Os grandes modelos de linguaxe (LLMs) tomaron o mundo da IA por tempestade, pero non todo construído sobre eles está listo para a produción. xerar unha morea de buzz, o seu rendemento no mundo real é... ben, esmagador. están gañando terreo como unha forma máis pragmática e escalable de aplicar a IA. AI Agents Agentic Workflows Axentes de IA: aínda fresco, pero non moi preparado Precisión que non se pode confiar Os axentes de IA parecen lixeiros en vídeos de demostración. Pero na práctica? Toma que só se consegue da precisión que esperaría dun ser humano que realice as mesmas tarefas. ten mellores resultados, pero aínda vacila entre , en comparación co rendemento humano de máis do 70%. Claude's ACI (AI Agent Computer Interface) 14% Operator 30–50% 
 
 
 
 
 
 
 
 
 Agent 
 Success Rate 
 Human Benchmark 
 
 
 
 
 Claude ACI 
 14% 
 >70% 
 
 
 
 
 OpenAI Operator 
 30-50% 
 >70% Xesús ACI O 14% > 70 % Operador aberto 30 ó 50 % > 70 % Se está facendo clic no botón incorrecto ou mal entendido os comandos do usuario, os axentes de IA simplemente non están aí aínda. Pobre adaptabilidade = alta taxa de fracaso A maioría dos axentes de IA non poden adaptarse dinamicamente a cambios como un anuncio emerxente ou unha interface de usuario lixeiramente actualizada. carecen de seguimento en tempo real e recuperación de erros, o que os fai fráxiles en ambientes caóticos ou imprevisibles. Custo elevado, retorno baixo APIs personalizadas. Lóxica específica de tarefas. Debugue infinito. Todo isto fai que a construción e a escala de axentes de IA sexan un xogo caro. Algunhas estimacións mostran - E iso é despois dun duro investimento dev. agent success rates below 20% Entón, onde nos deixa iso? Fluxo de traballo axente: a alternativa máis intelixente e sinxela En lugar de construír unha O fluxo de traballo de axentes rompe tarefas en e deixe que os compoñentes especializados manexen cada un. Fai todo well-defined steps Pensa neles como o Pequenas tarefas orientadas ao propósito unidas nun todo significativo. "microservices" version of AI Que é un fluxo de traballo axente? É un enfoque estruturado onde os LLM ou ferramentas están orquestradas para: 
 
 
 
 
 Recuperar información Transformar ou analizar Alimentación para o seguinte paso Entrega de resultados finais A diferenza dos axentes de IA de extremo a extremo, os fluxos de traballo de axentes son transparentes, máis fáciles de borrar e . moito máis fiable 
 
 Nun estudo, os traballadores do coñecemento pasan ata o 30% do seu tempo simplemente buscando e organizando información. Nun estudo, os traballadores do coñecemento pasan ata o 30% do seu tempo simplemente buscando e organizando información. Axente RAG: Personalización a escala Unha nova evolución é (Retrieval-Augmented Generation). en vez de responder a preguntas con datos públicos, é: Agentic RAG 
 
 
 
 Retira os teus datos (PDFs, bases de datos, notas de reunión) Creación dun contexto E despois usa LLMs para xerar respostas intelixentes e personalizadas Ferramentas como son primeiros pasos nesta dirección - imaxina executar un proxecto de investigación complexo e multi-paso a través duns poucos avisos e obter un resumo detallado. ChatGPT’s Deep Research Será o fluxo de traballo de axentes a seguinte gran cousa? De feito, xa está a suceder. En comparación cos axentes fráxiles, os fluxos de traballo de axentes: 
 
 
 
 Resolver problemas de negocios reais como a busca de documentos cruzados ou a información automatizada Son modulares - fácil de integrar sen romper a súa pila Adecuar ás necesidades empresariais actuais, como o conflito de datos, a síntese de contidos e a automatización do fluxo de traballo Se se trata de canles de pedidos de comercio electrónico, investigación de diagnóstico médico ou camiños de educación personalizados, estes fluxos de traballo están atopando traxectoria en todas as industrias. E o máis importante: os . work Pensamentos finais O soño dos axentes de IA non está morto - só leva máis tempo do esperado. Está cambiando silenciosamente a forma en que traballamos, unha tarefa por vez. Agentic Workflow Nun mundo que recompensa a practicidade, quizais a seguinte gran cousa non sexa un superasistente dixital. Resolver problemas reais hoxe en día. xuntos Porque na tecnoloxía, as ideas que se manteñen non son as máis brillantes - son as que fan o traballo.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Que é o fluxo de traballo axente? Aprende máis sobre os microservizos da IA

About Author

COMENTARIOS

Etiquetas colgantes

ESTE ARTIGO FOI PRESENTADO EN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Society Community!

HackerNoon Decoded 2024: Celebrating Our Remote Work Community!

R Systems BlogBook—Chapter 1: Round 2 is Now Open for Submissions🎉

HackerNoon Decoded 2024: Celebrating Our Tech Stories Community!

HackerNoon Decoded 2024: Celebrating Our Society Community!

HackerNoon Decoded 2024: Celebrating Our Remote Work Community!

R Systems BlogBook—Chapter 1: Round 2 is Now Open for Submissions🎉

HackerNoon Decoded 2024: Celebrating Our Tech Stories Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps