ai-agents-for-beginners
(คลิกที่ภาพด้านบนเพื่อดูวิดีโอของบทเรียนนี้)
รูปแบบการออกแบบหลายเอเจนต์
ทันทีที่คุณเริ่มทำงานในโครงการที่เกี่ยวข้องกับหลายเอเจนต์ คุณจะต้องพิจารณารูปแบบการออกแบบหลายเอเจนต์ อย่างไรก็ตาม อาจไม่ชัดเจนทันทีเมื่อใดควรสลับไปใช้หลายเอเจนต์และข้อดีคืออะไร
บทนำ
ในบทเรียนนี้ เราต้องการตอบคำถามต่อไปนี้:
- สถานการณ์ใดบ้างที่เหมาะกับการใช้หลายเอเจนต์?
- ข้อดีของการใช้หลายเอเจนต์เหนือกว่าการมีเอเจนต์เดียวนั้นทำหลายหน้าที่คืออะไร?
- อะไรคือส่วนประกอบพื้นฐานของการใช้งานรูปแบบการออกแบบหลายเอเจนต์?
- เราจะมองเห็นการโต้ตอบระหว่างเอเจนต์หลายตัวได้อย่างไร?
เป้าหมายการเรียนรู้
หลังจากบทเรียนนี้ คุณควรจะสามารถ:
- ระบุสถานการณ์ที่เหมาะกับการใช้หลายเอเจนต์
- ตระหนักถึงข้อดีของการใช้หลายเอเจนต์เหนือการใช้เอเจนต์เดี่ยว
- เข้าใจส่วนประกอบพื้นฐานของการใช้งานรูปแบบการออกแบบหลายเอเจนต์
ภาพรวมที่ใหญ่กว่าคืออะไร?
หลายเอเจนต์เป็นรูปแบบการออกแบบที่อนุญาตให้เอเจนต์หลายตัวทำงานร่วมกันเพื่อบรรลุเป้าหมายร่วมกัน
รูปแบบนี้ถูกใช้อย่างแพร่หลายในหลายสาขา รวมถึงหุ่นยนต์ ระบบอัตโนมัติ และการประมวลผลแบบกระจาย
สถานการณ์ที่เหมาะกับการใช้หลายเอเจนต์
แล้วสถานการณ์ใดบ้างที่เป็นกรณีการใช้งานที่ดีสำหรับการใช้หลายเอเจนต์? คำตอบคือมีหลายสถานการณ์ที่การใช้เอเจนต์หลายตัวให้ประโยชน์ โดยเฉพาะในกรณีต่อไปนี้:
- งานปริมาณมาก: งานปริมาณมากสามารถแบ่งเป็นงานย่อย ๆ และมอบหมายให้เอเจนต์ต่าง ๆ ทำงาน ทำให้สามารถประมวลผลแบบขนานและเสร็จเร็วยิ่งขึ้น ตัวอย่างเช่น งานประมวลผลข้อมูลขนาดใหญ่
- งานที่ซับซ้อน: งานที่ซับซ้อน เช่น งานปริมาณมาก สามารถแยกเป็นงานย่อยและมอบหมายให้เอเจนต์แต่ละตัวเชี่ยวชาญในด้านเฉพาะของงาน ตัวอย่างที่ดีคือยานยนต์อิสระที่เอเจนต์ต่าง ๆ จัดการการนำทาง การตรวจจับสิ่งกีดขวาง และการสื่อสารกับยานพาหนะอื่น ๆ
- ความเชี่ยวชาญที่หลากหลาย: เอเจนต์แต่ละตัวสามารถมีความเชี่ยวชาญที่แตกต่างกัน ทำให้พวกเขาจัดการด้านต่าง ๆ ของงานได้อย่างมีประสิทธิภาพมากกว่าเอเจนต์เพียงตัวเดียว สำหรับกรณีนี้ ตัวอย่างที่ดีคือการดูแลสุขภาพที่เอเจนต์สามารถจัดการการวินิจฉัย แผนการรักษา และการติดตามผู้ป่วย
ข้อดีของการใช้หลายเอเจนต์เหนือเอเจนต์เดี่ยว
ระบบที่ใช้เอเจนต์เดียวนั้นอาจทำงานได้ดีสำหรับงานง่าย ๆ แต่สำหรับงานที่ซับซ้อนมากขึ้น การใช้เอเจนต์หลายตัวสามารถให้ข้อดีหลายอย่าง:
- การเชี่ยวชาญเฉพาะด้าน: เอเจนต์แต่ละตัวสามารถเชี่ยวชาญสำหรับงานเฉพาะด้าน การขาดการเชี่ยวชาญในเอเจนต์เดี่ยวหมายความว่าคุณมีเอเจนต์ที่ทำได้ทุกอย่างแต่จนอาจสับสนเมื่อต้องเผชิญกับงานที่ซับซ้อน ตัวอย่างเช่น อาจทำงานที่ไม่เหมาะสมกับมันที่สุด
- การขยายระบบได้ง่าย: ง่ายกว่าที่จะขยายระบบโดยการเพิ่มเอเจนต์มากกว่าทำให้เอเจนต์ตัวเดียวรับภาระมากขึ้น
- ความทนทานต่อความผิดพลาด: หากเอเจนต์ตัวหนึ่งล้มเหลว เอเจนต์อื่นสามารถยังคงทำงานต่อไปได้ ช่วยให้ระบบมีความน่าเชื่อถือ
ขอยกตัวอย่าง สมมติเราจะจองการเดินทางให้ผู้ใช้ ระบบเอเจนต์เดี่ยวจะต้องจัดการทุกด้านของกระบวนการจองการเดินทาง ตั้งแต่การหาเที่ยวบินจนถึงการจองโรงแรมและรถเช่า เพื่อให้บรรลุสิ่งนี้ด้วยเอเจนต์ตัวเดียว เอเจนต์นั้นจะต้องมีเครื่องมือในการจัดการงานทั้งหมด ซึ่งอาจนำไปสู่ระบบที่ซับซ้อนและรวมศูนย์ ทำให้ยากต่อการดูแลรักษาและขยาย ในทางกลับกัน ระบบหลายเอเจนต์อาจมีเอเจนต์ที่เชี่ยวชาญในการค้นหาเที่ยวบิน การจองโรงแรม และรถเช่า ทำให้ระบบเป็นโมดูล ง่ายต่อการดูแล และขยายได้
เทียบกับสำนักงานท่องเที่ยวแบบครอบครัวกับสำนักงานท่องเที่ยวแบบแฟรนไชส์ ร้านแบบครอบครัวจะมีเอเจนต์เดียวดำเนินการทุกด้านของการจอง ในขณะที่แฟรนไชส์จะมีเอเจนต์ต่าง ๆ จัดการด้านต่าง ๆ ของการจอง
ส่วนประกอบพื้นฐานของการใช้งานรูปแบบการออกแบบหลายเอเจนต์
ก่อนที่คุณจะสามารถใช้งานรูปแบบการออกแบบหลายเอเจนต์ คุณต้องเข้าใจส่วนประกอบพื้นฐานที่ประกอบกันเป็นรูปแบบนี้
มาทำให้สิ่งนี้ชัดเจนขึ้นโดยดูตัวอย่างการจองการเดินทางให้ผู้ใช้ อีกครั้ง ในกรณีนี้ ส่วนประกอบพื้นฐานจะรวมถึง:
- การสื่อสารระหว่างเอเจนต์: เอเจนต์ที่ค้นหาเที่ยวบิน จองโรงแรม และรถเช่าจำเป็นต้องสื่อสารและแบ่งปันข้อมูลเกี่ยวกับความต้องการและข้อจำกัดของผู้ใช้ คุณต้องตัดสินใจเกี่ยวกับโปรโตคอลและวิธีการสำหรับการสื่อสารนี้ ความหมายที่ชัดเจนคือเอเจนต์ค้นหาเที่ยวบินจำเป็นต้องสื่อสารกับเอเจนต์จองโรงแรมเพื่อให้แน่ใจว่าโรงแรมถูกจองในวันที่เดียวกับเที่ยวบิน ซึ่งหมายความว่าเอเจนต์ต้องแชร์ข้อมูลเกี่ยวกับวันที่เดินทางของผู้ใช้ ดังนั้นคุณต้องตัดสินใจ เอเจนต์ใดบ้างที่กำลังแชร์ข้อมูลและแชร์ข้อมูลอย่างไร
- กลไกการประสานงาน: เอเจนต์ต้องประสานการกระทำของตนเพื่อให้แน่ใจว่าความต้องการและข้อจำกัดของผู้ใช้ได้รับการตอบสนอง ความต้องการของผู้ใช้อาจเป็นว่าพวกเขาต้องการโรงแรมที่ใกล้สนามบิน ขณะที่ข้อจำกัดอาจเป็นว่ารถเช่ามีให้บริการเฉพาะที่สนามบิน ซึ่งหมายความว่าเอเจนต์จองโรงแรมต้องประสานงานกับเอเจนต์จองรถเช่าเพื่อให้ความต้องการและข้อจำกัดของผู้ใช้ได้รับการตอบสนอง ดังนั้นคุณต้องตัดสินใจ เอเจนต์กำลังประสานการกระทำของพวกเขาอย่างไร
- สถาปัตยกรรมของเอเจนต์: เอเจนต์ต้องมีโครงสร้างภายในเพื่อการตัดสินใจและเรียนรู้จากการโต้ตอบกับผู้ใช้ ซึ่งหมายความว่าเอเจนต์ค้นหาเที่ยวบินต้องมีโครงสร้างภายในเพื่อการตัดสินใจเกี่ยวกับเที่ยวบินที่จะแนะนำให้ผู้ใช้ ซึ่งหมายความว่าคุณต้องตัดสินใจ เอเจนต์กำลังตัดสินใจและเรียนรู้จากการโต้ตอบกับผู้ใช้ของพวกเขาอย่างไร ตัวอย่างการเรียนรู้และปรับปรุงของเอเจนต์อาจเป็นว่าเอเจนต์ค้นหาเที่ยวบินสามารถใช้โมเดลการเรียนรู้เครื่องเพื่อแนะนำเที่ยวบินให้ผู้ใช้ตามความชอบในอดีต
- การมองเห็นการโต้ตอบแบบหลายเอเจนต์: คุณจำเป็นต้องมองเห็นได้ว่าเอเจนต์หลายตัวโต้ตอบกันอย่างไร ซึ่งหมายความว่าคุณต้องมีเครื่องมือและเทคนิคสำหรับติดตามกิจกรรมและการโต้ตอบของเอเจนต์ ซึ่งอาจเป็นในรูปแบบของเครื่องมือบันทึกเหตุการณ์และการตรวจสอบ เครื่องมือการแสดงภาพ และตัวชี้วัดประสิทธิภาพ
- รูปแบบหลายเอเจนต์: มีรูปแบบต่าง ๆ สำหรับการใช้งานระบบหลายเอเจนต์ เช่น สถาปัตยกรรมแบบรวมศูนย์ แบบกระจายศูนย์ และแบบไฮบริด คุณต้องตัดสินใจเลือกรูปแบบที่เหมาะสมกับกรณีการใช้งานของคุณ
- การมีมนุษย์เข้ามาเกี่ยวข้อง: ในหลายกรณี คุณจะมีมนุษย์เข้ามาเกี่ยวข้องและคุณต้องสั่งการเอเจนต์ว่าเมื่อใดควรขอการแทรกแซงจากมนุษย์ ซึ่งอาจเป็นในรูปแบบที่ผู้ใช้ขอโรงแรมหรือเที่ยวบินเฉพาะที่เอเจนต์ยังไม่ได้แนะนำ หรือขอการยืนยันก่อนการจองเที่ยวบินหรือโรงแรม
การมองเห็นการโต้ตอบแบบหลายเอเจนต์
สิ่งสำคัญคือคุณต้องมองเห็นได้ว่าเอเจนต์หลายตัวโต้ตอบกันอย่างไร การมองเห็นนี้จำเป็นสำหรับการดีบัก การปรับแต่ง และการรับประกันประสิทธิผลโดยรวมของระบบ เพื่อให้บรรลุสิ่งนี้ คุณจำเป็นต้องมีเครื่องมือและเทคนิคสำหรับติดตามกิจกรรมและการโต้ตอบของเอเจนต์ ซึ่งอาจเป็นในรูปแบบของเครื่องมือบันทึกเหตุการณ์และการตรวจสอบ เครื่องมือการแสดงภาพ และตัวชี้วัดประสิทธิภาพ
ตัวอย่างเช่น ในกรณีการจองการเดินทางให้ผู้ใช้ คุณอาจมีแดชบอร์ดที่แสดงสถานะของแต่ละเอเจนต์ ความต้องการและข้อจำกัดของผู้ใช้ และการโต้ตอบระหว่างเอเจนต์ แดชบอร์ดนี้อาจแสดงวันที่เดินทางของผู้ใช้ เที่ยวบินที่เอเจนต์ค้นหาแนะนำ โรงแรมที่เอเจนต์โรงแรมแนะนำ และรถเช่าที่เอเจนต์รถเช่าแนะนำ ซึ่งจะให้ภาพที่ชัดเจนว่าการโต้ตอบระหว่างเอเจนต์เป็นอย่างไรและความต้องการและข้อจำกัดของผู้ใช้ได้รับการตอบสนองหรือไม่
มาดูแต่ละแง่มุมเหล่านี้อย่างละเอียดมากขึ้น
- เครื่องมือบันทึกเหตุการณ์และการตรวจสอบ: คุณต้องการให้มีการบันทึกเหตุการณ์สำหรับการกระทำแต่ละครั้งที่เอเจนต์ทำ รายการบันทึกอาจเก็บข้อมูลว่าเอเจนต์ใดทำการกระทำ การกระทำที่ทำ เวลาในการทำการกระทำ และผลลัพธ์ของการกระทำนั้น ข้อมูลนี้สามารถใช้สำหรับการดีบัก การปรับแต่ง และอื่น ๆ
- เครื่องมือการแสดงภาพ: เครื่องมือการแสดงภาพสามารถช่วยให้คุณเห็นการโต้ตอบระหว่างเอเจนต์ในรูปแบบที่เข้าใจได้ง่ายขึ้น ตัวอย่างเช่น คุณอาจมีกราฟที่แสดงการไหลของข้อมูลระหว่างเอเจนต์ ซึ่งอาจช่วยให้คุณระบุคอขวด ความไม่มีประสิทธิภาพ และปัญหาอื่น ๆ ในระบบ
- ตัวชี้วัดประสิทธิภาพ: ตัวชี้วัดประสิทธิภาพสามารถช่วยให้คุณติดตามประสิทธิผลของระบบหลายเอเจนต์ ตัวอย่างเช่น คุณอาจติดตามเวลาที่ใช้ในการทำงานให้เสร็จ จำนวนงานที่ทำได้ต่อหน่วยเวลา และความแม่นยำของคำแนะนำที่เอเจนต์ให้ ข้อมูลนี้สามารถช่วยให้คุณระบุพื้นที่ที่ต้องปรับปรุงและปรับแต่งระบบได้
รูปแบบหลายเอเจนต์
มาดำดิ่งสู่รูปแบบที่เป็นรูปธรรมบางอย่างที่เราสามารถใช้สร้างแอปหลายเอเจนต์ นี่คือรูปแบบที่น่าสนใจที่ควรพิจารณา:
แชทกลุ่ม
รูปแบบนี้มีประโยชน์เมื่อคุณต้องการสร้างแอปแชทกลุ่มที่เอเจนต์หลายตัวสามารถสื่อสารกันได้ กรณีการใช้งานทั่วไปสำหรับรูปแบบนี้ ได้แก่ การทำงานร่วมกันเป็นทีม การสนับสนุนลูกค้า และเครือข่ายสังคม
ในรูปแบบนี้ เอเจนต์แต่ละตัวแทนผู้ใช้ในแชทกลุ่ม และข้อความจะถูกแลกเปลี่ยนระหว่างเอเจนต์โดยใช้โปรโตคอลการส่งข้อความ เอเจนต์สามารถส่งข้อความไปยังแชทกลุ่ม รับข้อความจากแชทกลุ่ม และตอบกลับข้อความจากเอเจนต์อื่น ๆ
รูปแบบนี้สามารถใช้งานโดยใช้สถาปัตยกรรมแบบรวมศูนย์ที่ข้อความทั้งหมดถูกส่งผ่านเซิร์ฟเวอร์กลาง หรือสถาปัตยกรรมแบบกระจายศูนย์ที่ข้อความแลกเปลี่ยนกันโดยตรง
การส่งงาน (Hand-off)
รูปแบบนี้มีประโยชน์เมื่อคุณต้องการสร้างแอปที่เอเจนต์หลายตัวสามารถส่งงานต่อกันได้
กรณีการใช้งานทั่วไปสำหรับรูปแบบนี้ ได้แก่ การสนับสนุนลูกค้า การจัดการงาน และการอัตโนมัติของเวิร์กโฟลว์
ในรูปแบบนี้ เอเจนต์แต่ละตัวแทนงานหรือขั้นตอนในเวิร์กโฟลว์ และเอเจนต์สามารถส่งงานต่อให้เอเจนต์อื่นตามกฎที่กำหนดไว้ล่วงหน้า
การกรองร่วมกัน (Collaborative filtering)
รูปแบบนี้มีประโยชน์เมื่อคุณต้องการสร้างแอปที่เอเจนต์หลายตัวสามารถร่วมกันเพื่อให้คำแนะนำแก่ผู้ใช้
เหตุผลที่คุณต้องการให้เอเจนต์หลายตัวร่วมมือกันคือแต่ละเอเจนต์อาจมีความเชี่ยวชาญที่แตกต่างกันและสามารถมีส่วนร่วมในกระบวนการให้คำแนะนำในวิธีที่แตกต่างกัน
สมมติว่าผู้ใช้ต้องการคำแนะนำเกี่ยวกับหุ้นที่ดีที่สุดที่จะซื้อในตลาดหุ้น
- ผู้เชี่ยวชาญอุตสาหกรรม: เอเจนต์หนึ่งอาจเป็นผู้เชี่ยวชาญในอุตสาหกรรมเฉพาะ
- การวิเคราะห์เชิงเทคนิค: เอเจนต์อีกตัวอาจเชี่ยวชาญด้านการวิเคราะห์เชิงเทคนิค
- การวิเคราะห์ปัจจัยพื้นฐาน: และอีกเอเจนต์อาจเชี่ยวชาญการวิเคราะห์เชิงปัจจัยพื้นฐาน โดยการร่วมมือกัน เอเจนต์เหล่านี้สามารถให้คำแนะนำที่ครอบคลุมมากขึ้นแก่ผู้ใช้
สถานการณ์: กระบวนการคืนเงิน
พิจารณาสถานการณ์ที่ลูกค้าพยายามขอคืนเงินสำหรับสินค้า อาจมีเอเจนต์หลายตัวเกี่ยวข้องในกระบวนการนี้ แต่ให้เราแบ่งระหว่างเอเจนต์ที่เฉพาะเจาะจงสำหรับกระบวนการนี้และเอเจนต์ทั่วไปที่สามารถใช้ในกระบวนการอื่นได้
เอเจนต์เฉพาะสำหรับกระบวนการคืนเงิน:
ต่อไปนี้คือเอเจนต์บางตัวที่อาจเกี่ยวข้องในกระบวนการคืนเงิน:
- เอเจนต์ลูกค้า: เอเจนต์นี้แทนลูกค้าและรับผิดชอบในการเริ่มกระบวนการคืนเงิน
- เอเจนต์ผู้ขาย: เอเจนต์นี้แทนผู้ขายและรับผิดชอบในการดำเนินการคืนเงิน
- เอเจนต์การชำระเงิน: เอเจนต์นี้แทนกระบวนการชำระเงินและรับผิดชอบในการคืนเงินให้ลูกค้า
- เอเจนต์แก้ไขปัญหา: เอเจนต์นี้แทนกระบวนการแก้ไขข้อพิพาทและรับผิดชอบในการแก้ไขปัญหาที่เกิดขึ้นระหว่างกระบวนการคืนเงิน
- เอเจนต์ปฏิบัติตามกฎระเบียบ: เอเจนต์นี้แทนกระบวนการตรวจสอบและรับผิดชอบในการตรวจสอบว่ากระบวนการคืนเงินปฏิบัติตามข้อบังคับและนโยบายหรือไม่
เอเจนต์ทั่วไป:
เอเจนต์เหล่านี้สามารถใช้โดยส่วนอื่น ๆ ของธุรกิจคุณ
- เอเจนต์จัดส่ง: เอเจนต์นี้แทนกระบวนการจัดส่งและรับผิดชอบในการส่งสินค้ากลับไปยังผู้ขาย เอเจนต์นี้สามารถใช้ได้ทั้งสำหรับกระบวนการคืนเงินและการจัดส่งสินค้าทั่วไปจากการซื้อ
- เอเจนต์รับข้อเสนอแนะ: เอเจนต์นี้แทนกระบวนการรับข้อเสนอแนะและรับผิดชอบในการรวบรวมข้อเสนอแนะจากลูกค้า ข้อเสนอแนะอาจเกิดขึ้นได้ตลอดเวลาไม่ใช่เฉพาะในระหว่างกระบวนการคืนเงิน
- เอเจนต์ยกระดับปัญหา: เอเจนต์นี้แทนกระบวนการยกระดับปัญหาและรับผิดชอบในการยกระดับปัญหาไปยังระดับการสนับสนุนที่สูงขึ้น คุณสามารถใช้เอเจนต์ประเภทนี้สำหรับกระบวนการใด ๆ ที่ต้องการการยกระดับปัญหา
- เอเจนต์แจ้งเตือน: เอเจนต์นี้แทนกระบวนการแจ้งเตือนและรับผิดชอบในการส่งการแจ้งเตือนไปยังลูกค้าในขั้นตอนต่าง ๆ ของกระบวนการคืนเงิน
- เอเจนต์วิเคราะห์: เอเจนต์นี้แทนกระบวนการวิเคราะห์และรับผิดชอบในการวิเคราะห์ข้อมูลที่เกี่ยวข้องกับกระบวนการคืนเงิน
- เอเจนต์ตรวจสอบ: เอเจนต์นี้แทนกระบวนการตรวจสอบและรับผิดชอบในการตรวจสอบกระบวนการคืนเงินเพื่อให้แน่ใจว่าทำอย่างถูกต้อง
- เอเจนต์รายงาน: เอเจนต์นี้แทนกระบวนการรายงานและรับผิดชอบในการสร้างรายงานเกี่ยวกับกระบวนการคืนเงิน
- เอเจนต์ความรู้: เอเจนต์นี้แทนกระบวนการจัดการความรู้และรับผิดชอบในการดูแลฐานความรู้ที่เกี่ยวข้องกับกระบวนการคืนเงิน เอเจนต์นี้อาจมีความรู้ทั้งด้านการคืนเงินและส่วนอื่น ๆ ของธุรกิจคุณ
- เอเจนต์ความปลอดภัย: เอเจนต์นี้แทนกระบวนการความปลอดภัยและรับผิดชอบในการรับประกันความปลอดภัยของกระบวนการคืนเงิน
- เอเจนต์ประกันคุณภาพ: เอเจนต์นี้แทนกระบวนการประกันคุณภาพและรับผิดชอบในการรับประกันคุณภาพของกระบวนการคืนเงิน
มีเอเจนต์ค่อนข้างมากที่กล่าวถึงทั้งสำหรับกระบวนการคืนเงินเฉพาะและเอเจนต์ทั่วไปที่สามารถใช้ในส่วนอื่น ๆ ของธุรกิจของคุณ หวังว่าสิ่งนี้จะให้แนวคิดเกี่ยวกับวิธีที่คุณจะตัดสินใจว่าเอเจนต์ใดควรใช้ในระบบหลายเอเจนต์ของคุณ
การมอบหมายงาน
ออกแบบระบบหลายเอเจนต์สำหรับกระบวนการสนับสนุนลูกค้า ระบุเอเจนต์ที่เกี่ยวข้องในกระบวนการ บทบาทและความรับผิดชอบของพวกเขา และวิธีที่พวกเขาโต้ตอบกัน พิจารณาทั้งเอเจนต์ที่เฉพาะสำหรับกระบวนการสนับสนุนลูกค้าและเอเจนต์ทั่วไปที่สามารถใช้ในส่วนอื่น ๆ ของธุรกิจคุณ
คิดสักครู่ก่อนอ่านวิธีแก้ด้านล่าง เพราะคุณอาจต้องการเอเจนต์มากกว่าที่คิด. เคล็ดลับ: คิดถึงขั้นตอนต่างๆ ของกระบวนการสนับสนุนลูกค้า และพิจารณาเอเจนต์ที่จำเป็นสำหรับระบบใดๆ ด้วย.
แนวทางแก้ปัญหา
แบบทดสอบความรู้
คำถาม: ควรพิจารณาใช้หลายเอเจนต์เมื่อใด?
- A1: เมื่อคุณมีงานปริมาณน้อยและงานที่เรียบง่าย.
- A2: เมื่อคุณมีงานปริมาณมาก
- A3: เมื่อคุณมีงานที่เรียบง่าย.
สรุป
ในบทเรียนนี้ เราได้ศึกษารูปแบบการออกแบบหลายเอเจนต์ รวมถึงสถานการณ์ที่เหมาะสมกับการใช้หลายเอเจนต์ ข้อได้เปรียบของการใช้หลายเอเจนต์เมื่อเทียบกับเอเจนต์เดียว องค์ประกอบพื้นฐานในการนำรูปแบบการออกแบบหลายเอเจนต์ไปใช้ และวิธีการมองเห็นการโต้ตอบระหว่างเอเจนต์หลายตัว
มีคำถามเพิ่มเติมเกี่ยวกับรูปแบบการออกแบบแบบหลายเอเจนต์ไหม?
เข้าร่วม the Microsoft Foundry Discord เพื่อพบกับผู้เรียนคนอื่นๆ เข้าร่วมชั่วโมงทำงาน และให้คำถามเกี่ยวกับเอเจนต์ AI ของคุณได้รับคำตอบ.
แหล่งข้อมูลเพิ่มเติม
บทก่อนหน้า
บทถัดไป
ข้อจำกัดความรับผิด: เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลด้วย AI [Co-op Translator] (https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้เกิดความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อนได้ เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลหลัก หากเป็นข้อมูลที่มีความสำคัญสูง ขอแนะนำให้ใช้บริการแปลโดยนักแปลมนุษย์มืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดใดๆ ที่เกิดจากการใช้การแปลฉบับนี้