Agjentët bisedorë përqendrohen në dialogun natyror dhe ndërveprimet e bazuara në tekst, ndërsa agjentët që përdorin mjete zgjerojnë aftësitë e IA-së duke thirrur funksione dhe API të jashtme. Të dy përfaqësojnë qasje të dallueshme ndaj sistemeve autonome të IA-së, me modelet bisedore që shkëlqejnë në komunikim dhe agjentët që përdorin mjete të specializuar në ekzekutimin e detyrave në botën reale.
Sisteme të inteligjencës artificiale të projektuara kryesisht për dialog në gjuhën natyrore, përgjigjen e pyetjeve dhe mbajtjen e bisedave koherente me përdoruesit.
Sisteme të inteligjencës artificiale që zgjerojnë aftësitë e modelit gjuhësor duke thirrur funksione të jashtme, API, baza të dhënash dhe mjete softuerike për të përfunduar detyra të botës reale.
| Veçori | Agjentët e bisedës | Agjentë që përdorin mjete |
|---|---|---|
| Funksioni Kryesor | Dialogu në gjuhën natyrore dhe ofrimi i informacionit | Ekzekutimi i detyrave përmes mjeteve dhe API-ve të jashtme |
| Ndërveprimi i Jashtëm | I kufizuar ose aspak pa shtim | Aftësia vendase për të thirrur funksione dhe shërbime |
| Arkitekturë | Modeli i gjuhës i bazuar në transformator | Modeli gjuhësor plus shtresa e orkestrimit të mjeteve |
| Qasja e Arsyetimit | Gjenerimi i tekstit me një kalim të vetëm ose me shumë kthesa | Cikli Planifiko-Vepro-Vëzhgo me arsyetim iterativ |
| Rastet tipike të përdorimit | Ndihma ndaj klientit, mësimdhënie private, shkëmbim idesh, pyetje dhe përgjigje | Automatizimi i rrjedhës së punës, rikuperimi i të dhënave, ekzekutimi i kodit, kërkimi |
| Kujtesa dhe Konteksti | Historiku i bisedave brenda seancës | Memorie e përhershme plus gjendje mjeti në të gjitha detyrat |
| Trajtimi i Gabimeve | Gjeneron përgjigje me tekst me supozimin më të mirë | Mund të riprovojë mjetet, të validojë rezultatet dhe të vetëkorrigjojë |
| Shembuj | ChatGPT, Claude, Binjakët Chat | AutoGPT, Agjentët LangChain, Thirrja e Funksioneve OpenAI |
Agjentët bisedorë janë projektuar para së gjithash për të komunikuar. Arkitektura e tyre përqendrohet në prodhimin e tekstit koherent dhe të përshtatshëm për kontekstin në përgjigje të kërkesave të përdoruesit. Agjentët që përdorin mjete, në të kundërt, janë ndërtuar për të vepruar. Ata e trajtojnë gjuhën si një medium planifikimi dhe jo si rezultat përfundimtar, duke e përdorur atë për të vendosur se cilat burime të jashtme të thirren dhe si të interpretohen rezultatet.
Një agjent standard bisedor ndodhet brenda modelit të tij gjuhësor. Pa mbështetje shtesë, ai nuk mund të kontrollojë motin në kohë reale, të nxjerrë të dhëna nga një CRM ose të kryejë një llogaritje. Agjentët që përdorin mjete e mbyllin këtë boshllëk duke e mbështjellë modelin në një shtresë orkestrimi që ekspozon funksionet, API-të dhe shërbimet. Modeli vendos se kur dhe si t'i thërrasë ato, duke e shndërruar agjentin nga një përgjigjës pasiv në një pjesëmarrës aktiv në rrjedhat dixhitale të punës.
Agjentët bisedorë arsyetojnë në mënyrë implicite përmes parashikimeve të tyre për shenjën e radhës, gjë që funksionon mirë për detyrat gjuhësore, por kufizon aftësinë e tyre për të verifikuar faktet ose për të kryer operacione me shumë hapa. Agjentët që përdorin mjete ndjekin modele të qarta arsyetimi si ReAct ose planifikimi zinxhir i mendimit, ku çdo hap bazohet ose në arsyetim të brendshëm ose në një vëzhgim të jashtëm. Kjo e bën vendimmarrjen e tyre më transparente dhe të auditueshme.
Kur një agjent bisedor është i pasigurt, ai zakonisht fshihet ose halucinon sepse nuk ka asnjë mënyrë për të verifikuar pretendimet e tij. Agjentët që përdorin mjete mund të rikuperohen nga gabimet duke rikërkuar një mjet, duke validuar rezultatet kundrejt skemave ose duke provuar qasje alternative. Ky lak reagimi zvogëlon ndjeshëm halucinacionin për detyrat që kërkojnë saktësi faktike, të tilla si marrja e të dhënave të klientëve ose ekzekutimi i llogaritjeve financiare.
Agjentët bisedorë shkëlqejnë në skenarë ku qëllimi është të kuptuarit, shpjegimi ose gjenerimi krijues, siç janë mësimdhënia, hartimi i email-eve ose ofrimi i mbështetjes për klientët. Agjentët që përdorin mjete shkëlqejnë kur detyra kërkon të veprohet në vend që të thuhet, si caktimi i takimeve, ekzekutimi i pyetjeve SQL ose automatizimi i proceseve të biznesit me shumë hapa. Shumë sisteme prodhimi tani i kombinojnë të dyja, duke përdorur ndërfaqe bisedore për të mbledhur qëllimin dhe ekzekutimin e mjeteve për ta përmbushur atë.
Agjentët bisedorë dhe agjentët që përdorin mjete janë teknologji krejtësisht të ndara.
Shumica e agjentëve që përdorin mjete janë ndërtuar mbi modelet e gjuhës bisedore. Dallimi është arkitektonik dhe jo themelor, pasi e njëjta LLM themelore mund të funksionojë në të dyja mënyrat, varësisht nga mënyra se si mbështillet dhe nxitet.
Agjentët që përdorin mjete nuk halucinojnë kurrë sepse përdorin mjete të jashtme.
Agjentët që përdorin mjete mund të halucinojnë ende kur zgjedhin mjetin e gabuar, keqinterpretojnë rezultatet e mjeteve ose prodhojnë parametra. Mjetet zvogëlojnë, por nuk e eliminojnë halucinacionin, veçanërisht kur vetë shtresa e arsyetimit është e pabesueshme.
Agjentët bisedorë nuk mund të hyjnë në informacion në kohë reale.
Shumë agjentë modernë bisedorë përfshijnë mjete gjenerimi ose shfletimi të shtuara për rikuperim që i lejojnë ata të tërheqin të dhëna të drejtpërdrejta. Arkitektura bazë mund të jetë bisedore, por vendosjet në prodhim shpesh shtojnë aftësi mjetesh prapa skenave.
Agjentët që përdorin mjete janë gjithmonë më të saktë se agjentët bisedorë.
Saktësia varet nga detyra. Për shkrimin krijues me fund të hapur ose këshillat subjektive, agjentët bisedorë shpesh i tejkalojnë sistemet që përdorin mjete. Mjetet ndihmojnë me detyrat faktike dhe procedurale, por nuk shtojnë vlerë kur përgjigjja është thjesht gjuhësore.
Ndërtimi i një agjenti që përdor mjete kërkon trajnimin e një modeli të ri nga e para.
Shumica e agjentëve që përdorin mjete ndërtohen duke nxitur ose duke përmirësuar modelet ekzistuese të gjuhës me skema që thërrasin funksione. Nuk nevojitet asnjë model bazë i ri, prandaj kjo qasje është përhapur kaq shpejt në të gjithë industrinë.
Zgjidhni një agjent bisedor kur nevoja juaj kryesore është dialogu me cilësi të lartë, gjenerimi i përmbajtjes ose përgjigjja e pyetjeve nga një bazë njohurish. Zgjidhni një agjent që përdor mjete kur keni nevojë që IA të ndërmarrë veprime reale, të integrohet me sisteme të jashtme ose të automatizojë rrjedhat e punës me shumë hapa. Në praktikë, sistemet më të fuqishme moderne i përziejnë të dyja, duke përdorur bisedën si ndërfaqe dhe mjetet si motor.
Agregimi i preferencave kombinon preferenca të shumta individuale në vendime kolektive, ndërsa modelimi i parashikimit individual parashikon sjelljen personale duke përdorur të mësuarit automatik në të dhënat e një përdoruesi të vetëm. Të dyja shërbejnë për qëllime të dallueshme në sistemet e inteligjencës artificiale, nga motorët e rekomandimeve deri te platformat demokratike të votimit.
Ky krahasim arkitektonik vë në kontrast inxhinierinë deterministe të Agjentëve të Bazuar në Rregulla me natyrën adaptive të të dhënave të Agjentëve të Bazuar në Mësim, duke vlerësuar zbatueshmërinë e tyre në botën reale, kufijtë e shkallëzimit dhe performancën në kushte pasigurie.
Ky udhëzues i detajuar shqyrton ndryshimet strukturore dhe operacionale midis agjentëve autonomë dhe sistemeve të automatizimit të skriptuar. Ndërsa mjetet e skriptuara ofrojnë parashikueshmëri të pakrahasueshme për rrjedha pune të ngurta dhe përsëritëse, agjentët inteligjentë modernë shfrytëzojnë arsyetimin kognitiv për të lundruar në mënyrë të pavarur në të dhëna të ndryshueshme, pengesa teknike të papritura dhe peizazhe të dhënash shumë komplekse dhe të pastrukturuara.
Agjentët autonomë të IA-së veprojnë në mënyrë të pavarur duke planifikuar, arsyetuar dhe ekzekutuar detyra shumë-hapëshe me ndërhyrje minimale njerëzore, ndërsa sistemet e IA-së të bazuara në shpejtësi u përgjigjen udhëzimeve individuale të përdoruesit, një ndërveprim në të njëjtën kohë. Dallimi kryesor qëndron në agjenci: agjentët ndjekin qëllimet nëpër seanca, ndërsa sistemet e shpejtësisë presin për drejtim.
Agjentët e inteligjencës artificiale janë sisteme autonome, të orientuara nga qëllimet, të cilat mund të planifikojnë, arsyetojnë dhe ekzekutojnë detyra në të gjitha mjetet, ndërsa aplikacionet tradicionale të internetit ndjekin rrjedha pune të fiksuara të drejtuara nga përdoruesi. Krahasimi nxjerr në pah një ndryshim nga ndërfaqet statike në sisteme adaptive, të vetëdijshme për kontekstin, të cilat mund t'i ndihmojnë në mënyrë proaktive përdoruesit, të automatizojnë vendimet dhe të bashkëveprojnë në mënyrë dinamike nëpër shërbime të shumta.
