Utforming av komplekse arbeidsflyter
Utform avanserte autonome arbeidsflyter med flere agenter, verktøy og beslutningspunkter for krevende oppgaver
Utforming av komplekse arbeidsflyter er en gratis leksjon i AI-agenter med LangChain og autonome arbeidsflyter på CoddyKit. Dette er leksjon 1 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i AI-agenter med LangChain og autonome arbeidsflyter, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i AI-agenter med LangChain og autonome arbeidsflyter inneholder totalt 4 leksjoner.
Mer enn enkle lineære kjeder
Så langt har vi bygget agenter som følger en enkel og rettlinjet vei. Men oppgaver fra virkeligheten er sjelden enkle!
Komplekse arbeidsflyter gjør det mulig for AI-agentene å håndtere innviklede problemer ved å kombinere flere trinn, ta avgjørelser og samordne ulike AI-funksjoner.
Arbeidsflytens dirigent
Tenk på en kompleks oppgave, for eksempel å skrive en forskningsrapport. Den består av mange trinn:
- Undersøke emner
- Finne relevante kilder
- Oppsummere informasjon
- Skrive utkast til deler
- Gjennomgå og redigere
Hvert trinn kan kreve ulike verktøy eller til og med ulike spesialiserte agenter. Orkestrering handler om å få disse trinnene til å fungere sømløst sammen.
Byggeklosser for innviklede oppgaver
Å utforme komplekse arbeidsflyter innebærer å tenke på hvordan man kombinerer:
- Agenter: Spesialisert for ulike deloppgaver.
- Verktøy: Eksterne handlinger agenter kan utføre.
- LLM-er: Hjernen som står for resonnering og generering.
- Beslutningspunkter: Logikk som velger neste trinn eller agent.
- Minne/tilstand: Hvordan informasjon flyter mellom trinnene.
Disse elementene kombineres for å skape kraftige prosesser i flere trinn.
Styre arbeidsflyten med rutere
En viktig del av komplekse arbeidsflyter er beslutningspunktet, som ofte implementeres ved hjelp av en ruter.
En ruter analyserer gjeldende inndata eller et mellomresultat og avgjør hvilken vei arbeidsflyten skal ta videre. Dette muliggjør dynamisk og tilpasningsdyktig atferd.
Hvis en bruker for eksempel spør om «vær», sendes forespørselen til et værverktøy. Hvis brukeren spør om «nyheter», sendes den til en nyhetsagent.
Ruteren i praksis: Et enkelt eksempel
En ruter styrer arbeidsflyten ved å ta avgjørelser basert på inndataene. Her er en enkel Python-funksjon som fungerer som en konseptuell ruter og sender forespørsler til ulike «behandlere» basert på nøkkelord.
Prøv å endre inndataforespørselen for å se hvordan den rutes!
def route_query_to_handler(query: str) -> str:
"""
Simulates a router that directs a query to a specific handler
based on its content.
"""
query_lower = query.lower()
if "weather" in query_lower:
return f"Routing to Weather Tool for: '{query}'"
elif "news" in query_lower:
return f"Routing to News Agent for: '{query}'"
elif "calculate" in query_lower or "math" in query_lower:
return f"Routing to Calculator Tool for: '{query}'"
else:
return f"Routing to General LLM for: '{query}'"
# Main entry point for demonstration
if __name__ == "__main__":
print(route_query_to_handler("What's the weather like today?"))
print(route_query_to_handler("Tell me the latest tech news."))
print(route_query_to_handler("Can you calculate 5 + 7?"))
print(route_query_to_handler("Hello, how are you?"))Bevare konteksten mellom trinnene
I en kompleks arbeidsflyt må De ofte føre informasjon fra ett trinn videre til det neste. Dette kalles tilstandshåndtering eller kontekst.
En agent kan for eksempel hente ut viktige entiteter fra et dokument, og et påfølgende trinn kan bruke disse entitetene til å utføre et nettsøk.
LangChain hjelper ved å la Dem definere hvordan utdata fra én kjørbar komponent blir inndata for den neste, ofte gjennom ordbøker eller bestemte inndata-/utdataskjemaer.
Agenter som samarbeider
Komplekse problemer kan brytes ned i mindre oppgaver, der hver oppgave håndteres av en spesialisert agent.
- En «redigeringsagent» kan forbedre tekst.
- En «dataagent» kan hente informasjon.
- En «planleggingsagent» kan bestemme den overordnede rekkefølgen.
Arbeidsflytens orkestrator sørger for at disse agentene mottar riktige inndata, og at utdataene deres behandles riktig for neste trinn.
Kasusstudie: Arbeidsflyt for forskning og rapportering
La oss utforme en arbeidsflyt som genererer en rapport om et gitt emne:
- Inndata: Brukeren oppgir et emne.
- Trinn 1 (forskningsagent): Henter relevante artikler.
- Trinn 2 (oppsummeringsagent): Behandler funnene og identifiserer hovedpunkter.
- Trinn 3 (utkastagent): Skriver et første rapportutkast.
- Trinn 4 (vurderingsagent): Evaluerer utkastet kritisk.
- Trinn 5 (redigeringsagent): Gjennomfører forbedringer og ferdigstiller rapporten.
- Utdata: En gjennomarbeidet rapport.
Kartlegge orkestreringen
Når De utformer arbeidsflyten, er det nyttig å visualisere flyten. Se for Dem piler som kobler sammen trinnene:
- Brukerforespørsel → Forskningsagent
- Forskningsagentens utdata → Oppsummeringsagent
- Oppsummeringsagentens utdata → Utkastagent
- Utkastagentens utdata → Vurderingsagent
- Vurderingsagentens tilbakemelding + Utkastagentens utdata → Redigeringsagent
- Redigeringsagentens utdata → Endelig rapport
Hver pil representerer dataflyt og et mulig beslutningspunkt (underforstått «neste trinn»).
Tid for avgjørelser i arbeidsflyten
Se for Dem en kompleks arbeidsflyt som er utviklet for å hjelpe kundestøtten. Den må enten svare på vanlige ofte stilte spørsmål eller eskalere komplekse problemer til en menneskelig medarbeider.
Orkestrering av intelligens
De har lært hvordan man kan tenke rundt utforming av komplekse arbeidsflyter for AI-agenter!
Vi har gått gjennom betydningen av orkestrering, viktige komponenter som rutere for beslutningstaking, håndtering av tilstand og hvordan flere agenter kan samarbeide om avanserte oppgaver.
Evnen til å utforme slike innviklede arbeidsflyter er avgjørende for å bygge virkelig intelligente og autonome applikasjoner.
Lær deg AI-agenter med LangChain og autonome arbeidsflyter med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 12
- Leksjoner
- 50
Ofte stilte spørsmål
Er leksjonen «Utforming av komplekse arbeidsflyter» gratis?
Ja – hele teksten i «Utforming av komplekse arbeidsflyter» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av AI-agenter med LangChain og autonome arbeidsflyter-kurset, kan du oppgradere til CoddyKit PRO. Kurset i AI-agenter med LangChain og autonome arbeidsflyter inneholder totalt 4 leksjoner.
Hva lærer jeg i «Utforming av komplekse arbeidsflyter»?
Utform avanserte autonome arbeidsflyter med flere agenter, verktøy og beslutningspunkter for krevende oppgaver Du øver på AI-agenter med LangChain og autonome arbeidsflyter med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med AI-agenter med LangChain og autonome arbeidsflyter?
Ingen tidligere erfaring er nødvendig. AI-agenter med LangChain og autonome arbeidsflyter på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.
Hvor lang tid tar leksjonen «Utforming av komplekse arbeidsflyter»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne AI-agenter med LangChain og autonome arbeidsflyter-leksjonen?
Ja. Alle AI-agenter med LangChain og autonome arbeidsflyter-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Utforming av komplekse arbeidsflyter
- Asynkron kjøring av agenter
- Feilhåndtering og robusthet
- Godkjenninger med mennesket i løkken