从手工操作的混乱到 Ai-powered 的和谐：揭开代理工作流程的神秘面纱！

这种演变——从手工制作的聊天机器人/机器人流程自动化流程到基于人工智能的自适应工作流程——正在改变对话式人工智能、自动化和决策制定。

图形方法

几十年来，我们采用了从头到尾手工制作和映射流程的方法。

例如，在一个构建聊天机器人的企业中，必须为每一个可能的场景设计和开发一个流程。

这些流程中的每一个都与特定的客户意图相关联，并旨在解决该意图，一旦检测到意图，就会调用某个预定的固定流程。

这种方法成为了自动化的支柱，手动设计和编码决策树、依赖关系和执行路径。

然而，这种方法的问题在于显然是预定的，不灵活，无法适应变化，尤其是与用户行为相关的变化。

还有一个维护方面的因素，要求这些流程在漏洞出现以及流程和产品变化时进行审查和更新。

如果您喜欢这篇文章

在 Medium 上关注我并免费订阅。

让我们在 LinkedIn 上连接，并在 X 上保持联系！

人工智能代理

我已经广泛地写过关于人工智能代理的内容，但可以简单地说，人工智能代理引入了一个过程，其中用户查询会自动分解为子步骤，并且这些子步骤按顺序或流程连接在一起，由人工智能代理执行以达到最终结论。

代理通过观察、思考、行动、观察的过程进行迭代，这个过程会一直迭代，直到得出最终答案。

人工智能代理的输出部分是它创建的链或事件序列，以达到最终结论。

人工智能代理的出现使自动化从静态的规则遵循转变为动态决策。人工智能代理集成了推理、工具使用和适应性，使它们能够以更大的灵活性执行任务。

使用人工智能代理创建代理工作流程

最近，OpenAI 的研究使用了他们的推理模型，将 知识文章 转换为带有条件的事件序列。

具有先进推理能力的 o1 模型 似乎非常适合创建将知识文章转换为流程图的例程。

它处理 复杂的、结构化的 信息 的能力，无需广泛的先前训练，使其能够将复杂的知识文章——例如包含多步骤说明、描述的决策树或图表——拆解为可操作的例程。

通过利用其零-shot 能力，o1 可以高效地解释和拆分任务，将其分解为清晰、可管理的步骤，而无需广泛的提示或微调。

这是我觉得有趣的新范式，在这个范式中，人工智能代理不仅仅用于得出最终结论，而是利用现有数据创建工作流程或图形。

这被称为自适应工作流程，在这个过程中，用户表达一个愿望，系统生成并展示一个工作流程给用户。

用户随后对工作流程进行监督，批准或更改工作流程，并启动执行。

因此，这种方法介于手工制作的手动工作流程和完全自主的人工智能代理之间，其中存在一定程度的人类监督。

如果您喜欢这篇文章

代理工作流程

代理工作流程，人工智能不再仅仅是一个工作者——它正在成为自己工作流程的设计者。

• 人工智能可以 综合信息，分解问题，并创建最佳任务序列。
• 工作流程可以根据 上下文、环境和实时数据 动态适应。
• 人类监督的重点从 设计工作流程转向验证人工智能生成的过程。

随着人工智能代理获得 更多的工作流程创建自主权，自动化与决策之间的界限正在模糊。

人工监督 / 代理工作流程

考虑下面的图像，它是以一种适度的方式引入代理的一个好例子。

用户问一个问题：我需要在每个工作日早上7:30设置一个闹钟，然后取消星期四的闹钟，改为晚上8:00。

这是一个复合的多意图表达，但请看代理助手如何将请求分解为一系列任务和子任务。用户可以选择删除步骤或通过拆分步骤来细化步骤。

该图像显示了左侧生成的计划，以及右侧的对话。

下面是一个复合用户输入/请求的最后一个例子，以及分解的任务和多个步骤 (代理工作流程) 以供人工批准。