Artık ajanınızın ne yapacağını ve nerede çalışacağını bildiğinize göre, önemli bir soru sormanın zamanı geldi.

Bu sorun gerçekten bir ajana ihtiyaç duyuyor mu?

Her proje bir ajana ihtiyaç duymaz; hatta her otomasyon projesi bile. Bazen basit bir iş akışı, betik veya kurallara dayalı bir süreç işi daha iyi yapar. Aradaki farkı anlamak ileride zaman, para ve kafa karışıklığını önler.

Bir yapay zeka ajanı, yalnızca talimatları yerine getirmekten fazlası için tasarlanmıştır. Doğal dilde okur, yazar ve konuşur. Niyeti yorumlar, bilgiyi uygular ve belirsiz durumlarda karar verir. Bu esneklik onu güçlü kılar, ancak aynı zamanda karmaşıklık da ekler. Her LLM çağrısı token, zaman ve risk demektir. Bu yüzden, gerçekten muhakeme veya dil anlayışı gerektiren işler için ajan kullanmak mantıklıdır.

Eğer görev deterministikse (yani tek bir öngörülebilir girdi ve tek bir öngörülebilir çıktı varsa), genellikle bir iş akışı veya otomasyon aracı daha iyidir. (Küçük bir ipucu: Botpress ikisini de yapabilir!)

Eğer görev bağlam, yorumlama veya sohbet içeriyorsa, yapay zeka ajanı doğru seçimdir.

Şimdi Terminal Roast'un bu konuya nasıl yaklaştığına bakalım.

Taryn'in ekibi ilk görevini belirledi: yeni kahve aromaları ve tarifleri hakkında müşteri geri bildirimi toplamak. Baş barista Adrian, ajanın bunu iki şekilde yapabileceğini öneriyor.

İlki sohbet tabanlı. Ajan, müşteriye bir içeceği neden beğendiğini veya beğenmediğini sorar ve gerekçesini anlamaya çalışır. Bu, incelik, yorumlama ve hafıza gerektirir. Bir ajan için uygundur.

İkincisi ise programatik. Ajan, yeni tariflerin basit bir listesini sunar ve müşterilerden “evet” veya “hayır” şeklinde yanıt vermelerini ister. Bu etkileşim muhakeme gerektirmez. Otomasyon için idealdir.

Bu iki akışı ayırarak ekip sistemi daha verimli hale getirir. Dil anlayışının önemli olduğu yerde ajan, yalnızca mantığın yeterli olduğu yerde ise iş akışı kullanılır.

Birçok ekip bu ayrımı bulanıklaştırır. Her şeyi yapan bir ajan oluşturmaya çalışırlar: soruları yanıtlamak, veri çekmek, kayıtları güncellemek ve işlemleri yönetmek. Ancak her eklenen işlev maliyeti, gecikmeyi ve bakım yükünü artırır. Daha iyi bir yaklaşım, ajanları ve iş akışlarını birleştirmektir.

Yapı ve güvenilirlik için iş akışlarını kullanın. Zeka ve uyum için ajanları kullanın.

Ajanı, kullanıcıları anlayan “ön yüz” olarak düşünün; ardından yapılandırılmış eylemleri, bunları hassas şekilde uygulayan otomasyon sistemlerine iletir. Bu iki sistem net şekilde tanımlandığında, sonuç daha istikrarlı, ölçeklenebilir ve şeffaf olur.

İşte hızlı bir test.

Kendinize sorun: Bu görev doğal dili anlamayı gerektiriyor mu, yoksa basit bir kural setiyle çözülebilir mi? Eğer anlamayı gerektiriyorsa — örneğin niyeti belirlemek, belirsizliği yönetmek veya bilgiye başvurmak — bir ajana ihtiyaç vardır. Değilse, bunu bir iş akışı olarak oluşturun.

Mantıklı bir iş akışı ve net veriler oluşturduktan sonra, üzerine her zaman bir ajan ekleyebilirsiniz. Çalışan bir iş akışını akıllı hale getirmek, karmaşık ve fazla büyümüş bir ajanı düzeltmekten çok daha kolaydır.

Terminal Roast'un yaklaşımı (sohbet ve programatik görevleri ayırmak) iyi bir modeldir. Sonuçta, her bölümün en iyi yaptığı işi yapan daha yalın bir sistem elde ederler.

Buradaki netlik, ileride bakım, maliyet ve performans açısından büyük fayda sağlar.

Eylem: Önerdiğiniz ajanın görevlerini gözden geçirin ve hangilerinin gerçekten dil anlayışı gerektirdiğini belirleyin.

Yalnızca bunları ajanın kontrolünde tutun, kalanları ise standart iş akışlarıyla otomatikleştirmeyi planlayın.

‍