AI代理的终极指南

moveworks. com movewo© Moveworks, Inc © Moveworks, IncAI 代理的终极指南 简介© Moveworks, IncAI 代理是未来moveworks. com“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。自动化正在经历一场根本性的变革。传统的系统曾经能够轻松处理预定义的业务流程，但现在在面对更为复杂、基于推理的操作时却面临局限性。进入AI代理——由高级大型语言模型（LLMs）驱动的新一代自动化时代。AI代理拥有独特的自然语言解释能力、制定行动计划以及在最少人工干预的情况下执行任务的能力。通过使用AI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的思考，而自动化则处理琐碎的工作。 什么是 Al 特工 ？我们旨在帮助您理解代理自动化（Agentic Automation），探索Moveworks代理自动化的动力，以及展示它如何使您的开发比以往任何时候。 这是因为Moveworks的代理自动化不仅仅是连接API——，它还利用大型语言模型（LLMs）进行推理、解释和决策，从而采取智能行动，使得开发过程更快捷、更轻松。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。“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) 想象一下AI代理的强大功能，能够迅速加速并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。 亲身体验Moveworks Agentic Automation Engine如何无缝集成到各种系统中，帮助您的AI代理理解复杂请求、做出明智决策，并自动化广泛的任务。继续阅读，准备好充分释放Agentic Automation的全部潜力并加速您的开发项目。让我们探讨Agentic自动化如何赋能开发者轻松构建和使用AI代理，以弥合人类语言与结构化系统API之间的差距。0401 03 目录moveworks. com© Moveworks, Inc简介AI 代理是未来02机构自动化 - 一类新的工具使用 Moveworks 机构自动化引擎释放 AI 代理Moveworks 推理引擎如何通过机构 AI 提高生产率传统自动化平台的挑战01 © Moveworks, Inc© Moveworks, Incmoveworks. commoveworks. com今天的自动化工具高度依赖基于API的过程。虽然这种方法对于可预测且结构化的任务非常有效，但在处理人类语言的动态性质时可能会遇到困难。传统的企业集成平台（iPaaS）在配置预定义的工作流方面表现出色，但在AI代理的时代，它们可能显得力不从心。简而言之，这些传统的自动化方法效率低、复杂度高，并且往往更为耗时。厌倦了无尽的自动化构建和管理循环以及对开发者造成的巨大压力吗？随着您的组织SaaS场景的发展超过1000个应用甚至更多，技术团队构建高效集成的压力正在不断加大。因此，您的业务依赖后办公室专家来重新启动流程，并依靠开发者通过构建无数自动化功能来填补空白。然而，使用传统的API驱动方法和iPaaS平台来构建自动化功能是耗时且繁琐的，根本不够用。传统自动化平台的挑战人工智能的崛起在这方面 ， AI 代理提出了一种新的然而 ， 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。理解目标，制定计划，并进行相关的工具调用（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——正如这些系统所展现的推理、规划和工具调用能力所定义的那样。如果成功，代理型AI系统能够使企业显著提高效率并提升员工的工作 productivity。自动化范式。 与传统的SaaS应用期望用户发现和导航界面不同，AI代理使用大型语言模型（LLM）为用户执行自动化操作。用户简单地描述了他们想要完成的任务 ，而 AI 代理能够02代理自动化带来了革命性的工具集，使AI代理能够弥合人类语言与结构化系统API之间的差距。该平台允许开发者创建能够理解模糊指令并将其转换为更精确操作的AI代理。机构自动化 - 一类新的工具 moveworks. com© Moveworks, Inc如何 AI代理工作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越来越强大（更大的上下文窗口、更好的推理能力、更多的模态）。这使得推理和规划能够扩展，但 还有更多的建立 AI 代理。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）允许开发者编写代码来连接不同业务系统的API。iPaaS和中间件旨在连接API（这些API精确且确定）到其他API。然而，AI代理需要将人类语言（这一语言模糊且多义）连接至API。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。一些开发者错误地认为，大型语言模型（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。虽然API允许您与业务系统交互并使这些系统能够通信，但它们本身并不是一种集成。每一个曾经通过API进行过集成的开发人员可能都能理解，集成不仅仅是使用API——还需要编写代码。AI 代理需要能够推理、计划和行动。 让我们举一个简单的例子。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 APIs和传统自动化平台不适合由AI代理使用的原因。它们往往缺乏关键的能力，以克服因工具选择不准确、输入错误以及不连贯响应所带来的挑战。没有合适的底层工具，开发者被迫让iPaaS的圆枘塞入代理AI的方孔中。因此，开发者可能会尝试用大量的难以维护、无法扩展的代码（技术债务）来填补差距，仅仅只是为了产出次级的结果。假设我想要一个能够帮助我管理任务（创建新任务、更新现有任务、重新分配任务等）的代理。为了构建这样一个代理，我们可以设想我们需要提供一系列功能以实现这一目标。 重新分配任务 API 。它需要(1) 任务 ID 和(2) 用户 ID 来分配给它。系统API与代理AI系统之间的空白空间代表了当前开发AI代理的“尚未准备好”的现实。这里就是“Demo魔鬼”存在的地方。© Moveworks, Inc © Moveworks, Incmoveworks. commoveworks. com当企业需要将AI代理部署到成百上千的员工中时，“在我的沙盒里有效”在出现问题时不是一个合理的回答。企业为AI代理所作出的投资往往难以见到成效——它们经常被困于科学项目和演示阶段，因为这些投资缺乏足够的稳健性和成熟度以在整个企业范围内可靠地部署。简而言之，使用iPaas工具