Автономные агенты: что это такое и как они работают

Что такое автономный агент

Автономный агент — это система искусственного интеллекта, которая самостоятельно работает над достижением цели. Человек описывает желаемый результат, а агент определяет шаги и выполняет их.

Допустим, кому-то нужно выбрать один из трех инструментов управления проектами. Автономный агент может найти каждый инструмент, открыть его страницу с ценами, отметить различия и выдать готовое сравнение. Человек ставит цель и проверяет результат, а агент выполняет всю работу между этими этапами.

Многие современные программные агенты используют большую языковую модель (LLM) для интерпретации инструкций и принятия решений о дальнейших действиях. Некоторые модели также обрабатывают изображения или аудио. Чтобы искать информацию в интернете, нажимать кнопки или отправлять электронную почту, агенту требуется программное обеспечение, которое связывает модель с инструментами и выполняет ее запросы.

В примере с управлением проектами LLM и агент будут работать следующим образом:

• LLM считывает цель и пишет запрос на поиск цен первого инструмента.
• Программное обеспечение агента выполняет поиск и передает результаты обратно в LLM в виде текста.
• LLM читает результаты, выбирает следующий шаг (открытие страницы с ценами) и пишет новый запрос.
• Цикл повторяется до тех пор, пока LLM не решит, что сравнение завершено, и не запишет окончательный ответ.

Уровни автономии

В агентских системах ИИ (ИИ, созданном для совершения действий, а не только для ответов на вопросы) автономия является элементом проектирования. Один и тот же агент может быть настроен так, чтобы запрашивать подтверждение перед каждым шагом или выполнять всю задачу целиком самостоятельно.

Исследователи из Вашингтонского университета предлагают пятиуровневую структуру, объясняющую различные степени автономии, которые может иметь агент:

Уровень

Роль человека

Как распределяется работа

Оператор

Человек руководит каждым шагом и принимает решения. Агент претворяет их в жизнь.

Коллаборатор

Человек и агент планируют и выполняют работу вместе, причем человек может взять управление на себя в любой момент.

Консультант

Агент берет инициативу на себя и попутно запрашивает у человека предпочтения или экспертную оценку.

Утверждающий

Агент работает независимо и запрашивает одобрение только для рискованных или заранее определенных шагов.

Наблюдатель

Агент работает с полной автономией. Человек следит за его работой и может ее остановить.

На уровне 4 агент может самостоятельно найти информацию и составить проект заказа на покупку, но остановится перед его отправкой. На уровне 5 он также отправит заказ.

Автономные ИИ-агенты против автоматизации и чат-ботов

Автономные агенты отличаются от чат-ботов и автоматизации рабочих процессов двумя особенностями: они сами определяют свои шаги и совершают действия в других приложениях и на веб-сайтах.

Чат-бот отвечает на вопросы в ходе беседы, но обычно не совершает действий за ее пределами. Автоматизация рабочих процессов выполняет действия, но только следуя шагам, которые кто-то настроил заранее. Распространенным типом является роботизированная автоматизация процессов (RPA) — программное обеспечение, которое повторяет простые задачи на основе правил, например копирование данных из одной системы в другую.

Автономный агент совмещает оба подхода: он действует в другом программном обеспечении и самостоятельно выбирает шаги для достижения цели в рамках предоставленных ему инструментов, разрешений и инструкций.

Жалоба на задержку заказа иллюстрирует это различие. Чат-бот может ответить заранее заготовленным объяснением политики доставки. Автоматизация рабочего процесса может отправить стандартное письмо о задержке заказа. Автономный агент может найти заказ, обнаружить, что он потерялся в пути, оформить замену и обновить информацию для клиента.

Чат-бот

Автоматизация рабочего процесса

ИИ-агент

Автономный агент

Что он делает с запросом

Отвечает в ходе беседы

Выполняет фиксированную последовательность шагов, настроенную заранее

Выполняет задачи с помощью инструментов

Решает многоэтапную задачу от начала до конца

Кто определяет шаги

Человек

Разработчик рабочего процесса

Обязанности разделены между человеком и агентом

Агент

Действует в других программах

Обычно нет

Да, в рамках этапов, для которых он был создан

Да

Да

При возникновении непредвиденной ситуации

Перекладывает это на человека

Останавливается или дает сбой

Часто сверяется с человеком

Корректирует свой план и пробует другой подход

Как работают автономные агенты

Автономный агент полагается на четыре возможности для выполнения задачи: планирование своих шагов, использование инструментов, запоминание того, что он сделал, и проверка собственных результатов. Для решения более масштабных задач некоторые агенты также распределяют работу между командой агентов.

1. Разбиение целей на части и составление планов

Цель обычно слишком велика, чтобы решить ее за один шаг, поэтому первая задача агента — разбить ее на более мелкие подзадачи. Например, если пользователь просит агента спланировать выездное мероприятие команды, он может разделить эту цель на выбор дат, поиск подходящих по бюджету площадок, проверку доступности и составление проекта приглашения.

Агенты могут планировать все заранее или по ходу дела — в зависимости от того, как они созданы. Планирование заранее означает составление каждого шага перед началом работы, что подходит для коротких и предсказуемых задач. Планирование по ходу дела подразумевает набросок следующего шага или двух, выполнение действий и корректировку на основе полученных результатов. Если бы площадка для выездного мероприятия, выбранная в первую очередь, оказалась занятой, агент мог бы перейти к следующему варианту без необходимости начинать все сначала.

Обзор автономных ИИ-агентов на базе LLM, подготовленный Китайским народным университетом, показывает, что второй подход лучше справляется с более сложными задачами, поскольку составить идеальный план до получения каких-либо результатов трудно. Многие агенты совмещают оба подхода: сначала набрасывают общий план, а затем корректируют его по мере работы.

2. Действие с помощью инструментов

Имея на руках план, агент выполняет его шаг за шагом, выбирая инструмент для каждой задачи.

• Для поиска площадок он может использовать веб-поиск с запросом вроде «площадки для выездного мероприятия на 20 человек недалеко от Остина».
• Чтобы проверить доступность, он может открыть страницу бронирования каждого места в браузере и изучить календарь.
• Чтобы отправить приглашение, он может подключиться к электронной почте пользователя через API — интерфейс, который позволяет одной программе запрашивать данные или действия у другой.

После каждого действия агент считывает полученный результат и принимает решение о следующем шаге. Если поиск выдает пять площадок, он проверяет их доступность. Если страница бронирования не загружается, он пробует найти телефон площадки в справочнике или переходит к следующему варианту.

Инструменты, которыми располагает агент, определяют, какие задачи он может решить самостоятельно. Без доступа к электронной почте он сможет составить проект приглашения, но не сможет его отправить.

3. Отслеживание прогресса с помощью памяти

В процессе работы агент должен отслеживать то, что он сделал, и то, что он узнал. К моменту проверки трех площадок ему необходимо знать, какие из них были забронированы, у каких были свободные места и сколько стоит каждая из них. Эта запись хранится в контекстном окне LLM — объеме текста, который модель может обрабатывать одновременно.

Длинные задачи могут выйти за рамки этого контекстного окна. Агенты с долгосрочной памятью справляются с этим, сохраняя информацию вне модели (обычно в базе данных) и извлекая только то, что необходимо для текущего шага.

Долгосрочная память также переносится между задачами. Когда придет время планировать выездное мероприятие на следующий год, агент сможет использовать прошлогодний список площадок и бюджет или вспомнить, что команда предпочитает места, до которых ехать не больше часа.

4. Проверка результатов и исправление ошибок

Хотягентработает,многиенерацииледятзапризнакамитого,чтошагпошоднетак.Еслиформабронированиявозвращаетошибкуилипоискуказываетсяпустым,онопробуетдругойподход.Когдадостигаетсярешение,котороенедолжнопринижатьсявдиночку,например,допустимилинезначительноепревышениебюджетадляплощадки,онообращаетсякчеловекуикорректируетдействиянаосновеответа.

Преждечемвернутьрезультатруботы,многиенерациипроверяютсвоирезультаты.LLMперечитываетто,чтосоздала,сравниваетэтосцельюиперечисляетвсё,чтоупущеноилисделаноневерно.Агентвноситизмененияипроверяетснова,покарезультатнебудетсоответствоватьцели.Есливприглашении,например,отсутствуетадресплощадки,проверказаметитэто,иагентдобавитегопередтем,какотправить.

5. Разделение работы между агентами

Некоторые задачи выполняются быстрее, когда их делят несколько агентов. Главный агент разделяет работу и передает части субагентам.

Perplexity Computer работает именно так. Человек описывает желаемый результат, а Computer разбивает его на задачи и подзадачи, после чего создает субагентов для их выполнения. Субагенты могут искать информацию в интернете, создавать документы, обрабатывать данные или вызывать подключенные сервисы через API.

Когда Computer сталкивается с проблемой, он создает новых субагентов для ее решения. Каждый субагент также может работать на разной модели ИИ, поэтому каждая часть работы передается модели, которая лучше всего для нее подходит.

Таким образом, в примере с выездным мероприятием один субагент может искать площадки, другой — проверять календари команды, а третий — изучать варианты поездки.

Как люди используют автономных агентов

Люди используют автономных агентов в основном для повседневной интеллектуальной работы: исследований, написания текстов, работы с электронной почтой и учебы. В исследовании, проведенном исследователями из Гарварда и Perplexity, задачи по повышению производительности и обучению составили 57% агентных запросов. Приведенные ниже примеры показывают, что агент делает для каждого вида работы.

Исследования и анализ

Исследования хорошо подходят для агентов, поскольку они состоят из множества мелких шагов. Агент может искать, открывать источники, читать их и сравнивать сказанное. Возьмем запрос вроде «найдите три недавних исследования по удаленной работе и производительности и обобщите результаты каждого из них». Агент ищет исследования и открывает наиболее релевантные. Он читает выводы каждого исследования и пишет резюме со ссылками на каждый источник. Если исследование находится за пейволлом, агент переходит к следующему. В исследовании обобщение и анализ информации составляют 7% агентных запросов.

Документы, электронная почта и календари

Агенты часто работают в тех инструментах, которые люди уже используют каждый день. В исследовании Гарварда и Perplexity инструменты для работы с документами и электронная почта от Google оказались двумя самыми популярными направлениями, составив в совокупности около четверти всех агентных запросов. Возьмем запрос вроде «просмотри непрочитанные письма на этой неделе, отметь те, что поступили от клиентов, и подготовь черновики ответов на запросы о расписании». Агент открывает входящие и сортирует сообщения. Он проверяет календарь на предмет свободного времени и готовит проект ответа на каждый запрос. Он может сохранять черновики, не отправляя их, чтобы человек сначала мог просмотреть каждый из них.

Обучение и учебные курсы

Студенты используют агентов для учебы. Учебные курсы являются самой крупной категорией использования агентов в исследовании — на них приходится 13% агентных запросов. Запрос вроде «опроси меня по четвертой главе материалов моего курса» отправляет агента на сайт курса, где он читает главу, составляет вопросы по ключевым моментам и проверяет ответы студента. Такой же подход работает для любого человека, изучающего новый предмет, например, сотрудника, разбирающегося в незнакомой индустрии.

Покупки и сравнение товаров

На покупки приходится 10% агентных запросов, в основном это поиск и сравнение продуктов. Получив задачу «найти стоячий стол стоимостью до 400 долларов с хорошими отзывами», агент выполняет поиск по нескольким ритейлерам, фильтрует по цене и рейтингу, сравнивает лучшие варианты и может добавить лучший из них в корзину. Наличие агента, сравнивающего варианты на нескольких сайтах, может сэкономить массу времени, поскольку человеку больше не нужно открывать и перепроверять каждое объявление.

Семь лучших практик использования автономных агентов

1. Начинайте с задач, которые легко проверить

Лучшими первыми задачами являются те, в которых ошибку легко заметить и дешево исправить. Резюме исследований и сравнение продуктов — хорошие отправные точки. Если агент прикрепляет ссылки на источники, проверка работы занимает несколько минут. По мере роста доверия пользователи могут перекладывать на агентов более масштабные задачи с большим количеством шагов.

2. Установка четких результатов и ограничений

Агент может принимать более правильные решения, когда понимает, почему задача важна. Сильный запрос выглядит как бриф для подрядчика: цель, аудитория, то, что уже известно, и то, что было исключено. «Сравните этих трех поставщиков для записки совету директоров; совету больше всего важны риски реализации, и мы уже исключили всех, у кого нет соответствия SOC 2» дает агенту все необходимое для самостоятельного принятия взвешенных решений.

3. Добавление контрольных точек для утверждения

Некоторые действия нельзя отменить, например, отправку электронной почты, совершение покупки, удаление файлов или отправку формы. Там, где это позволяет агент, настройте его так, чтобы он останавливался и запрашивал подтверждение перед выполнением таких шагов. Сам запрос также может задавать точку остановки. «Подготовь ответы, но не отправляй их» или «добавь лучший вариант в корзину, но не оформляй заказ» указывает агенту точное место, где нужно остановиться и вернуть управление.

4. Проверка плана перед началом работы

Для более масштабной задачи попросите агента составить план перед тем, как приступать к работе. Проверка плана занимает минуту, а исправление недопонимания на этом этапе обходится гораздо дешевле, чем обнаружение ошибки в готовом результате.

5. Ограничение доступа только необходимыми для задачи ресурсами

Каждый аккаунт, к которому агент имеет доступ, — это аккаунт, в котором он может совершать действия. Подключение только тех приложений, которые необходимы для задачи, позволяет обезопасить конфиденциальные данные и ограничить возможные риски. Агенту, который ищет поставщиков, не нужен доступ к электронной почте. Агенту, который пишет черновики ответов, он нужен, но у него может не быть разрешения на их отправку.

6. Включение проверок в сам запрос

Агенты уже умеют проверять собственные результаты, поэтому в запросе можно указать, на что именно стоит обратить внимание. Описание того, как выглядит хороший результат («каждый показатель должен иметь ссылку с датой 2025 года или позже»), заставляет агента применять этот стандарт перед возвратом результатов работы. Просьба отделить подтвержденные факты от собственных выводов агента и отметить допущения делает проверку со стороны человека более быстрой и целенаправленной.

7. Повторное использование того, что работает

Запрос, который дал отличный результат, может стать шаблоном для следующей аналогичной задачи. Предоставление агенту примера качественного результата, например отчета за прошлый квартал, часто приносит больше пользы, чем словесное описание формата. Повторяющиеся задачи могут стать постоянными рабочими процессами.

Как Perplexity подходит к автономным агентам

Perplexity предлагает двух автономных агентов. Comet Assistant справляется с повседневными задачами прямо в браузере, а Perplexity Computer берет на себя более масштабные проекты, которые могут выполняться часами или дольше.

Comet Assistant встроен в Comet, браузер Perplexity на базе искусственного интеллекта. Он работает на уже открытых у пользователя сайтах, поэтому может планировать встречи, редактировать документы, отправлять электронные письма и бронировать авиабилеты без переключения между инструментами.

Computer работает в облаке и разделяет каждую цель на субагенты, как описано ранее. Он подключается к сотням сервисов, и пользователи могут выбирать конкретные модели ИИ для определенных этапов работы. Computer доступен для тарифов Pro и Max

Ознакомьтесь с Comet Assistant, чтобы протестировать агента в браузере, или с Perplexity Computer, чтобы передать ему более крупный проект.

Часто задаваемые вопросы

Является ли автономный агент тем же самым, что и агентный ИИ?

Нет, но эти понятия пересекаются. Агентный ИИ обычно относится к более широкой категории систем ИИ, которые достигают целей путем планирования и совершения действий. Автономный агент — это конкретная система в данной категории, которая выполняет свою работу практически без пошагового одобрения.

Все ли агенты с ИИ являются автономными?

Нет. Некоторые агенты выполняют каждый шаг только по указанию человека, в то время как другие выполняют всю задачу самостоятельно. Описанные ранее уровни автономности показывают весь спектр: от агентов, которыми человек управляет шаг за шагом, до агентов, за которыми человек только наблюдает.

Могут ли автономные агенты совершать покупки или платежи?

Некоторые агенты могут помогать с покупками в зависимости от веб-сайта, разрешений и средств защиты. Comet Assistant может сравнивать товары и помогать с оформлением заказа. Функция Instant Buy от Perplexity позволяет подходящим под критерии пользователям из США приобретать поддерживаемые товары прямо в Perplexity, используя PayPal в качестве варианта оплаты.

Требуются ли для работы с автономными агентами навыки программирования?

Многими готовыми агентами можно пользоваться без написания кода. Некоторые платформы также позволяют создавать агентов с помощью инструкций на естественном языке или графического интерфейса. Написание кода может быть полезно для пользовательских интеграций, отладки и более специализированного поведения.