ai-agents-for-beginners
(点击上方图片以查看本课的视频)
AI 代理性设计原则
介绍
有许多方法可以思考构建 AI 代理系统。鉴于在生成式 AI 设计中，模糊性是特性而非缺陷，工程师有时很难确定从何开始。我们创建了一套以人为中心的用户体验设计原则，以帮助开发者构建以客户为中心的代理系统来解决其业务需求。这些设计原则并不是规范性的架构，而是为正在定义和构建代理体验的团队提供的起点。
一般而言，代理应当：
- 扩展和放大人类的能力（头脑风暴、解决问题、自动化等）
- 弥补知识空白（让我在知识领域中快速上手、翻译等）
- 促进并支持以我们个人偏好的方式与他人协作
- 使我们成为更好的自己（例如，生活教练/任务管理者，帮助我们学习情绪调节和正念技能，增强韧性等）
本课将涵盖
- 什么是代理性设计原则
- 实施这些设计原则时应遵循的一些指南
- 使用这些设计原则的一些示例
学习目标
完成本课后，您将能够：
- 解释什么是代理性设计原则
- 解释使用代理性设计原则的指南
- 理解如何使用代理性设计原则来构建代理
代理性设计原则
Agent (Space)
这是代理运行的环境。这些原则为我们在物理和数字世界中设计代理的方式提供指导。
- 连接，而不是替代 – 帮助将人们与其他人、事件和可操作的知识连接起来，以促进协作与联系。
- 代理帮助连接事件、知识和人。
- 代理将人们拉得更近。它们不旨在取代或贬低人。
- 易于访问但有时隐形 – 代理在后台运行，仅在相关且合适时提醒我们。
- 经过授权的用户可以在任何设备或平台上轻松发现并访问代理。
- 代理支持多模态输入与输出（声音、语音、文本等）。
- 代理可以根据对用户需求的感知，在前台和后台之间、在主动与被动之间无缝切换。
- 代理可能以隐形形式运行，但其后台处理路径及与其他代理的协作对用户是透明且可控的。
Agent (Time)
这是代理随时间运行的方式。这些原则为我们设计在过去、现在和未来交互的代理提供指导。
- 过去：反思包括状态和上下文的历史。
- 代理基于对更丰富历史数据的分析（不仅仅是事件、人物或状态）提供更相关的结果。
- 代理从过去事件创建连接，并主动反思记忆以应对当前情境。
- 现在：更多的是引导而不是单纯通知。
- 代理体现了与人互动的全面方法。当事件发生时，代理不仅仅是静态通知或其他形式的形式化。代理可以简化流程或动态生成提示，以在恰当的时刻引导用户的注意力。
- 代理根据上下文环境、社会和文化变化以及用户意图来提供信息。
- 代理交互可以是渐进的，随着时间推移逐步演变/变得更复杂，以在长期内赋能用户。
- 未来：适应与演进。
- 代理适应各种设备、平台和模态。
- 代理适应用户行为、无障碍需求，并且可以自由自定义。
- 代理通过持续的用户交互得到塑造并不断演进。
Agent (Core)
这些是代理设计核心中的关键要素。
- 接受不确定性但建立信任。
- 预计代理会存在一定程度的不确定性。不确定性是代理设计的关键要素。
- 信任与透明是代理设计的基础层。
- 人类可以控制代理何时开启/关闭，且代理状态在任何时候都应清晰可见。
实施这些原则的指南
在使用上述设计原则时，请使用以下指南：
- 透明性：告知用户 AI 的参与方式、其如何运作（包括过去的行为），以及如何提供反馈和修改系统。
- 控制权：使用户能够自定义、指定偏好和个性化，并对系统及其属性（包括“忘记”能力）拥有控制权。
- 一致性：在设备和端点之间追求一致的多模态体验。在可能的情况下使用熟悉的 UI/UX 元素（例如用于语音交互的麦克风图标），并尽量降低客户的认知负担（例如，追求简洁响应、视觉辅助和“了解更多”内容）。
如何使用这些原则和指南设计一个旅行代理
假设您正在设计一个旅行代理，下面是您如何考虑使用这些设计原则和指南的方式：
- 透明性 – 让用户知道旅行代理是一个启用 AI 的代理。提供一些基本的入门说明（例如，“你好”消息、示例提示）。在产品页面上清楚记录这些内容。显示用户过去询问的提示列表。明确说明如何提供反馈（点赞和点踩、发送反馈按钮等）。明确说明代理是否有使用或主题限制。
- 控制权 – 确保清楚说明用户在创建代理后如何通过诸如系统提示之类的方式对代理进行修改。使用户能够选择代理的详细程度、写作风格，以及代理不应讨论的任何注意事项。允许用户查看并删除任何相关文件或数据、提示和过往对话。
- 一致性 – 确保“共享提示”、“添加文件或照片”和“标注某人或某物”的图标是标准且易识别的。使用回形针图标表示与代理的文件上传/共享，使用图片图标表示图像上传。
示例代码
- Python: Agent Framework
- .NET: Agent Framework
对 AI 代理性设计模式有更多问题吗？
加入 Microsoft Foundry Discord 与其他学习者交流，参加答疑时间并解决关于 AI 代理的问题。
其他资源
上一课
下一课
免责声明： 本文件由 AI 翻译服务 Co-op Translator（https://github.com/Azure/co-op-translator）翻译。尽管我们尽力确保准确性，但请注意自动翻译可能包含错误或不准确之处。原文（以其原始语言编写的文档）应被视为权威来源。对于重要信息，建议采用专业人工翻译。因使用本翻译而产生的任何误解或曲解，均由使用者自行承担，我们不承担责任。