10 AI एजेंट अवधारणाएं मुझे अपना पहला एजेंट बनाने से पहले सीखना चाहिए था

मेटा विवरण: एक विपणक ने इनबाउंड लीड के लिए जीमेल और Sheets AI एजेंट बनाया है और टूल, कनेक्टर्स, संदर्भ, स्मृति, संकेतों सहित 10 एजेन्टिक AI शब्दों की व्याख्या करता है।

टैगः एजेंटिक AI, AI एजेंटों, नेतृत्व स्वचालन, एमसीपी, प्रणाली संकेत

विशेष रुप से प्रदर्शित छवि: स्प्रेडशीट पंक्तियों और एक घड़ी के साथ, फ़ोल्डरों में ईमेल को छांटने वाले रोबोट का एक अमूर्त मैत्रीपूर्ण चित्रण; लेखक द्वारा ChatGPT के माध्यम से उत्पन्न किया गया, कोई लोगो नहीं, कोई पाठ नहीं, न ही लोग।

यह गाइड उन ऑपरेटरों के लिए है जो एक दोहराए जाने वाले इनबॉक्स कार्य को AI एजेंट वर्कफ़्लो में बदलना चाहते हैं। यह Carnegie Mellon के Machine Learning Department, सह-संस्थापक Towards AI, तकनीकी सामग्री पर Snorkel AI और Cohere में तीन साल बिताने वाले AI विपणक द्वारा बनाए गए लीड-जवाब देने वाले एजेंट से 10 AI एजेन्ट शर्तों को अनपैक करता है, और अब AI कंपनियों की सलाह देते हुए GenBio AI में तकनीकी मार्केटिंग का नेतृत्व करता है। एजेंट सुबह 8 बजे से रात 9 बजे तक हर घंटे आने वाली पूछताछ पढ़ता है, सरल ईमेल का जवाब देता है, थ्रेड्स संभालते हैं, Google Sheets में रिकॉर्ड लॉग करते हैं, किसी व्यक्ति को कठिन प्रश्न भेजते हैं और अब काम करते हैं।

चैटबॉट से एजेंट तकः सिस्टम क्या है

मूल परिवर्तन एक बेहतर चैट विंडो नहीं है। एक चैटबॉट कॉपी करने के लिए सुझाव देता है। एजेंट सिस्टम के बीच जानकारी ले जाता है। यहां, एजेंट जीमेल थ्रेड पढ़ सकता है, जवाब लिख सकता है और इसे भेज सकता है. व्यक्ति ट्रांसपोर्ट परत होना बंद कर देता है. पहला सवाल यह हो जाता है कि कौन सा काम सौंपा जा सकता है न कि AI क्या कह सकता है।

काम करने वाले भाग: उपकरण, कनेक्टर्स, संदर्भ, मेमोरी, निर्देश

उपकरण वे कार्य हैं जो एक एजेंट ले सकता है। लीड एजेंट की सूची छोटी हैः ईमेल खोजें, थ्रेड पढ़ें, उत्तर भेजें, लेबल जोड़ें और स्प्रेडशीट में पंक्ति जोड़ें। यह वेब ब्राउज़ नहीं कर सकता या कुछ भी हटा नहीं सकता क्योंकि ये उपकरण अनुपस्थित हैं। एक अन्य एजेंट ने कोड पढ़ने के लिए वेबसाइट टूल का उपयोग किया, पेज स्पीड टेस्ट चलाया और फ़ाइल संपादित की। एक परीक्षण में, इसने गति परिवर्तन को मापा, लोडिंग के दौरान लेआउट बदलाव देखा, और इसे शिपिंग न करने की सिफारिश की।

कनेक्टर एक एजेंट को जीमेल, Google Sheets या कैलेंडर जैसे ऐप्स से जोड़ते हैं। कई एमसीपी (Model Context Protocol) का उपयोग करते हैं, जो बाहरी उपकरणों और डेटा के लिए AI को जोड़ने के लिए एक खुला मानक है। पहला शेड्यूल रन 25 सेकंड में विफल हो गया था। जीमेल और शीट्स खाते से जुड़े थे, लेकिन अनुसूचित नौकरी तक पहुंच की कमी थी। जॉब से कनेक्टर्स संलग्न करने के बाद, पहले प्रयास पर समान निर्देशों ने काम किया। खाता कनेक्शन और नौकरी-स्तरीय एक्सेस अलग-अलग जांच हैं।

संदर्भ विंडो वह है जो एजेंट काम करते समय रख सकता हैः निर्देश, दस्तावेज़, टूल परिणाम और वार्तालाप। यह बड़ा है, असीमित नहीं है, और अपने आप से रन के बीच आगे नहीं बढ़ता है। लीड एजेंट प्रत्येक रन को एक स्वच्छ संदर्भ के साथ शुरू करता है; यह कल के बारे में कुछ भी नहीं जानता जब तक कि कोई फ़ाइल, लॉग या लेबल इसे न बताएं।

मेमोरी रीसेट के आसपास काम करती है। लेखक व्यवसायों, निर्णयों, वरीयताओं और खुले प्रश्नों को सूचीबद्ध करने वाली एक सादे पाठ फ़ाइल का उपयोग करता है। प्रत्येक सत्र इसे पढ़कर शुरू होता है और इसे अपडेट करके समाप्त हो जाता है। जीमेल लेबल और स्प्रेडशीट लॉग भी स्मृति के रूप में कार्य करते हैंः यदि कोई धागा पहले से ही हैंडल किया गया है, तो एजेंट इसे छोड़ देता है। बिना याददाश्त के, गलतियां दोहराई जाती हैं; एक साधारण फाइल कई को ठीक करती है.

निर्देश, जिन्हें अक्सर सिस्टम प्रॉम्प्ट कहा जाता है, स्थायी नियम होते हैं। लेखक उन्हें एक पृष्ठ के सादे-अंग्रेजी दस्तावेज़ में रखता हैः कौन से ईमेल की समीक्षा करने के लिए, मानक उत्तर में क्या होना चाहिए और क्या कभी नहीं करना चाहिए। एजेंट को कभी भी कीमत या तिथि का आविष्कार नहीं करना होगा, कभी भी एक रन में 15 से अधिक प्रतिक्रियाएं न भेजें, और कभी भी यह खुलासा न करें कि जवाब स्वचालित है। यदि कोई मामला कवर नहीं किया गया है, तो वह इस मुद्दे को चिह्नित करता है। एजंट गुणवत्ता निर्देशों की गुणवत्ता पर निर्भर करती है।

जब यह चलता है और इसे क्या छू सकता हैः ट्रिगर्स, अनुमतियाँ, लूप में मानव, त्वरित इंजेक्शन

एक ट्रिगर एजेंट को शुरू करता हैः एक शेड्यूल, नया ईमेल, वेबहुक या मैन्युअल रन। यह एजेंट सुबह 8 बजे से रात 9 बजे तक हर घंटे चलता है। अनुसूची यूटीसी में एक बार सहेजी गई थी, जिससे इसे स्थानीय समयानुसार 4 बजे कार्य करना पड़ता था। कुछ भी नहीं टूटा, लेकिन समय गलत लग रहा होगा।

अनुमतियाँ यह तय करती हैं कि कौन सी क्रियाएँ स्वचालित रूप से होती हैं और जिन्हें स्वीकृति की आवश्यकता होती है। रूटीन क्रियाएं - ईमेल पढ़ना, जवाब देना, लेबलिंग करना और स्प्रेडशीट में लिखना पूर्व-अनुमोदित थे। ईमेल या फ़ाइलों को हटाने जैसी कठिन-से-उलटाए जाने वाली कार्रवाइयां अनुमोदन के तहत रहीं। इससे पहले, प्रत्येक कार्य को एक क्लिक की आवश्यकता थी, जिससे ऑटोमेशन पर्यवेक्षण में बदल गया था।

लूप में मानव का अर्थ है कि कोई व्यक्ति गिनती से पहले आउटपुट की समीक्षा करता है। पहले वास्तविक रन में, एजेंट ने 21 पूछताछ पाई, 15 उत्तर लिखे और दो प्रश्नों को चिह्नित किया। यह लगभग सही था, लेकिन इसने ड्राफ्ट के रूप में उत्तर सहेजे क्योंकि एक सुरक्षा सेटिंग छोड़ दी गई थी। लेखक ने ड्राफ्ट की जांच की, पुष्टि की कि वे सही थे, और भेजने को सक्षम कर दिया गया था। अब एजेंट केवल निर्णयों के लिए ईमेल करता है, और लेखक ईमेल द्वारा जवाब दे सकता है।

शीघ्र इंजेक्शन तब होता है जब एजेंट द्वारा पढ़ा गया पाठ उसके निर्देश बनने की कोशिश करता है. क्योंकि एजेंट अजनबियों के संदेश पढ़ता है, इसलिए एक संदेश इसे नियमों को अनदेखा करने, लिंक पर क्लिक करने, पैसे भेजने या मालिक का घर पता साझा करने के लिए कह सकता है। निर्देश लीड टेक्स्ट को सूचना के रूप में मानते हैं, कमांड नहीं, और संदिग्ध अनुरोधों को मानव को रूट करते हैं। यह नियम उस समय मायने रखता है जब कोई एजेंट ईमेल, वेब पेज या बाहरी दस्तावेजों को पढ़ेगा।

पाठकों के लिए इसका क्या अर्थ है

व्यावहारिक मार्ग पहले मॉडल आन्तरिकों में महारत हासिल नहीं कर रहा है। एक छोटी टीम के लिए, एक दोहराए गए कार्य, एक संकीर्ण टूलसेट, एक मेमोरी फ़ाइल, सादे-अंग्रेजी निर्देश, स्पष्ट अनुमतियों और पहली सप्ताह के लिए मानव समीक्षा के साथ शुरू करें। नियम लिखें जो आप दोहराते हैं; वह दस्तावेज़ निर्देश बन जाता है। 10 शर्तें तय करती हैं कि कोई एजेंट क्या देख सकता है, यह क्या कर सकता है और इसे कब रोकना चाहिए। खाता मध्यम पर Towards AI में दिखाई दिया.