Walaupun pemaju menarik antara muka pengaturcaraan aplikasi untuk menjalin hubungan dengan agen dan perkhidmatan AI sedia ada yang menyediakan fungsi penting, selalu ada banyak pengesahan dan pengurusan yang harus digunakan di peringkat infrastruktur.

Belajar dari kesilapan agensi

Di mana komuniti pemaju mungkin jatuh pendek adalah keupayaannya untuk mengesan secara sistematik bukan hanya bagaimana dan di mana ejen -ejen menjalin titik sambungan mereka, tetapi juga ... penting, untuk menangkap dan memodifikasi apa yang dilakukan oleh ejen melalui persetujuannya ke perkhidmatan IT yang lain dan bagaimana kejayaan itu adalah dari segi fungsi yang diekstrak dari IT.

"Ejen AI biasanya membuat kesilapan yang sama berulang kali ... yang merupakan perkara yang baik dari segi pembelajaran," jelas Soham Ganatra, Ketua Pegawai Eksekutif Composio, sebuah organisasi yang baru ditubuhkan yang berfungsi untuk menyediakan perkhidmatan infrastruktur kemahiran asas untuk ejen AI untuk belajar dan mengoptimumkan prestasi mereka di seluruh perusahaan. "Apabila pemaju menyambungkan ejen ke aplikasi seperti Salesforce (atau aliran kerja GitHub, atau pangkalan data), mereka semua akhirnya menyelesaikan masalah yang sama dan menyediakan konteks yang sama. Kami menyimpan pengetahuan ini sebagai 'kemahiran' yang boleh digunakan semula oleh pemaju lain.

Sekarang membawa platformnya ke pasaran dalam tahun operasi sulungnya, Composio mendakwa dapat menangani jurang dalam ekosistem AI dengan menyediakan "infrastruktur kemahiran" yang membolehkan ejen autonomi berinteraksi dengan lebih bijak dengan alat perisian dan aliran kerja. Syarikat itu mengatakan bahawa kita boleh memikirkan portfolio perkhidmatannya sebagai lapisan kemahiran adaptif yang meningkatkan intuisi dengan setiap interaksi, yang mengoptimumkan diri sendiri dan menjadi lebih berguna dengan masa.

Kecerdasan mentah adalah, baik, mentah

Ganatra menegaskan bahawa kecerdasan mentah sendiri (iaitu kuasa model bahasa yang besar dan kecil apabila diberi melalui model data AI yang paling canggih dan turbo yang dikenakan oleh unit pemprosesan grafik atau saraf zippiest yang dikenali sebagai manusia) hanyalah sebahagian daripada teka-teki. Beliau mencadangkan bahawa kesan perniagaan berlaku apabila kecerdasan dapat belajar dari interaksi dengan dunia, menggabungkan kedua -dua manusia dan mesin yang tinggal di dalamnya.

"Ejen AI akan terus menjadi lebih bijak di belakang model yang semakin kuat, tetapi sihir terletak pada memberi mereka jiwa: mengangkat mereka dari robot yang memanggil alat ke sistem yang memahami matlamat dan persekitaran anda, berkembang dengan anda sebagai rakan kongsi," kata Ganatra. "Kami membina lapisan kemahiran mengoptimumkan diri, menangani jurang asas antara LLM dan ejen yang semakin pintar yang dapat berkembang dari pengalaman untuk membangunkan kemahiran praktikal dan praktikal."

Beliau seterusnya menyatakan bahawa kemahiran adalah blok bangunan asas di sebalik keupayaan ejen, mulai dari tugas -tugas asas seperti komposisi e -mel kepada operasi kompleks seperti pengurusan pengiklanan. Lapisan kemahiran yang berkembang meningkatkan keupayaan keseluruhan sistem secara eksponen, membolehkan ia menangani masalah yang semakin kompleks tanpa mendorong banyak.

Syarikat itu berkata apabila membina AI membina, kita perlu memikirkan "skala alat" iaitu ejen untuk dipercayai dan mahir, ia mesti mengakses mana-mana titik akhir perisian-sebagai-perkhidmatan atas permintaan. Ini menjamin repositori dengan beribu -ribu toolkit. Dari segi penyesuaian kemahiran, aliran kerja berulang harus berubah dari pelaksanaan LLM yang dipandu ke dalam rutin cepat, dikodkan, mengoptimumkan kelajuan dan kebolehpercayaan. Kemahiran juga harus bertukar secara dinamik di antara aliran yang dikodkan dan penalaran LLM berdasarkan konteks ... Ini bermakna bahawa jika kemahiran yang dikodkan tidak wujud untuk tugas, ia kembali kepada pelaksanaan LLM yang dipandu.

Melalui Ejen Composio di seluruh pangkalan pelanggannya, syarikat itu mengatakan ia membina rangkaian kemahiran yang diuruskan yang diperibadikan dan belajar dari persekitaran yang mereka beroperasi.

"Anda boleh menghabiskan beratus -ratus jam membina alat LLM, tweaking, dan arahan penapisan, tetapi anda memukul dinding," kata Ganatra. "Model -model ini tidak menjadi lebih baik dalam pekerjaan mereka dengan cara pekerja manusia. Mereka tidak dapat membina konteks, belajar dari kesilapan, atau mengembangkan pemahaman halus yang menjadikan pekerja manusia tidak ternilai."

Ganatra dan pasukan menegaskan bahawa mereka mula membina perkhidmatan ejen AI "sebelum gembar -gembur semasa" sekitar dua tahun lalu. Perniagaan ini diasaskan dalam misi untuk menyelesaikan masalah infrastruktur asas di ruang AI. Pasukan ini menangani cabaran kompleks termasuk koordinasi multi-agen, pengesahan di seluruh sistem perusahaan dan membina skalabilitas ke dalam proses infrastruktur supaya berjuta-juta permintaan dapat dikendalikan setiap hari. Organisasi ini kini mempunyai lebih dari 100,000 pemaju menggunakan platformnya, dengan puluhan juta permintaan setiap hari.

Analisis Kompetitif, Automasi Agentik

Walaupun creatio tentu saja akan menuntut "keunikan" dan menggambarkan teknologi infrastruktur AI yang agentiknya sebagai satu jenis, kita dapat mencari pelbagai perkhidmatan yang mencerminkan dan bergema dengan pendekatannya melalui suspek biasa di pasaran IT ... dan dalam beberapa permulaan yang bersaing untuk lebih banyak suara di arena ini

Serta Dynatrace dengan perkhidmatan Davis AI dan IBM dengan Orchesrtate Watsonx, ruang pengurusan infrastruktur yang agentik adalah dengan baik dengan teknologi dari New Relic, Cisco, Splunk dan bahkan Servicenow (sebagai firma yang kebanyakan kita mengiktiraf untuk platform Pengurusan IT) resolusi.

Antara pemain besar, vendor pangkalan data Oracle berada dalam sektor ini dengan Studio Ejennya, teknologi untuk mewujudkan, memperluaskan, mengerahkan dan mengurus ejen AI dan pasukan ejen di seluruh perusahaan. Boleh dikatakan lebih sempit dengan kes-kes penggunaan oracle tertentu, syarikat itu menyediakan "pengkodan ejen" yang sama dengan perpustakaan template ejennya, perkhidmatan yang digunakan untuk membuat agen AI dengan templat pra-dibina yang dipasangkan dengan arahan bahasa semulajadi, atau melukiskan perpustakaan templat siap sedia untuk menyokong pelbagai senario perniagaan. Juga dari raksasa teknologi, Microsoft Autogen adalah rangka kerja pengaturcaraan sumber terbuka untuk membina agen AI dan memudahkan kerjasama di kalangan pelbagai ejen kerana mereka direkayasa untuk menyelesaikan tugas di tempat kerja. Microsoft mengatakan bahawa Autogen bertujuan untuk menyediakan rangka kerja yang fleksibel untuk mempercepatkan "pembangunan dan penyelidikan mengenai AIS AI" dengan penekanan terhadap kualiti kod, keteguhan, keluasan dan skalabiliti.

Tambang yang kurang dikenali (tetapi tidak boleh dikatakan lazat) ditawarkan di ruang dari Tonkean dengan teknologi pintu depan AI, yang bertindak sebagai hab orkestra antara tugas-tugas tempat kerja dan ejen di bawah kawalan dasar yang dikuatkuasakan dengan ketuhanan. Sekali lagi, terdapat titik permohonan yang lebih sempit di sini iaitu Tonkean berfungsi khusus dalam perniagaan undang -undang dan perolehan. Sedikit lebih luas, Camunda terkenal dengan kerjanya yang menyokong orkestra hibrid dengan teknologi agentik. Syarikat itu telah dikatakan sebagai model proses deterministik "meld" dengan pengambilan keputusan yang tidak ditetapkan oleh AI. Mulesoft, AWS, Uipath dan lain -lain semuanya beroperasi di ruang ini.

Tidak lagi kembali ke sekolah?

Terdapat sesuatu yang tidak sesuai dengan paradoks yang berlaku dalam kecerdasan buatan jika pemacu untuk membina fungsi agenik (yang pada dasarnya wujud untuk mengautomasikan kehidupan kita dengan pintasan fungsional dan pemecut pintar yang menghilangkan kerja -kerja mengerang) melibatkan teras untuk melangkah ke brek dan kembali ke sekolah untuk setiap binaan baru. Jika AI dimaksudkan untuk merangkum automasi dan membuat perkara lebih cepat, maka pastinya ia harus menggunakan automasi terkandung itu sendiri ketika cuba beroperasi. Ini bukanlah pernyataan misi bahawa Composio beroperasi dari, tetapi ia pasti boleh.

Isu teras untuk menangani adalah hakikat bahawa antara muka model bahasa secara tradisinya telah dibina untuk manusia untuk digunakan, bukan untuk perkhidmatan mesin untuk dovetail dengan. Ini bermakna bahawa AI dalam sembang kegemaran anda, e -mel, carian atau aplikasi pencipta adalah menyeronokkan untuk digunakan, tetapi ia juga bermakna neraka banyak kerja sedang berlaku di bawah dek di dalam bilik enjin. Tiada siapa yang mahu dilindungi dalam minyak apabila mereka tidak perlu, jadi mari kita fikirkan ejen AI sendiri. Jika tidak, bawa cuci tangan.

Atas ialah kandungan terperinci COMPOSIO meletakkan skor untuk infrastruktur kemahiran AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!