Agent AI musi sie wykazać zrozumieniem sytuacji w jakiej się znajduje, bo inaczej może się wystawić na pośmiewisko… w celu usuniecia przyklejonej do sierści psa gumy do żucia może zaproponować wsadzenie psa do lodówki, w celu wysłania wiadomości do użytkownika, który nie istnieje utworzy mu konto itp. Jak to się dzieje, że Agent próbuje się odnaleźć w tych różnych sytuacjach? Jest kilka technik.
Percepcja – pozwala ustalić gdzie jesteśmy i jak wygląda z grubsza sytuacja. Kluczowym elementem jest to co wprowadził użytkownik: tekst, zdjęcia, audio. Jeśli agent ma jakieś czujniki, to w skład percepcji wchodzą też pomiary tych czujników. Innej odpowiedzi na pytanie jak się ubrać oczekujemy przecież latem a innej zimą. W skład percepcji wchodzi też historia do tej pory przeprowadzonej z tobą interkacji
Planowanie i decyzje – po zebraniu informacji agent przenalizuje wymagania i ewentualne zastrzeżenia co do tego co wolno robić, a co nie. Tę część definiujemy jako „system prompt”, czyli zestaw dyrektyw dotyczących zasad pracy agenta. To dlatego czasami agent odmawia współpracy, gdy pytamy o jakieś mniej legalne rzeczy. W planie zostną uwzględnione dostępne narzędzia i zbudowana zostanie sekwencja kroków do wykonania. Agent może mieć zresztą kilka pomysłów, wiec spróbuje wybrać ten najlepszy.
Akcja – dopiero na końcu dochodzi do wykonania akcji. To pasuje do reguły „najpierw pomyśl, potem rób”. Agent może stworzyć odpowiednie zapytania SQL lub API, odebrać odpowiedzi, a potem… no właśnie – albo zebrane informacje przesłać do LLM, żeby wygenerować ładną odpowiedź, albo nawet wykonać jakąś czynność, znowu korzystając z odpowiedniego API i narzędzia. Ta akcja to może być na przykład zarezerwowanie biletu, wygenerowanie pliku, czy zapalenie lampki.
Jak widać po drodze trzeba było użyć kilku komponentów:
- LLM do rozumienia pytania i sformułowania odpowiedzi, LLM może też być używany do podejmowania decyzji
- Pamięć do przechowywania historii konwersacji,
- Moduł planowania do podziału złożonych zadań na mniejsze części i określenia kolejności wykonania zadań
- Narzędzia do połączenia się z zewnętrzymi narzędziami
- Moduł wykonawczy do wykonania zaplanowanych czynności
