О чём урок
(Нажмите на изображение выше, чтобы посмотреть видео этого урока)
В этом уроке будет рассмотрено:
- Определение чёткой общей цели и разбиение сложной задачи на управляемые подзадачи.
- Использование структурированного вывода для получения более надёжных и машиночитаемых ответов.
- Применение событийно-ориентированного подхода для обработки динамических задач и неожиданных входных данных.
После завершения этого урока вы будете понимать:
- Как определить и установить общую цель для ИИ-агента, чтобы он чётко знал, что нужно достичь.
- Как декомпозировать сложную задачу на управляемые подзадачи и организовать их в логическую последовательность.
- Как оснащать агентов правильными инструментами (например, поисковыми или аналитическими), решать, когда и как их использовать, а также справляться с возникающими неожиданными ситуациями.
- Как оценивать результаты подзадач, измерять производительность и итеративно выполнять действия для улучшения итогового вывода.
Большинство реальных задач слишком сложны, чтобы решать их за один шаг. ИИ-агенту нужна чёткая цель, которая будет направлять его планирование и действия. Например, рассмотрим цель:
Хотя это простое утверждение, оно всё ещё нуждается в уточнении. Чем яснее цель, тем лучше агент (и любые участвующие люди) смогут сосредоточиться на достижении правильного результата, например, создании комплексного маршрута с вариантами перелётов, рекомендациями отелей и предложениями активностей.
Большие или сложные задачи становятся более управляемыми, когда их разбивают на меньшие, ориентированные на цель подзадачи. Для примера с маршрутом путешествия вы можете декомпозировать цель на:
- Бронирование авиабилетов
- Бронирование отеля
- Аренда автомобиля
- Персонализация
Затем каждая подзадача может быть решена выделенными агентами или процессами. Один агент может специализироваться на поиске лучших предложений по авиабилетам, другой фокусируется на бронировании отелей и так далее. Координирующий или «нижестоящий» агент может затем скомпилировать эти результаты в один связный маршрут для конечного пользователя.
Такой модульный подход также позволяет поэтапно улучшать систему. Например, вы можете добавить специализированных агентов для рекомендаций по еде или местных развлечений и со временем улучшать маршрут.
Большие языковые модели (LLM) могут генерировать структурированный вывод (например, JSON), который легче парсить и обрабатывать нижестоящим агентам…
План урока
- Введение
- Определение общей цели и декомпозиция задачи
- Декомпозиция задачи
- Структурированный вывод
- Агент планирования с мультиагентной оркестрацией
- Итеративное планирование
- Резюме
- Дополнительные ресурсы
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.