AI Agent工作流测试

什么是 AI Agent？

AI agent 是软件实体，可接收任务、检查环境、根据角色执行操作并根据经验进行调整。

人们会根据 AI agent 的角色和企业的需求，为 AI agent 设定目标。有了目标，agent 就可以根据训练所学、内嵌于哪个应用及其运行的大环境，制定计划、执行任务并实现目标。Agent 可以学习和迭代，扮演特定的角色，连接数据源，并自行做出决策。高级 agent 将会获得特定的任务，涉及执行需要判断的多步骤流程，以模仿人类互动的方式进行交流，并经常与其他 agent 合作。Agent 的模块化特性可支持复杂的工作流。赋予 agent 的自主权由调用的人员来决定。就像招聘新助理一样，随着熟练程度的提升，我们可以给予更多的自主权。

Agent 结合了自然语言处理能力、机器学习能力、通过查询其他工具和系统收集数据的能力以及持续学习能力，因此能够回答问题和执行任务。其中一个很好的例子是客户服务的 AI agent。当客户询问订单时，提出了“我的东西在哪里？”这个问题，agent 就会检查订单处理系统，通过 API 查询物流公司的跟踪系统，收集有关潜在天气或其他可能导致延迟交货的外部因素的信息，然后生成响应。

Agentic AI 指的是专注于积极追求目标和目的，而不是执行简单任务或响应查询的系统。自主生成式系统通常可以启动操作，例如客户服务 AI 会主动向承运商发送查询，以了解运输延迟的情况。

其中一种能够使 agent 更加有用的办法是与检索增强生成 (RAG) 一起结合使用，这种技术支持大语言模型使用特定于企业或 agent 角色的外部数据源。RAG 让 agent 可以查找外部数据库、企业系统（例如 ERP）或文档中新的相关信息，并将这些信息纳入响应中，生成更丰富、更准确、更适合受众的回复。例如，IT 支持服务的 agent 可以根据与客户互动的历史记录，判断如何更好地解决当前的问题。Agent 会在响应中提供有用的文档链接，如果问题需要升级处理，agent 也会替客户创建一个服务单。

关键要点

• AI agent 是积极主动的规划者：他们致力于确定实现所需目标的步骤。
• 与任何 AI 技术一样，AI agent 可以提供与其所受训练、所能利用的数据以及人类为其操作所设置的限制的同等结果。
• 明确定义、可实现、可衡量和可量化的目标对于 AI agent 的成功至关重要。
• Agent 的实施步骤与其他任何 AI 部署相似，也是从明确定义任务参数开始。

AI Agent 详解

AI agent 是一个软件实体，可以感知环境，采取行动并从经验中学习。我们可以将 AI agent 视为一个能够根据人类设定的方向，自主执行任务的数字助手或机器人。不同的 AI agent 具有不同的特征，主要功能包括设定目标、收集信息并使用逻辑来规划实现目标的步骤。LLM 能够为 AI agent 提供智能，助其理解查询背后的目的，因此 AI agent 无需依赖关键字、脚本或预配置的语义。相反地，AI agent 可以利用保留下来的任务历史数据，结合基于聊天的提示，动态地提出解决方案。

AI agent 还可以通过试验和错误来学习。强化学习指的是一个 AI 模型根据积极、中立和消极响应来完善其决策过程。AI agent 会模仿人类的智慧，使用各种工具（包括云技术和企业应用）以及数据源、API 和其他 agent 来实现目标。此外，AI agent 还可以使用其他基于 AI 和机器学习的系统来分析复杂数据，使用自然语言处理工具来处理输入，使用 RAG 来提供与情境相关的新内容，并使用云技术服务来提供完成工作所需的计算资源。

AI Agent 的工作原理

AI agent 结合上文提到的技巧和技术来实现所分配的目标。例如，推荐 agent 可以使用机器学习，利用大量数据集来识别模式；通过自然语言处理来理解请求并与用户通信；以及通过企业工具（例如 ERP 系统、数据库或物联网传感器）或外部数据源（包括互联网）的接口来收集信息。

AI agent 扮演着规划者的角色。这些 agent 可以根据所分配的目标，识别出所需的任务和步骤。以我们的客户服务 agent 为例，了解特定货物的所在位置需要采取一系列的行动。首先，agent 会访问包含了特定订单信息的数据库，例如发运 ID、交货方法和下单日期。然后，agent 将会使用这些数据，通过 Web 服务界面查询承运商的数据库，以提供实时跟踪和预计交货日期。Agent 还可以查看货物的当前位置以及过去需要多长时间才能抵达下一个目的地。如果货物在波士顿的航空货站，而飓风正在沿着东海岸移动，那么 agent 就可以推断物流可能会延时，并将该信息传达给客户。