Was sind zusammengesetzte KI-Systeme und KI-Agenten?
Mosaik AI Agent Framework hilft Entwicklern, die einzigartigen Herausforderungen bei der Entwicklung von KI-Agenten und zusammengesetzten KI-Systemen zu überwinden. Erfahren Sie, was eine KI-Anwendung zu einem zusammengesetzten KI-System und einem KI-Agenten macht.
Zusammengesetzte KI-Systeme
Zusammengesetzte KI-Systeme sind Systeme, die KI-Aufgaben bewältigen, indem mehrere interagierende Komponenten kombiniert werden. Im Gegensatz dazu ist ein KI-Modell einfach ein statistisches Modell, z. B. ein Transformator, der das nächste Token im Text vorhersagt. Zusammengesetzte KI-Systeme sind aufgrund ihrer Leistung und Flexibilität ein immer häufigeres Entwurfsmuster für KI-Anwendungen.
Weitere Informationen finden Sie unter Der Übergang von Modellen zu zusammengesetzten KI-Systemen.
Was sind KI-Agents?
Die Branche definiert immer noch KI-Agenten, jedoch allgemein als KI-System, bei dem das Modell einige oder alle Planungsentscheidungen im Gegensatz zu hartcodierter Logik trifft. Diese Agenten verwenden große Sprachmodelle (LLMs), um Entscheidungen zu treffen und ihre Ziele zu erreichen.
Viele KI-Agenten-Anwendungen bestehen aus mehreren Systemen und qualifizieren sie somit als zusammengesetztes KI-System.
Agency ist ein Kontinuum, je mehr Freiheit wir Modelle bereitstellen, um das Verhalten des Systems zu steuern, desto besser wird die Anwendung.
Was sind Tools?
KI-Agenten verwenden Werkzeuge, um neben der Spracherzeugung weitere Aktionen durchzuführen, z. B. um strukturierte oder unstrukturierte Daten abzurufen, Code auszuführen oder mit Remote-Diensten zu kommunizieren, z. B. eine E-Mail oder eine Slack-Nachricht zu senden.
Auf Databricks können Sie Unity-Katalogfunktionen als Tools verwenden, um einfache Ermittlung, Governance und Freigabe von Tools zu ermöglichen. Sie können Tools auch mithilfe von Open Source-Agent-Erstellungsbibliotheken wie LangChain definieren.
In typischen agentenbasierten Arbeitsabläufen erhält der LLM-Agent Metadaten über Werkzeuge, anhand derer er bestimmen kann, wann und wie das Werkzeug zu verwenden ist. Wenn Sie also Werkzeuge definieren, müssen Sie sicherstellen, dass das Werkzeug, seine Parameter und sein Rückgabewert gut dokumentiert sind, damit der LLM-Agent das Werkzeug optimal nutzen kann.
Von LLMs zu KI-Agenten
Um KI-Agenten zu verstehen, ist es hilfreich, die Entwicklung von KI-Systemen zu berücksichtigen.
- LLMs: Zunächst reagierten große Sprachmodelle einfach auf Eingabeaufforderungen basierend auf Kenntnissen aus einem umfangreichen Schulungsdatensatz.
- LLMs + Toolketten: Anschließend haben Entwickler hartcodierte Tools hinzugefügt, um die Funktionen der LLM zu erweitern. So wurde beispielsweise die Knowledge Base eines LLM durch Retrieval Augmented Generation (RAG) mit kundenspezifischen Dokumentations-Sets erweitert, während API-Tools es den LLMs ermöglichten, Aufgaben wie das Erstellen von Support-Tickets oder das Versenden von E-Mails durchzuführen.
- KI-Agenten: Ki-Agenten erstellen jetzt autonom Pläne und führen Aufgaben basierend auf ihrem Verständnis des Problems aus. KI-Agenten verwenden weiterhin Tools, aber es liegt an ihnen, zu entscheiden, welches Tool wann verwendet werden soll. Der wichtigste Unterschied besteht in der Ebene der Autonomie und der Entscheidungsfindung im Vergleich zu zusammengesetzten KI-Systemen.
Aus Entwicklungssicht stellen KI-Anwendungen unabhängig davon, ob sie einzelne LLMs, LLMs mit Toolketten oder vollständige KI-Agents sind, ähnliche Herausforderungen dar. Das Mosaic AI Agent Framework unterstützt Entwickler bei der Bewältigung der einzigartigen Herausforderungen bei der Erstellung und KI-Anwendungen auf allen Komplexitätsstufen.
Beispiele für KI-Agenten
Hier sind einige Beispiele für KI-Agenten in allen Branchen:
KI/BI: KI-gestützte Chatbots und Dashboards akzeptieren natürliche Spracheingabeaufforderungen, um Analysen zu den Daten eines Unternehmens durchzuführen und Einblicke aus dem gesamten Lebenszyklus ihrer Daten zu erhalten. KI/BI-Agenten analysieren Anforderungen, entscheiden, welche Datenquellen zu verwenden sind, und wie Ergebnisse kommuniziert werden. KI/BI-Agenten können sich im Laufe der Zeit durch menschliches Feedback verbessern und bietet Tools, um Ausgaben zu überprüfen und zu verfeinern.
Kundendienst: KI-gestützte Chatbots, z. B. von Kundendienstplattformen verwendete, interagieren mit Benutzern, verstehen natürliche Sprache und stellen relevante Antworten bereit oder führen Aufgaben aus. Unternehmen nutzen KI-Chatbots für den Kundenservice, indem Sie Abfragen beantworten, Produktinformationen bereitstellen und bei der Problembehandlung unterstützen.
Predictive Maintenance für die Fertigung: KI-Agenten können nicht nur Geräteausfälle vorhersehen, sondern auch autonom darauf reagieren, indem Sie Ersatz bestellen oder Wartung planen, um Ausfallzeiten zu reduzieren und die Produktivität zu steigern.
Nächste Schritte
Erfahren Sie, wie Sie KI-Agenten entwickeln und auswerten:
Praktische KI-Agent-Lernprogramme: