لیوان قهوه بنویسید.
حالا عبارت انعکاسی زیر را تصور کنید:
شما اهل قهوه هستید. آیا پاسخ قبلی را طنزآمیز میدانید؟
سپس گردش کار ممکن است فقط متنی را که امتیاز بازتاب بالایی دریافت میکند به مرحله بعدی منتقل کند.
عامل روتر
عاملی که پرسوجوی کاربر را طبقهبندی میکند و سپس مناسبترین عامل را برای رسیدگی به آن فراخوانی میکند.
س
خود اصلاحی
توانایی یک عامل در تشخیص خطا در خروجی خود و سپس امتحان کردن رویکردی متفاوت.
ایالت
در یادگیری تقویتی، مقادیر پارامتری که پیکربندی فعلی محیط را توصیف میکنند و عامل از آنها برای انتخاب یک عمل استفاده میکند.
عامل ماشین حالت
عاملی که گردش کار آن توسط قوانین سفت و سخت محدود شده است. عاملهای ماشین حالت عموماً اشتباهات کمتری نسبت به عاملهای خودمختار مرتکب میشوند، اما فاقد آزادی برای سازگاری با موقعیتهای خارج از محدودیتهای خود هستند.
نماینده فرعی
یک مدل تخصصی و با تمرکز محدود که توسط یک عامل مدیر برای رسیدگی به زیرمجموعه خاصی از یک مسئله بزرگتر فراخوانی میشود. عاملهای فرعی معمولاً فضای عمل محدودتری نسبت به عاملها دارند.
تی
شرط فسخ
در هوش مصنوعی عاملمحور ، معیارهای از پیش تعریفشدهای که به عامل میگویند تکرار را متوقف کند. برای مثال، در اینجا چند شرط خاتمه احتمالی آورده شده است:
- عامل با موفقیت به هدف رسید.
- عامل نمیتواند از منابع بیشتری استفاده کند.
- یک انسانِ در حلقه، مشکلی را شناسایی کرده است.
در یادگیری تقویتی ، شرایطی که زمان پایان یک اپیزود را تعیین میکنند، مانند زمانی که عامل به حالت خاصی میرسد یا از تعداد آستانهای انتقال حالت فراتر میرود. به عنوان مثال، در بازی تیک-تاک-تو (که با نامهای صفر و ضربدر نیز شناخته میشود)، یک اپیزود یا زمانی که یک بازیکن سه فضای متوالی را علامتگذاری میکند یا زمانی که همه فضاها علامتگذاری میشوند، پایان مییابد.