详细内容或原文请订阅后点击阅览
开发人员的构建可扩展AI的指南：工作流与代理
在AI代理和生产系统工作流程之间进行选择的实用指南，涵盖了隐藏的成本，建筑折衷和决策框架，可以为您节省成千上万的部署错误。包括现实世界中的示例和一个评分系统，以确定哪种方法适合您的特定用例。帖子是构建可扩展AI的开发人员指南：工作流与代理人首先出现在数据科学方面。
来源:走向数据科学我刚刚开始尝试Crewai和Langgraph，感觉就像我解锁了一个全新的建筑维度。突然，我不仅有工具和管道 - 我有船员。我可以旋转可以推理，计划，与工具交谈并互相交谈的代理商。多代理系统！召唤其他代理商的代理商！我实际上是在架构AI版本的初创团队。
机组人员每个用例都成为机组人员的候选人。开会准备？全体人员。幻灯片一代？全体人员。实验室报告评论？全体人员。
这很令人兴奋 - 直到不是。
我构建的越多，就越会遇到我从未想过的问题：如何监视此问题？我如何调试代理商不断“思考”的循环？当某件事破裂时会发生什么？还有其他人能和我一起维护吗？
我该如何监视？我如何调试代理商不断“思考”的循环？当某件事破裂时会发生什么？还有其他人能和我一起维护吗？那是我意识到自己跳过一个关键问题的时候：这真的需要是代理吗？还是我很高兴使用闪亮的新事物？
这真的需要是代理吗？从那以后，我变得更加谨慎 - 而且更加实用。因为：
人类- 工作流程：带有清晰控制流的结构化的LLM管道，您可以在其中定义步骤 - 使用工具，检索上下文，调用模型，处理输出。和代理：一个自主系统：LLM决定下一步要做什么，使用哪些工具，以及何时“完成”。