GOAT.AI - Task to AI Agents
Blerje përmes aplikacionit
1 mijë+
shkarkime
Të gjithë
info
Rreth këtij aplikacioni
Orkestrimi i orientuar drejt qëllimit të Detyrave të Agjentit. Në thelb, agjentët e AI do të komunikojnë me njëri-tjetrin për të ekzekutuar detyrën tuaj.
Shembull: "zgjidh ditën më të mirë muajin tjetër për një gjysmëmaratonë 20 km". AI do të fillojë të bashkëpunojë: agjenti i motit merr parashikimet, agjenti i kërkimit në ueb identifikon kushtet optimale të funksionimit dhe agjenti Wolfram llogarit "ditën më të mirë". Është arti i inteligjencës artificiale të lidhur, duke thjeshtuar detyrat komplekse me sofistikim.
LLM si mainframe qendrore për agjentët autonome është një koncept intrigues. Demonstrimet si AutoGPT, GPT-Engineer dhe BabyAGI shërbejnë si ilustrime të thjeshta të kësaj ideje. Potenciali i LLM-ve shtrihet përtej krijimit ose plotësimit të kopjeve, tregimeve, eseve dhe programeve të shkruara mirë; ata mund të inkuadrohen si Zgjidhës të fuqishëm të detyrave të përgjithshme, dhe kjo është ajo që ne synojmë të arrijmë në ndërtimin e Orkestrimit të Orientuar në Qëllime të Task Forcës së Agjentit (GOAT.AI)
Që një orkestrim i orientuar drejt qëllimit të një sistemi task force të agjentëve LLM të ekzistojë dhe të funksionojë siç duhet, tre komponentë kryesorë kryesorë të sistemit duhet të funksionojnë siç duhet.
- Vështrim i përgjithshëm
1) Planifikimi
- Nënqëllimi dhe zbërthimi: Agjenti zbërthen detyrat e mëdha në nënqëllime më të vogla dhe të menaxhueshme, duke e bërë më të lehtë trajtimin me efikasitet të detyrave komplekse.
- Reflektimi dhe përsosja: Agjenti angazhohet në vetëkritikë dhe vetë-reflektim mbi veprimet e kaluara, mëson nga gabimet dhe përmirëson qasjet për hapat e ardhshëm, duke rritur kështu cilësinë e përgjithshme të rezultateve.
2) Kujtesa
- Kujtesa afatshkurtër: I referohet sasisë së tekstit që modeli mund të përpunojë përpara se të përgjigjet pa ndonjë degradim në cilësi. Në gjendjen aktuale, LLM-të mund të japin përgjigje pa ndonjë ulje të cilësisë për afërsisht 128 mijë argumente.
- Kujtesa afatgjatë: Kjo i mundëson agjentit të ruajë dhe të kujtojë një sasi të pakufizuar informacioni për kontekstin për periudha të gjata. Shpesh arrihet duke përdorur një depo të jashtme vektoriale për sisteme efikase RAG.
3) Hapësira e Veprimit
- Agjenti fiton aftësinë për të thirrur API të jashtme për të marrë informacion shtesë që nuk është i disponueshëm në peshat e modelit (të cilat shpesh janë të vështira për t'u modifikuar pas trajnimit paraprak). Kjo përfshin aksesin në informacionin aktual, ekzekutimin e kodit, aksesin në burime të pronarit të informacionit dhe më e rëndësishmja: thirrjen e agjentëve të tjerë për marrjen e informacionit.
- Hapësira e veprimit përfshin gjithashtu veprime që nuk synojnë të marrin diçka, por përfshijnë kryerjen e veprimeve specifike dhe marrjen e rezultatit që rezulton. Shembuj të veprimeve të tilla përfshijnë dërgimin e emaileve, hapjen e aplikacioneve, hapjen e dyerve të përparme dhe më shumë. Këto veprime zakonisht kryhen përmes API-ve të ndryshme. Për më tepër, është e rëndësishme të theksohet se agjentët mund të thërrasin edhe agjentë të tjerë për ngjarje vepruese në të cilat ata kanë akses.
Shembull: "zgjidh ditën më të mirë muajin tjetër për një gjysmëmaratonë 20 km". AI do të fillojë të bashkëpunojë: agjenti i motit merr parashikimet, agjenti i kërkimit në ueb identifikon kushtet optimale të funksionimit dhe agjenti Wolfram llogarit "ditën më të mirë". Është arti i inteligjencës artificiale të lidhur, duke thjeshtuar detyrat komplekse me sofistikim.
LLM si mainframe qendrore për agjentët autonome është një koncept intrigues. Demonstrimet si AutoGPT, GPT-Engineer dhe BabyAGI shërbejnë si ilustrime të thjeshta të kësaj ideje. Potenciali i LLM-ve shtrihet përtej krijimit ose plotësimit të kopjeve, tregimeve, eseve dhe programeve të shkruara mirë; ata mund të inkuadrohen si Zgjidhës të fuqishëm të detyrave të përgjithshme, dhe kjo është ajo që ne synojmë të arrijmë në ndërtimin e Orkestrimit të Orientuar në Qëllime të Task Forcës së Agjentit (GOAT.AI)
Që një orkestrim i orientuar drejt qëllimit të një sistemi task force të agjentëve LLM të ekzistojë dhe të funksionojë siç duhet, tre komponentë kryesorë kryesorë të sistemit duhet të funksionojnë siç duhet.
- Vështrim i përgjithshëm
1) Planifikimi
- Nënqëllimi dhe zbërthimi: Agjenti zbërthen detyrat e mëdha në nënqëllime më të vogla dhe të menaxhueshme, duke e bërë më të lehtë trajtimin me efikasitet të detyrave komplekse.
- Reflektimi dhe përsosja: Agjenti angazhohet në vetëkritikë dhe vetë-reflektim mbi veprimet e kaluara, mëson nga gabimet dhe përmirëson qasjet për hapat e ardhshëm, duke rritur kështu cilësinë e përgjithshme të rezultateve.
2) Kujtesa
- Kujtesa afatshkurtër: I referohet sasisë së tekstit që modeli mund të përpunojë përpara se të përgjigjet pa ndonjë degradim në cilësi. Në gjendjen aktuale, LLM-të mund të japin përgjigje pa ndonjë ulje të cilësisë për afërsisht 128 mijë argumente.
- Kujtesa afatgjatë: Kjo i mundëson agjentit të ruajë dhe të kujtojë një sasi të pakufizuar informacioni për kontekstin për periudha të gjata. Shpesh arrihet duke përdorur një depo të jashtme vektoriale për sisteme efikase RAG.
3) Hapësira e Veprimit
- Agjenti fiton aftësinë për të thirrur API të jashtme për të marrë informacion shtesë që nuk është i disponueshëm në peshat e modelit (të cilat shpesh janë të vështira për t'u modifikuar pas trajnimit paraprak). Kjo përfshin aksesin në informacionin aktual, ekzekutimin e kodit, aksesin në burime të pronarit të informacionit dhe më e rëndësishmja: thirrjen e agjentëve të tjerë për marrjen e informacionit.
- Hapësira e veprimit përfshin gjithashtu veprime që nuk synojnë të marrin diçka, por përfshijnë kryerjen e veprimeve specifike dhe marrjen e rezultatit që rezulton. Shembuj të veprimeve të tilla përfshijnë dërgimin e emaileve, hapjen e aplikacioneve, hapjen e dyerve të përparme dhe më shumë. Këto veprime zakonisht kryhen përmes API-ve të ndryshme. Për më tepër, është e rëndësishme të theksohet se agjentët mund të thërrasin edhe agjentë të tjerë për ngjarje vepruese në të cilat ata kanë akses.
Përditësuar më
Siguria fillon me njohjen e mënyrës se si i mbledhin dhe i ndajnë zhvilluesit të dhënat e tua. Praktikat për privatësinë dhe sigurinë e të dhënave mund të variojnë bazuar në përdorimin, rajonin dhe moshën tënde. Këto informacione janë dhënë nga zhvilluesi dhe ato mund të përditësohen me kalimin e kohës.
Ky aplikacion mund të ndajë këto lloje të dhënash me palë të treta
Fotografitë dhe videot dhe Skedarët dhe dokumentet
Ky aplikacion mund të mbledhë këto lloje të dhënash
Fotografitë dhe videot, Skedarët dhe dokumentet dhe Aktiviteti i aplikacionit
Të dhënat janë enkriptuar gjatë transferimit
Mund të kërkosh që të dhënat të fshihen
Ç'të reja ka
Minor improvements to AI models
