Sistem Pemberian Prompt Multi-Agen

Bayangkan sebuah tim asisten cerdas, masing-masing memiliki keahlian khusus, yang bekerja sama untuk menyelesaikan masalah besar. Itulah gagasan utama di balik Sistem Pembuatan Prompt Multi-Agen!

Alih-alih menggunakan satu model bahasa besar (LLM) untuk melakukan semuanya, kita menggunakan beberapa LLM, yang masing-masing diberi peran dan serangkaian instruksi tertentu.

Menggunakan beberapa agen memberikan manfaat yang besar:

• Menangani Kerumitan: Membagi tugas besar menjadi bagian-bagian yang lebih kecil dan mudah dikelola.
• Spesialisasi: Setiap agen berfokus pada hal yang paling dikuasainya.
• Akurasi yang Lebih Baik: Para agen dapat saling memeriksa pekerjaan atau menyempurnakan keluaran.
• Ketangguhan: Jika satu agen mengalami kesulitan, agen lain dapat membantu.

Setiap sistem multi-agen memiliki dua bagian utama:

• Agen: LLM individual, yang masing-masing diberi peran unik (misalnya, "Peneliti", "Perangkum", atau "Pengkritik").
• Pengatur orkestrasi: "Manajer" yang mengoordinasikan para agen. Pengatur ini menentukan siapa melakukan apa dan kapan, serta meneruskan informasi di antara mereka.

Menetapkan peran yang jelas sangat penting. Bayangkan seperti sebuah tim proyek:

• "Agen Riset" mungkin menelusuri data untuk menemukan fakta.
• "Agen Perencanaan" dapat menguraikan langkah-langkah untuk suatu solusi.
• "Agen Kreatif" mungkin melakukan curah gagasan.

Setiap peran disertai prompt khusus yang mendefinisikan persona dan tugasnya.

Para agen berkomunikasi dengan saling bertukar informasi, biasanya dalam format teks terstruktur.

Misalnya, "Agen Peneliti" dapat menghasilkan daftar fakta, yang kemudian menjadi input bagi "Agen Perangkum".

Pengatur orkestrasi memfasilitasi aliran informasi ini, memastikan pesan sampai kepada agen yang tepat pada waktu yang tepat.

Pengatur orkestrasi ibarat dirigen dalam sebuah orkestra. Tanggung jawabnya mencakup:

• Mendefinisikan alur kerja secara keseluruhan.
• Mengirim prompt kepada agen yang tepat.
• Mengumpulkan keluaran dari para agen.
• Meneruskan keluaran yang relevan sebagai input baru kepada agen berikutnya.
• Menentukan kapan tugas telah selesai.

Mari kita bayangkan pembuatan cerita pendek:

1. Pengguna: "Tulis cerita pendek tentang penjelajah luar angkasa yang menemukan hewan peliharaan asing baru."
2. Agen Alur: Menghasilkan kerangka alur dasar.
3. Agen Karakter: Membuat deskripsi untuk penjelajah dan hewan peliharaan.
4. Agen Narasi: Menulis cerita menggunakan detail alur dan karakter.
5. Agen Penyunting: Meninjau dan menyempurnakan cerita agar alurnya lancar dan tata bahasanya benar.

Pengatur orkestrasi mengelola urutan ini.

Setiap agen menerima prompt khususnya sendiri dari pengatur orkestrasi. Prompt ini biasanya mencakup:

• Perannya: "Anda adalah Pembuat Alur Cerita."
• Tugasnya: "Buat kerangka alur berdasarkan permintaan pengguna."
• Konteks/Input: "Permintaan Pengguna: {user_request}"
• Format Keluaran: "Berikan struktur 3 babak."

Berikut gambaran konseptual tentang perancangan sistem multi-agen:

• Langkah 1: Tentukan Tujuan: Tugas rumit apa yang perlu dilakukan?
• Langkah 2: Uraikan: Bagi tugas menjadi sub-tugas yang lebih kecil.
• Langkah 3: Tetapkan Peran: Buat agen untuk setiap sub-tugas.
• Langkah 4: Rancang Prompt: Susun prompt khusus untuk setiap agen.
• Langkah 5: Orkestrasikan: Tentukan urutan dan aliran data di antara para agen.

Anda telah mempelajari sistem multi-agen. Mari lihat apakah Anda dapat mengidentifikasi komponen utamanya!

Bagus sekali! Anda telah mempelajari kekuatan sistem pemberian prompt multi-agen.

• Sistem ini menguraikan tugas-tugas kompleks menggunakan agen LLM khusus.
• Seorang orkestrator mengelola alur kerja dan komunikasi.
• Peran yang jelas dan prompt yang spesifik merupakan kunci bagi setiap agen.

Pendekatan ini memungkinkan solusi AI yang lebih tangguh dan mumpuni!