Peran dan Spesialisasi Agen
Berikan setiap agen peran yang sempit (perencana, pembuat kode, pengkritik, pelaksana); hasilnya lebih baik daripada menggunakan agen serbaguna.
Peran dan Spesialisasi Agen adalah pelajaran AI Agents gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AI Agents, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AI Agents mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
Mengapa Spesialisasi Membantu
Agen yang fokus dengan instruksi yang ketat dan kumpulan alat yang kecil mengungguli generalis dengan semuanya. Alasannya:
- Instruksi dapat dibuat lebih panjang dan spesifik untuk setiap peran
- Deskripsi alat lebih bersih (lebih sedikit pilihan yang dapat membingungkan model)
- Lebih mudah untuk men-debug dan mengevaluasi
- Setiap agen dapat menggunakan ukuran model yang berbeda
Peran Umum
- Perencana — memecah tugas menjadi beberapa langkah
- Researcher — mengumpulkan informasi
- Coder — menulis kode
- Peninjau / Pengkritik — menemukan kekurangan
- Editor — menyempurnakan keluaran
- Pelaksana — menjalankan perintah / alat
Define a Role Clearly
RESEARCHER_PROMPT = '''
You are Researcher. Your job is to gather facts.
Never write code. Never make final decisions.
Return 3-5 sourced findings with URLs.
When finished, end your message with: HANDOFF: planner
'''
print(RESEARCHER_PROMPT.strip())
Alat per Peran
Daftar izin alat yang ketat untuk setiap peran:
researcher_tools = ['web_search', 'fetch_url']
coder_tools = ['read_file', 'write_file', 'run_python']
reviewer_tools = [] # critique-only, no tools
print("Researcher tools:", researcher_tools)
print("Coder tools:", coder_tools)
print("Reviewer tools:", reviewer_tools)
Model per Peran
Gunakan model murah untuk peran sederhana dan model besar untuk peran yang sulit:
ROLE_MODELS = {
'planner': 'gpt-4o', # critical role
'researcher': 'gpt-4o-mini', # routine
'coder': 'gpt-4o', # hard
'reviewer': 'claude-sonnet-4-5' # second opinion
}
for role, model in ROLE_MODELS.items():
print(f"{role}: {model}")
Kritik Lintas Model
Untuk kualitas yang lebih tinggi, gunakan keluarga model yang berbeda untuk kritik. Ini mengurangi kesalahan akibat bias yang sama:
- Coder: GPT-4
- Peninjau: Claude
- Jika keduanya setuju, rilis; jika tidak, eskalasikan
Protokol Serah Terima
Agen memerlukan cara yang jelas untuk menyerahkan pekerjaan. Berikut konvensi sederhana:
# Each message ends with one of:
HANDOFF: <role_name>
FINAL: <answer>
ABORT: <reason>Spesialisasi Berdasarkan Jenis Tugas
Beberapa tim menambahkan pakar domain:
- Peninjau-Hukum untuk kepatuhan
- Peninjau-Keamanan untuk keamanan kode
- Spesialis-Domain untuk pengetahuan industri
Batas Peran
Batas per peran mencegah pertumbuhan yang tidak terkendali:
MAX_ROLE_INVOCATIONS = {
'planner': 3,
'researcher': 5,
'coder': 10,
'reviewer': 3
}
for role, cap in MAX_ROLE_INVOCATIONS.items():
print(f"{role}: max {cap} invocations")
Jangan Terlalu Mengkhususkan
Beralih dari 3 peran menjadi 30 peran menimbulkan masalah: pemilihan pengawas menjadi tidak andal, latensi melonjak, dan sebagian besar "spesialis" mengulangi pekerjaan yang sama.
Tambahkan peran hanya setelah Anda mengukur manfaat nyata.
Evaluasi Per Peran
Uji setiap peran secara independen:
- Evaluasi Peneliti: apakah mengembalikan fakta yang memiliki sumber?
- Evaluasi Pemrogram: apakah kode dapat dikompilasi dan lulus pengujian?
- Evaluasi Peninjau: apakah menemukan kesalahan yang telah diketahui?
Komposabilitas
Peran dapat digunakan kembali di berbagai sistem agen. Peneliti yang disetel dengan baik dapat digunakan untuk alur kerja penulis dokumen maupun pemeriksa fakta.
Mengapa Peran?
Apa manfaat utama memberikan peran yang jelas kepada setiap agen?
Rangkuman
Rencanakan -> Teliti -> Programkan -> Tinjau adalah alur kerja default yang sangat baik. Perintah yang terarah, alat yang terbatas, model per peran, dan protokol serah terima. Tambahkan peran hanya jika ada manfaat yang telah diukur.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Peran dan Spesialisasi Agen” gratis?
Ya — teks lengkap “Peran dan Spesialisasi Agen” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AI Agents, upgrade ke CoddyKit PRO. Kursus AI Agents mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Peran dan Spesialisasi Agen”?
Berikan setiap agen peran yang sempit (perencana, pembuat kode, pengkritik, pelaksana); hasilnya lebih baik daripada menggunakan agen serbaguna. Kamu berlatih AI Agents dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai AI Agents?
Tidak diperlukan pengalaman sebelumnya. AI Agents di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “Peran dan Spesialisasi Agen” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran AI Agents ini?
Ya. Setiap pelajaran AI Agents menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Multi-Agen Berbasis Percakapan (AutoGen)
- Pengawas Hierarkis (Orkestrator + Pekerja)
- Peran dan Spesialisasi Agen
- Protokol Komunikasi (Bus Pesan)