Создание агентов AI

1. выполнение задач без предварительных строгих правил,
2. обнаружение аномалий,
3. прогнозирование и смягчение потенциальных проблем до их возникновения,
4. предоставление ценных идей начинающим и опытным разработчикам.

Этих результатов можно достичь с помощью интеллектуальных, адаптивных агентов ИИ, которые повышают устойчивость системы и ускоряют сроки реализации проектов.

В этом руководстве мы рассмотрим агентов ИИ, приведем примеры и покажем, как создать собственного агента ИИ с помощью n8n — исходного кода инструмента автоматизации рабочих процессов на основе ИИ !

Это краткий обзор рабочих процессов с использованием агентов ИИ, которые вы сможете создать к концу этого руководства:

Что такое агенты AI?

Агент AI — это автономная система, которая получает данные, принимает рациональные решения и действует в своей среде для достижения определенных целей.

💡

В этом руководстве мы в значительной степени опираемся на определения из AIMA – книги о современном искусственном интеллекте. Эти определения могут показаться вам знакомыми, если вы изучали информатику. Для всех остальных мы предлагаем значительно упрощенную и сжатую версию, но вы всегда можете обратиться к оригинальной книге.

В то время как простой агент воспринимает окружающую среду через датчики и воздействует на нее через исполнительные механизмы, настоящий агент ИИ включает в себя «машину рассуждений». Эта машина автономно принимает рациональные решения на основе окружающей среды и своих действий. Согласно AIMA: «Для каждой возможной последовательности восприятия рациональный агент должен выбрать действие, которое, как ожидается, максимизирует его показатель производительности, учитывая доказательства, предоставленные последовательностью восприятия, и любые встроенные знания, которыми обладает агент».

Большие языковые модели и мультимодальные LLM лежат в основе современных агентов ИИ, поскольку они обеспечивают уровень рассуждений и могут легко измерять производительность. Проверьте раздел часто задаваемых вопросов для получения подробной информации.

💡

Большие языковые модели могут быть проприетарными или с открытым исходным кодом. Ознакомьтесь с нашим обзором различных LLM с открытым исходным кодом .

Самые продвинутые агенты ИИ также могут учиться и адаптировать свое поведение с течением времени. Не всем агентам это нужно, но иногда это обязательно:

Этому роботу Atlas нужно немного больше практики.

Как работают агенты ИИ?

Агенты программного обеспечения ИИ действуют посредством сочетания восприятия, рассуждения и действия. По своей сути они используют большие языковые модели (LLM) для понимания входных данных и принятия решений, но настоящая сила исходит от взаимодействия этих элементов:

Обработка входных данных

Агент получает информацию через различные каналы - прямые вопросы пользователя, системные события или данные из внешних источников. Мы рассмотрим различные типы входных данных при обсуждении датчиков агента далее в этой статье.

Принятие решений

В отличие от простых чат-ботов, агенты ИИ используют многошаговые методы подсказок для принятия решений. Благодаря цепочкам специализированных подсказок (рассуждение, выбор инструмента) агенты могут обрабатывать сложные сценарии, которые невозможны с помощью одноразовых ответов. Мы подробно рассмотрим этот «движок рассуждений» в разделе компонентов [ссылка на соответствующий раздел].

Выполнение действия

Современные LLM генерируют структурированные выходные данные, которые служат вызовами функций для внешних систем. Для подробного изучения того, как агенты взаимодействуют с внешними службами и обрабатывают циклы обратной связи, ознакомьтесь с нашим руководством по построению рабочих процессов агентов ИИ .

Обучение и адаптация

Некоторые агенты могут улучшаться со временем с помощью различных механизмов — от простых циклов обратной связи до сложных обновлений моделей. Мы подробно рассмотрим эти подходы к обучению в разделе FAQ.

Точная реализация этих компонентов зависит от назначения и сложности агента, как вы увидите в наших примерах агентов, активируемых как человеком, так и событиями.

Какие типы агентов существуют в ИИ?

В учебнике AIMA рассматриваются несколько основных типов программ-агентов в зависимости от их возможностей:

Простые рефлекторные агенты 

Эти агенты довольно прямолинейны - они принимают решения, основываясь только на том, что они воспринимают в данный момент, не принимая во внимание прошлое. Они выполняют свою работу, когда правильное решение можно принять, просто взглянув на текущую ситуацию.

Рефлекторные агенты на основе моделей 

Агенты рефлексов на основе моделей немного сложнее. Они отслеживают то, что происходит за кулисами, даже если не могут наблюдать это напрямую. Они используют «модель перехода», чтобы обновить свое понимание мира на основе того, что они видели раньше, и «модель сенсора», чтобы перевести это понимание в то, что на самом деле происходит вокруг них.

Целевые агенты 

Агенты, ориентированные на цели, нацелены на достижение конкретной цели. Они думают наперед и планируют последовательность действий для достижения желаемого результата. Это как если бы у них была карта, и они пытались бы найти лучший маршрут к месту назначения.

Агенты, работающие на основе коммунальных услуг

Эти еще более продвинуты. Они присваивают оценку «хорошести» каждому возможному состоянию на основе функции полезности. Они не только фокусируются на одной цели, но и учитывают такие факторы, как неопределенность, противоречивые цели и относительная важность каждой цели. Они выбирают действия, которые максимизируют их ожидаемую полезность, подобно супергерою, пытающемуся спасти положение, минимизируя сопутствующий ущерб.

Агенты обучения

Обучающиеся агенты — это конечные адапторы. Они начинают с базового набора знаний и навыков, но постоянно совершенствуются на основе своего опыта. У них есть элемент обучения, который получает обратную связь от критика, который говорит им, насколько хорошо они справляются. Затем элемент обучения корректирует работу агента, чтобы в следующий раз он справился лучше. Это как иметь встроенного тренера, который помогает агенту выполнять свою задачу все лучше и лучше с течением времени.

Эти теоретические концепции отлично подходят для понимания основ агентов ИИ, но современные программные агенты, работающие на основе LLM, представляют собой смесь всех этих типов. LLM могут жонглировать несколькими задачами, планировать будущее и даже оценивать, насколько полезными могут быть различные действия.

Давайте выясним, есть ли какие-либо задокументированные преимущества такого подхода.

Каковы преимущества агентов ИИ?

Чтобы понять реальное влияние агентов ИИ, мы изучили недавний отчет LangChain State of AI Agents . Этот опрос более 1300 специалистов из различных отраслей промышленности показал, что 51% компаний уже используют агентов ИИ в производстве, причем темпы внедрения схожи как в технологических, так и в нетехнологических секторах.

Это не просто шумиха — вот задокументированные преимущества, которые компании уже видят от использования агентов ИИ:

Более быстрый анализ информации и принятие решений

Обрабатывайте большие объемы данных, извлекайте ключевые идеи и создавайте резюме. Это освобождает специалистов от трудоемких исследовательских задач и помогает командам быстрее принимать решения на основе данных.

Повышение производительности команды

Автоматизируйте рутинные задачи, управляйте расписаниями и оптимизируйте рабочие процессы. Команды сообщают, что у них больше времени на творческую и стратегическую работу, когда агенты заняты административными задачами.

Улучшение клиентского опыта

Ускорьте время ответа, обработайте основные запросы и круглосуточную поддержку. Это повышает удовлетворенность клиентов и снижает нагрузку на службы поддержки.

Ускоренная разработка программного обеспечения

Помощь с задачами кодирования, отладки и документирования. Это ускоряет циклы разработки и помогает поддерживать качество кода.

Улучшение качества и согласованности данных

Автоматически обрабатывайте и обогащайте данные, обеспечьте согласованность и сократите количество ошибок при ручном вводе данных.

Несмотря на все эти преимущества, часто ведущие к повышению экономической эффективности, внедрение агентов ИИ требует понимания их основных компонентов и того, как они работают вместе. Давайте рассмотрим подробнее!

Каковы ключевые компоненты ИИ-агента?

По сути, агент ИИ собирает данные с помощью датчиков, вырабатывает рациональные решения с помощью рассуждающего движка, выполняет действия с помощью исполнительных механизмов и учится на ошибках с помощью своей обучающей системы. Но как этот процесс выглядит в деталях?

Давайте разберем этапы работы программного агента на базе LLM.

Упрощенная схема агента ИИ, адаптированная из: Искусственный интеллект: современный подход, 4-е глобальное издание.

Датчики

Информация об окружающей среде обычно поступает в виде текстовой информации. Это может быть:

1. Простой текст на естественном языке, например, запрос или вопрос пользователя;
2. Полуструктурированная информация, например, текст в формате Markdown или Wiki;
3. Различные диаграммы или графики в текстовом формате, такие как блок-схемы «Русалка»;
4. Более структурированный текст в виде объекта JSON или в табличной форме, потоки журналов, данные временных рядов;
5. Фрагменты кода или даже целые программы на многих языках программирования;

Мультимодальные LLM могут принимать в качестве входных данных изображения или даже аудиоданные.

Приводы

Большинство языковых моделей могут производить только текстовый вывод. Однако этот вывод может быть в структурированном формате, таком как XML, JSON, короткие фрагменты кода или даже полные вызовы API со всеми параметрами запроса и тела.

Теперь задача разработчика — передать выходные данные LLM в другие системы (т. е. выполнить реальный вызов API или запустить рабочий процесс n8n ).

Результаты действий можно возвращать в модель для обеспечения обратной связи и обновления информации об окружающей среде.

Механизм рассуждения (он же «мозг»)

«Мозг» агента ИИ с LLM-управлением — это, собственно, большая языковая модель. Он принимает рациональные решения на основе целей, чтобы максимизировать определенную производительность. При необходимости рассуждающий механизм получает обратную связь от окружающей среды, контролирует себя и адаптирует свои действия.

Но как именно это работает?

Гигантские предварительно обученные модели, такие как GPT-4, Claude 3.5, Llama 3 и многие другие, обладают «встроенным» пониманием мира, которое они получили из кип данных во время обучения. Мультимодальные LLM-модели, такие как GPT-4o, идут дальше и получают не только текстовые, но и изображения, аудио- и даже видеоданные для обучения. Дальнейшая тонкая настройка позволяет этим моделям лучше выполнять определенные задачи.

Границы этих задач в значительной степени являются областью текущих исследований, но мы уже знаем, что крупные LLM способны:

1. следуйте инструкциям,
2. анализировать визуальные и аудиоданные,
3. имитировать человеческое мышление,
4. понимать подразумеваемое намерение только из пользовательских команд (известных как подсказки),
5. предоставлять ответы в структурированном виде, что позволяет напрямую подключать LLM к внешним системам (через вызовы функций или API).

Остался только последний шаг: как построить серию (или цепочку) подсказок, чтобы LLM мог имитировать автономное поведение.

И вот тут-то LangChain и вступает в игру!

Каковы примеры агентов ИИ?

На основании отчета LangChain о состоянии агентов ИИ и последних разработок в этой области , существует два основных подхода к внедрению агентов ИИ: агенты, активируемые человеком, и агенты, активируемые событиями (окружающей средой).

Давайте рассмотрим примеры обоих вариантов.

Агенты, активируемые человеком

Эти агенты реагируют на прямой человеческий ввод через чат-интерфейсы или структурированные команды:

1. Исследовательские агенты (например, Perplexity)

Обрабатывайте вопросы пользователей, чтобы искать, анализировать и синтезировать информацию из нескольких источников, сохраняя контекст во время разговоров.

1. Агенты по работе с клиентами

Обрабатывайте запросы клиентов, поддерживайте контекст разговора и принимайте решения о том, когда следует передать вопрос на рассмотрение специалистам.

1. Помощники по развитию (например, aider )

Агенты парного программирования на основе ИИ, которые понимают кодовые базы, предлагают улучшения и помогают разработчикам быстрее писать более качественный код.

Активируемые событиями (окружающие) агенты

Эти агенты работают в фоновом режиме, реагируя на события и системные триггеры без прямого вмешательства человека:

1. Агенты управления электронной почтой

Контролируйте входящие сообщения, черновики ответов и отмечайте важные сообщения для проверки человеком.

1. Агенты по мониторингу безопасности

Просматривайте системные журналы, выявляйте аномалии и оповещайте команды о потенциальных проблемах.

1. Агенты качества данных

Постоянно проверяйте входящие данные, применяйте правила согласованности и отмечайте аномалии.

💡

n8n отлично справляется с реализацией обоих типов агентов. Вы можете создавать агенты, активируемые человеком, используя триггеры чата и веб-перехватчики, или создавать агенты, активируемые событиями, используя обширную коллекцию узлов триггеров и возможностей планирования n8n. Эта гибкость позволяет вам выбирать правильный подход для вашего конкретного варианта использования.

Для тех, кто заинтересован в изучении современных фреймворков агентов ИИ, несколько проектов предоставляют дополнительные возможности:

1. LangChain для построения сложных рабочих процессов агентов;
2. BabyAGI ( документ , GitHub ) для управления задачами и планирования;
3. AgentGPT для развертывания агентов через браузер.

Как мы уже видели, агенты ИИ бывают двух основных типов: те, которые реагируют на прямой человеческий ввод, и те, которые работают автономно в фоновом режиме. Оба подхода имеют свое место в современных стратегиях автоматизации, и выбор зависит от ваших конкретных потребностей.

Как создать ИИ-агента?

Теперь, когда мы рассмотрели основные концепции теории ИИ-агентов, пришло время создать их. 

Прежде чем начать, определите цель и ключевые компоненты агента, включая степень магистра права, память и способности к рассуждению. 

Выберите фреймворк, такой как LangChain или LlamaIndex, чтобы интегрировать RAG, настроить API и логику выполнения. Наконец, оптимизируйте агента с помощью циклов обратной связи, мониторинга и тонкой настройки, чтобы улучшить его производительность с течением времени.

💡Чтобы облегчить вам жизнь, n8n интегрировал большинство основных компонентов LangChain в качестве визуальных узлов. Эти узлы позволяют эффективно автоматизировать рабочие процессы и взаимодействовать с сотнями других приложений и сервисов.

Зачем использовать LangChain для агентов ИИ?

В контексте агентов ИИ LangChain представляет собой фреймворк, позволяющий использовать большие языковые модели (LLM) для проектирования и создания этих агентов.

Традиционно всю последовательность действий, предпринимаемых агентом, программируют в коде.

LangChain упрощает этот процесс, предоставляя шаблоны подсказок и инструменты, к которым агент получает доступ. LLM выступает в качестве рассуждающего механизма вашего агента и решает, какие действия предпринять и в каком порядке. LangChain скрывает сложность принятия решений за своим собственным API. Обратите внимание, что это не REST API, а скорее внутренний API, разработанный специально для взаимодействия с этими моделями для упрощения разработки агента.

💡n8n делает шаг вперед, предоставляя интерфейс с низким кодом для LangChain. В n8n вы можете просто перетаскивать узлы LangChain на холст и настраивать их. Продвинутые пользователи могут даже писать код JS для некоторых модулей LangChain . n8n поддерживает реализацию LangChain на JavaScript. Наконец, LangChain поддерживает несколько методов подсказок, подходящих для создания агентов ИИ.

Пример агента разговора.

Этот простой агент разговора использует буферную память окна и инструмент для выполнения поисковых запросов Google. С n8n вы можете легко менять языковые модели, предоставлять различные типы памяти чата и добавлять дополнительные инструменты.

Стройте умно: создайте собственного интеллектуального ИИ-агента для анализа данных с помощью n8n

Давайте теперь создадим практический пример: интеллектуального агента аналитики данных, который помогает пользователям получать информацию из базы данных, используя естественный язык.

Вместо того, чтобы перегружать контекстное окно LLM необработанными данными, наш агент будет использовать SQL для эффективного запроса базы данных — так же, как это делают аналитики-люди. Этот подход сочетает в себе лучшее из обоих миров: пользователи могут задавать вопросы на простом английском языке, в то время как агент обрабатывает технические сложности взаимодействия с базой данных за кулисами.

В этом примере мы используем образец клиентской базы данных, но те же принципы применимы к любым бизнес-данным, которые у вас могут быть. Наш агент поможет ответить на такие вопросы, как «Каковы наши самые продаваемые продукты?» или «Каковы тенденции продаж по регионам?», не требуя от пользователей знания SQL.

Чтобы создать рабочий процесс, зарегистрируйте учетную запись n8n в облаке или разместите собственный экземпляр n8n .

После того, как вы вошли, найдите страницу с шаблоном и нажмите «Использовать рабочий процесс». Либо создайте рабочий процесс с нуля.

Простой SQL-агент для «общения» с локальной базой данных SQLite.

Шаг 1. Загрузите и сохраните файл SQLite

Верхняя часть рабочего процесса начинается с ручного запуска.

1. Узел HTTP-запроса загружает пример базы данных Chinook в виде zip-архива;
2. Узел сжатия извлекает содержимое с помощью операции распаковки;
3. Наконец, узел «Чтение/запись файлов с диска» сохраняет файл .db локально.

Запустите эту часть вручную только один раз.

Шаг 2. Получите сообщение чата и загрузите локальный файл SQLite.

Нижняя часть рабочего процесса немного сложнее, давайте подробнее рассмотрим, как она работает.

1. Первый узел — это триггер чата. Здесь вы можете отправлять запросы, например, «Каков доход по жанрам?»
2. Сразу после этого локальная база данных chinook.db загружается в память.
3. Следующий узел Set объединяет двоичные данные с входными данными Chat Trigger. Выберите режим JSON и укажите следующее выражение: {{ $('Chat Trigger').item.json }}. Также включите переключатель «Включить двоичный файл» (его можно найти, нажав «Добавить параметры»).

Используйте узел Set для объединения JSON и двоичных данных из разных источников.

Шаг 3. Добавьте и настройте узел LangChain Agent

Давайте рассмотрим узел LangChain Agent.

Выберите тип SQL Agent и источник базы данных SQLite. Это позволит вам работать с локальным файлом SQLite без подключения к удаленным источникам.

Убедитесь, что имя входного двоичного поля совпадает с именем двоичных данных.

Агент LangChain SQL выполняет несколько запросов, прежде чем предоставить окончательный ответ.

Сохраните остальные настройки, закройте окно конфигурации и подключите 2 дополнительных узла: узел Windows Buffer Memory — для хранения прошлых ответов — и узел Model, например, узел модели OpenAI Chat. Выберите модель (например, gpt-4-turbo) и установите температуру. Для задач кодирования лучше использовать более низкие значения, например 0,3.

Теперь вы можете задавать различные вопросы о своих данных, даже нетривиальные! Сравните следующие пользовательские вводы:

1. «Как зовут сотрудников?» требует всего 2 SQL-запроса VS
2. «Каковы доходы по жанрам?», где агенту приходится делать несколько запросов, прежде чем прийти к решению.

Этот агент все еще может быть улучшен, например, вы всегда можете передать схему, чтобы агент не тратил ресурсы на выяснение структуры каждый раз.

Часто задаваемые вопросы

Может ли LLM выступать в качестве агента ИИ?

Хотя LLM не могут действовать как автономные агенты ИИ, они являются одним из ключевых компонентов агентов. Давайте посмотрим, почему.

Современные исследования ИИ вращаются вокруг нейронных сетей. Большинство сетей были способны выполнять только одну задачу или набор тесно связанных задач: ярким примером является Agent57 от DeepMind , который мог играть во все 57 игр Atari с одной моделью и достигал сверхчеловеческой производительности в большинстве из них.

Все изменилось с появлением современных больших языковых моделей на основе трансформаторов .

Ранние модели GPT (generative pre-trained transformer) могли служить только в качестве модных чат-ботов с энциклопедическими знаниями. Однако по мере увеличения числа параметров модели почти каждый современный LLM схватывал многие идеи исключительно из текстовых данных. Проще говоря: никто специально не обучал модель переводить текст или исправлять код, и тем не менее она справлялась.

То, что может сделать LLM, во многом зависит только от количества параметров модели. Источник: https://research.google/blog/pathways-language-model-palm-scaling-to-540-billion-parameters-for-breakthrough-performance/

Смешение огромного объема обучающих данных и большого количества параметров модели оказалось достаточным для того, чтобы «внедрить» в модель множество реальных идей.

Благодаря дальнейшей настройке эти модели на основе трансформаторов смогли еще лучше следовать инструкциям.

Весь этот невероятный прогресс позволяет создавать агентов ИИ с помощью всего лишь набора сложных инструкций, называемых подсказками.

Является ли ChatGPT агентом искусственного интеллекта?

ChatGPT — впечатляющая система, которая сочетает возможности LLM с несколькими встроенными инструментами, включая просмотр веб-страниц, аналитику данных и недавно добавленные запланированные задачи . Она демонстрирует некоторое рудиментарное агентное поведение, но все еще не имеет важных компонентов. Например, ChatGPT еще не полностью автономен и требует человеческого участия на каждой итерации.

Выбор между ChatGPT и пользовательскими агентами ИИ зависит от ваших потребностей и сценариев использования. ChatGPT отлично подходит для общего разговорного ИИ, создания контента и широких приложений. Для специализированных задач, обработки данных в реальном времени и интегрированных системных решений пользовательские агенты ИИ могут подойти лучше.

💡

Чтобы максимально раскрыть потенциал ИИ в своих проектах, ознакомьтесь с нашими недавними статьями о помощниках по программированию на основе ИИ и лучших чат-ботах на основе ИИ .

Что такое многоагентные системы?

Многоагентные системы — это среды, в которых несколько агентов ИИ работают вместе, каждый из которых выполняет определенные задачи, координируя свои действия. Представьте себе команду специалистов: один агент может обрабатывать запросы клиентов, другой обрабатывает данные, а третий управляет планированием. Эти агенты общаются и сотрудничают для достижения сложных целей, которые было бы трудно выполнить одному агенту.

💡

В n8n вы можете создавать многоагентные системы, соединяя несколько рабочих процессов, каждый из которых представляет специализированного агента. Узнайте больше об этом подходе в нашем руководстве по рабочим процессам агентов ИИ , которое охватывает шаблоны для создания совместных команд агентов.

Как агенты ИИ обучаются и совершенствуются с течением времени?

Агенты ИИ могут обучаться и совершенствоваться несколькими способами, не обязательно меняя свои базовые модели ИИ:

1. Few-shot learning — это метод, при котором агенты извлекают уроки из недавних успешных взаимодействий и используют их в качестве примеров для подобных будущих случаев. Например, агент службы поддержки клиентов может использовать недавние успешные ответы в качестве шаблонов для новых запросов.
2. Для работы с информацией, специфичной для компании, может потребоваться Retrieval-Augmented Generation (RAG) . Создавая и используя расширяющуюся базу знаний, агенты могут со временем предоставлять более точные, контекстные ответы, не изменяя свои базовые модели ИИ.
3. Оптимизация подсказок подразумевает сохранение успешных подсказок и их результатов в векторной базе данных, а затем автоматическую корректировку шаблонов подсказок на основе показателей производительности. Например, если определенные структуры подсказок последовательно приводят к более высоким рейтингам удовлетворенности пользователей, агент будет отдавать предпочтение этим шаблонам.

Для более сложных сценариев с участием LLM обучение может происходить на уровне модели посредством:

1. Непрерывное предварительное обучение — это процесс обновления модели новыми данными предметной области для расширения ее знаний в определенных областях, при этом:
2. Тонкая настройка подразумевает корректировку модели для повышения производительности при выполнении конкретных задач.

Однако не всем агентам ИИ нужны сложные возможности обучения. Для некоторых задач лучше подходят агенты с фиксированным поведением и четкими метриками производительности. Главное — адаптировать подход к обучению к вашим конкретным потребностям.

Вывод

В этом руководстве мы кратко рассказали, что такое ИИ-агент и как он работает, какие типы ИИ-агентов существуют и каковы преимущества их использования. 

Мы также рассмотрели несколько примеров агентов ИИ и показали, как создать агент LangChain SQL в n8n, который может анализировать локальный файл SQLite и предоставлять ответы на основе его содержимого.

Что дальше?

Теперь, когда у вас есть общее представление и практический пример того, как создавать агентов ИИ, пришло время бросить вызов существующему положению вещей и создать агента для ваших реальных задач.

Благодаря возможностям n8n low-code вы можете сосредоточиться на проектировании, тестировании и обновлении агента. Все детали скрыты под капотом, но вы, конечно, можете написать свой собственный код JS в узлах LangChain, если это необходимо.