2024 年 AI 智能体最终指南报

简介 AI 代理是未来 自动化正在经历一场根本性的变革。传统系统曾轻松处理预定义的业务流程，但在面对更为复杂、基于推理的操作时却面临局限。进入AI代理——由先进的大语言模型（LLMs）驱动的新一代自动化时代。 “AI 代理 ” 是一个由 LLM 驱动的自治系统 ， 它是能够代表用户完成任务。 人工智能代理具有独特的能力来解读自然语言、制定行动计划并以最少的人工干预执行任务。利用人工智能代理，企业现在有机会实现前所未有的效率提升，使员工能够专注于高层次思考，而自动化则处理那些繁琐的任务。 什么是 Al 特工 ？ “代理人 ” 是代表另一个人或团体行事的实体 (牛津英语词典y) 一个“Al代理”是由大型语言模型驱动的自主系统，能够代表用户完成任务。 just想象人工智能代理的强大功能，以快速加速和简化您的自动化开发过程，将所有自动化任务集中到一个平台上，并提供内置合规性，因为代理被编程遵守公司政策。 但是 ， 尽管有了早期的承诺 ， 但大多数 Agentic AI 系统还没有完全辜负这种炒作。 我们希望帮助您了解Agentic自动化、Moveworks Agentic自动化引擎的强大功能，并展示它是如何使您的开发变得更加快速和简便。这是因为Moveworks Agentic自动化不仅连接API，还能够进行推理、解释和决策，利用大型语言模型（LLMs）采取智能行动。 让我们探索Agentic Automation如何赋能开发人员轻松构建和使用AI代理，以弥合人类语言与结构化系统API之间的差距。 亲身体验Moveworks的代理自动化引擎如何无缝集成到各种系统中，帮助AI代理理解复杂请求、做出明智决策，并自动执行一系列任务。继续阅读，准备好释放代理自动化的全部潜力并加速您的开发项目。 目录 简介AI 代理是未来 04Moveworks 推理引擎如何通过机构 AI 提高生产率 01传统自动化平台的挑战 02机构自动化 - 一类新的工具 03 使用 Moveworks 机构自动化引擎释放 AI 代理 01 传统自动化平台的挑战 今天的自动化工具高度依赖基于API的过程。虽然这在处理可预测和结构化任务时效果良好，但在应对人类语言的动态特性时可能会遇到困难。传统iPaaS平台在配置预定义的工作流程方面表现出色，但在AI代理的时代可能力不从心。简而言之，这些传统的自动化方法效率低、复杂且往往耗时较长。 厌倦了无尽的构建和管理复杂自动化过程以及令开发人员感到压倒的任务循环吗？随着您组织的SaaS景观扩展至1000多个应用程序甚至更多，对技术团队构建高效集成的压力只会越来越大。 因此，您的业务在后台雇佣专家以重新启动流程，并依赖开发人员通过构建无数自动化来填补空白。然而，使用传统的API驱动方法和iPaaS平台来构建自动化效率低下、繁琐且无法满足需求。 理解目标，制定计划，并执行相关的工具调用（即函数调用）以完成用户任务。这类系统通常被称为代理型AI系统——正如这些系统展现的推理、规划和工具调用能力所定义的那样。 人工智能的崛起 在这方面 ， AI 代理提出了一种新的自动化范式。不同于传统的SaaS应用程序依赖用户发现和导航界面，AI代理使用大型语言模型（LLMs）为用户提供自动化服务。 如果成功，代理型AI系统能够显著提高企业的效率并提升员工的 productivity。 然而 ， 尽管推理的进步 LLM 的能力 ，我们还没有看到 agenticAI 违背了这一愿景。 02 机构自动化 - 一类新的工具 代理自动化提供了一组革命性的工具，赋予AI代理能力，以弥合人类语言与结构化系统API之间的差距。该平台使开发者能够创建能够理解模糊指令并将其转化为更精确行动的AI代理。 AI 代理需要能够推理、计划和行动。 集成平台即服务（iPaaS）行业应运而生以解决这一问题。当前的iPaaS工具（如Zapier、Workato、Microsoft Power Automate、ServiceNow Flow Designer、Salesforce Flow Builder、Mulesoft等）允许开发人员编写代码以连接不同业务系统的API。 世界领先的大型语言模型（LLMs），如OpenAI的o1、Anthropic的Claude 3.5以及Google的Gemini Pro 1.5，日益强大（更大的上下文窗口、更好的推理能力、更多的模态）。这使得推理和规划的能力得以扩展，但还有更多的建立 AI 代理。 现实情况是 ， 现有的 API 和集成平台很难设计为基于 LLM 的 AI 代理使用。 一些开发者可能错误地认为，LLMs可以直接通过与其他系统相同的API与业务系统进行交互。尽管API允许你与业务系统互动并使这些系统进行通信，但它们本身并不构成集成。每个之前使用过API的开发人员可能都能理解，集成需要的不仅仅是API——需要在某个地方编写代码。 iPaaS和中间件旨在连接精确且确定性的API到其他API。但AI代理需要将模糊且含糊的人类语言连接到API。 如何 AI代理工作 让我们举一个简单的例子。 说我想拥有一个能够帮助我管理任务（创建新任务、更新现有任务、重新指派任务等）的代理。为了构建这样的代理，我们可以想象我们需要暴露一个重新分配任务 API。它需要(1) 任务 ID 和(2) 用户 ID 来分配给它。 但是人类语言是混乱的。您的用户可能会通过数十种方式指定这些输入 ： 这些限制正是为什么REST API和传统自动化平台并非为AI代理设计的原因。它们往往缺乏关键能力，无法克服由于不准确的工具选择、不正确的输入以及不连贯的响应所带来的挑战。 系统API与代理AI系统之间的那片空白地带代表了当前开发AI代理的“尚未完全准备就绪”的现实。这就是Demo恶魔们生活的地方。 缺乏合适的底层工具，开发者被迫让iPaaS的圆钉塞入代理AI的方孔中。因此，开发者可能会试图通过大量无法维护、不可扩展的代码（技术债务）来弥补差距，从而仅能产生劣质的结果。 当企业需要将AI代理部署到成百上千名员工时，“在我的沙盒中有效”在出现问题时不是一个合理的回答。企业对AI代理的投资往往难以得到实际应用——它们经常被困于作为科研项目和演示阶段，因为这些投资缺乏足够的稳健性和成熟度，无法在全业务范围内可靠地部署。 优先考虑赋予开发人员自由的工具到错综复杂的设计并且通过高级逻辑和自主性来优化AI系统。空白空间是导致AI代理尚未普及的原因。在传统自动化平台的限制下，AI代理可能无法充分发挥其潜力。 机构 AI 自动化 ： 前进的道路 简而言之，使用iPaas工具构建代理型AI系统往往无法实现预期的代理能力。此外，这一开发过程甚至可能对高级技术团队构成挑战，并消耗大量资源，从而分散对战略举措的关注。 代理自动化是一种创建AI代理的方法，旨在促进企业平台与企业副驾之间的无缝集成，超越传统自动化工具的局限。它允许直接将对话转化为API，利用高级推理引擎，并访问关键数据，为开发更智能、反应更灵敏的AI系统铺平道路。 03 使用 Moveworks 机构自动化引擎释放AI 代理 为了赋能开发者突破传统自动化平台的限制，Moveworks 设计了一种新的代理自动化引擎。通过使开发者能够用极少的代码构建强大的AI代理，这一引擎解锁了更高的效率，从而变革了企业自动化复杂工作流的方式。 代理自动化引擎程从其核心被设计为构建能够连接代理AI的语言和商业系统结构化数据的自动化。这个代理自动化引擎成为了新的核心动力。Creator Studio， 开发人员在 Moveworks 平 台上构建 AI 代理。 通过这种方式，开发者能够构建强大的AI代理，这些代理能够处理传统自动化引擎驱动的AI代理无法处理的更复杂任务。与传统方法相比，开发者能够用不到十分之一的代码更快地构建AI代理。最理想的是，开发者能够将所有开发集中到一个平台上，消除代码蔓延并简化部署实践。 由Agentic自动化引擎驱动，开发者能够构建插件，这些插件被Moveworks Copilot使用。Agentic自动化引擎具备以下关键功能： 清单生成器 一种超越 mere 提示和语音命令的与大语言模型（LLMs）交互的新方法。它分析插件（代理自动化），生成精确的插件清单，并动态调整提示以帮助AI代理更好地理解插件之间的细微差别以及如何更有效地将它们映射到用户需求。 在此之前 ， 开发人员必须学习如何进行提示工程和提示调优以获得所需的行为。 一种新技术使自主AI系统能够将自然语言转换为可靠且API友好的ID。例如，它可以将“ACME账户”转换为其Salesforce ID“00ORd0000040V9ZMAU”。这使得AI代理能够正确识别业务对象并成功执行任务。 在此之前，开发者需要尝试解析文本并在他们的iPaaS内部操作字符串，这不可靠且导致了出乎意料的结果。 Policy Validators 大语言模型（LLMs）能够很好地处理不确定性，但其指令可能存在被误解的风险，甚至可能被破解。商业规则是不可违背的规定。你不希望有人为两人会议预订了20人的房间，也不希望员工提交超过100美元的报销而没有合理的商业理由。我们的策略验证器能够在推理引擎中增加额外的一层，以确保这些政策得到严格执行——无论你添加多少条政策。 在此之前，开发者尝试在自然语言中添加指令，但模型往往会误解这些指令，或者无法正确执行。 策略验证器有助于实施您的特定策略 要了解这些令人惊叹的技术及其与传统自动化技术的区别，请参阅更多信息。在这里阅读我们的白皮书。 一种高度集成的技术，能够将计划中的、进行中的和已完成的动作通知给推理引擎。这种方法使开发人员能够专注于构建工作原型，并让我们的推理引擎处理所有对话生成、边缘情况和失败情况。 在此之前 ， 开发人员必须构建所有的错误处理逻辑 ， 并为每个场景提供自定义的 dia - logs 。 04 Moveworks 推理引擎如何通过机构 AI提高生产率 人工智能领域长久以来一直在探讨一个基本问题：机器能否真正进行推理？近期，自主人工智能的发展为这一问题提供了令人信服的答案。与遵循预定义规则的传统AI系统不同，自主人工智能旨在自主思考和行动。这一方法的核心是推理引擎——一种超越数据处理、通过逻辑分析解决复杂挑战的高级AI系统。 什么是推理引擎 ？ 一个推理引擎是一种人工智能系统，能够理解用户的目标，制定实现目标的计划，根据计划执行函数调用，评估执行的成功与否，迭代改进计划，直到成功实现原始目标。在某种程度上，它试图模仿人类解决问题的方式。 在实际应用中，推理引擎使系统能够动态地确定如何帮助用户，而非遵循预设规则或决策树。它充当人工智能助手的大脑。 一个推理引擎使AI能够理解问题、制定策略并独立执行解决方案。这一能力正在改变企业在任务自动化和问题解决方面的Approach。在这篇博客中，我们将探讨推理引擎的工作原理、它们在自主AI中的作用以及它们如何改变企业运营的格局。 理解代理推理 Moveworks 推理引擎 代理型AI是一种可以通过自主“代理”来实现复杂目标的人工智能系统。在这种框架下，结合使用多种机器学习模型，以创建一种能够独立制定和执行基于推理的计划的人工智能，该计划可以实现用户的目标，而不仅仅局限于遵循预编程的逻辑或对话流程。 推理引擎使 AI 能够有意义地实现员工的目标。它具有以下能力 ： • 了解用户的目标 制定实现这一目标的计划 • 根据其计划执行函数调用 • 评估此执行的成功 一种能够进行推理的代理型AI副驾更能全天候帮助员工处理各种任务。类似个人助理的角色，这种AI同样具备理解挑战并代为解决问题的能力。当你遇到挑战时，Copilot可以进行详尽的研究，并提出最佳解决方案——这就是推理在行动的价值所在。 • Iterate on the p