- يجمع وكلاء LLM بين الفهم اللغوي والذاكرة واستخدام الأدوات والتخطيط لأداء مهام معقدة ومستقلة تتجاوز الدردشة البسيطة.
- ينطوي تحسين وكلاء LLM على تقنيات مثل RAG، والضبط الدقيق، والمطالبة بـ n-لقطة، وهندسة المطالبة المتقدمة لتحسين الدقة والموثوقية.
- يتطلب بناء وكيل LLM أهدافًا واضحة، ومنصة صحيحة، وتهيئة النموذج، والتكامل، والاختبار، والمراقبة المستمرة.
- على الرغم من قوتها، إلا أن وكلاء LLM لديهم حدود مثل الهلوسة ومخاطر الخصوصية وقيود السياق، لذلك يظل التصميم الدقيق والإشراف ضروريين.
ربما تكون على دراية بالموضوع الأكثر إثارة لهذا العام: وكلاء الذكاء الاصطناعي.
معظم وكلاء الذكاء الاصطناعي هؤلاء هم وكلاءLLM . لماذا؟
" ويوضح Sylvain Perron الرئيس التنفيذي Botpress قائلاً: "في السنوات القليلة الماضية، تغيرت الوكلاء المستقلون. "لقد تحسنت النماذج الأساسية. فقد فتحت LLMs طبقة جديدة من التفكير والتجريد."
وبفضل قوة LLMs يمكن بناء وكلاء الذكاء الاصطناعي لإكمال أي نوع من المهام اللغوية أو مهام التفكير.
وبفضل قدراتهم اللغوية والتحليلية، فإنهم يسيطرون ببطء على أماكن عمل ذوي الياقات البيضاء، حيث تخطط أكثر من 80% من الشركات لاستخدام وكلاء الذكاء الاصطناعي في السنوات القليلة القادمة.
وفي حين أن الفئة الواسعة من وكلاء الذكاء الاصطناعي تشمل التطبيقات غير اللغوية (أنظمة التوصية بالمحتوى، والتعرف على الصور، والتحكم الآلي، وما إلى ذلك)، فإن وكلاء LLM هم عادةً برامج ذكاء اصطناعي للمحادثة.
ما هي عوامل LLM ؟
LLM الوكلاء عبارة عن أدوات مدعومة بالذكاء الاصطناعي تستخدم نماذج لغوية كبيرة لتفسير اللغة وإجراء المحادثات وأداء المهام.
تم بناء هذه الوكلاء على خوارزميات معقدة تم تدريبها على كميات هائلة من البيانات النصية، مما يمكنها من فهم اللغة وإنتاجها بطريقة تحاكي التواصل البشري.
LLM يمكن دمج الوكلاء في وكلاء الذكاء الاصطناعي، وروبوتات الدردشة الآلية، والمساعدين الافتراضيين، وبرامج توليد المحتوى، وغيرها من الأدوات التطبيقية.
كيف يعمل وكلاء LLM
يجمع وكلاء LLM بين قوة LLM والاسترجاع والاستدلال والذاكرة واستخدام الأدوات لإكمال المهام بشكل مستقل. دعونا نفصل ما يفعله كل عنصر من هذه المكونات.
تسمح هذه الإمكانيات مجتمعةً لوكلاء LLM بتنفيذ عمليات سير عمل معقدة ومتعددة الخطوات باستقلالية تامة.
على سبيل المثال:
- يسترجع وكيل مبيعات B2B بيانات CRM عن العميل المحتمل، ويحلل تطور الصفقة، ويتذكر التفاعلات السابقة مع العميل المحتمل حتى يتمكن من تخصيص المتابعة، ويستخدم واجهات برمجة تطبيقات البريد الإلكتروني والتقويم لإرسال وجدولة المواعيد.
- يسترجع وكيل تكنولوجيا المعلومات سجلات النظام لتشخيص الخطأ، ويحلل خطوات استكشاف الأخطاء وإصلاحها للحصول على أفضل استراتيجية، ويتذكر ما نجح في مشاكل المستخدمين السابقة، وينفذ البرامج النصية لإعادة تشغيل الخدمات أو إنشاء تذكرة.
ما هي الميزات الـ 4 التي تميز وكيل LLM
هناك أربع سمات رئيسية لعامل LLM :
1. نموذج اللغة
غالبًا ما يعتبر نموذج اللغة "دماغ" العامل LLM . وتؤثر جودته وحجمه بشكل مباشر على أداء الوكيل LLM .
إنها خوارزمية متطورة تم تدريبها على مجموعات بيانات هائلة من النصوص، مما يسمح لها بفهم السياق والتعرف على الأنماط وإنتاج ردود متماسكة وذات صلة بالسياق.
- تحديد الأنماط اللغوية وتعلمها
- اكتساب درجة من الوعي السياقي (بفضل بيانات التدريب الهائلة)
- التكيف عبر مجالات مختلفة والتعامل مع مجموعة واسعة من الموضوعات
يحدد النموذج اللغوي عمق ودقة وملاءمة الاستجابات التي تشكل أساس القدرات اللغوية للوكيل.
2. الذاكرة
تشير الذاكرة إلى القدرة على الاحتفاظ بالمعلومات من التفاعلات السابقة، مثل الحقائق أو تفضيلات المستخدم أو الموضوعات عبر الجلسات.
وهذا يعزز الفهم السياقي للوكيل ويجعل المحادثات أكثر استمرارية وملاءمة.
في بعض الإعدادات، تسمح الذاكرة للوكيل بالاحتفاظ بالمعلومات بمرور الوقت. وهذا يدعم التفاعل طويل الأمد حيث "يتعلم" الوكيل من سلوك المستخدم أو تفضيلاته المتكررة، على الرغم من أن هذا الأمر غالبًا ما يتم تنظيمه من أجل الخصوصية والملاءمة.
3. استخدام الأدوات
ويؤدي استخدام الأداة إلى نقل العامل LLM من المحادثة إلى الفعل.
يمكن للوكيل LLM أن يتكامل مع التطبيقات الخارجية أو قواعد البيانات أو واجهات برمجة التطبيقات لأداء وظائف محددة.
وهذا يعني أن بإمكانها جلب المعلومات في الوقت الحقيقي، أو تنفيذ إجراءات خارجية، أو الوصول إلى قواعد البيانات المتخصصة، مما يمنحها القدرة على توفير المعلومات في الوقت الحقيقي. وهذا يشمل:
- استدعاء واجهات برمجة التطبيقات
- سحب البيانات المباشرة، مثل تحديثات الطقس أو أسعار الأسهم
- جدولة الاجتماعات أو المواعيد
- الاستعلام عن قواعد البيانات، مثل كتالوجات المنتجات أو وثائق سياسة الموارد البشرية
يسمح استخدام الأدوات للوكيل LLM بالانتقال من نظام سلبي قائم على المعرفة إلى مشارك نشط قادر على التفاعل مع الأنظمة الأخرى.
4. التخطيط
التخطيط هو قدرة العامل LLM على تقسيم المهام المعقدة إلى سلسلة من الخطوات التي يمكن إدارتها.
يمكن للوكيل LLM التخطيط مع أو بدون ملاحظات. ما الفرق؟
- التخطيط بدون تغذية مرتدة يعني أن الوكيل LLM سيقوم بإنشاء خطة بناءً على فهمه الأولي. إنه أسرع وأبسط، ولكنه يفتقر إلى القدرة على التكيف.
- التخطيط مع التغذية الراجعة يعني أن الوكيل LLM يمكنه تحسين خطته باستمرار، مع أخذ المدخلات من بيئته. إنه أكثر تعقيدًا، ولكنه يجعله أكثر مرونة ويحسن الأداء بمرور الوقت.
من خلال التخطيط، يمكن للوكيل LLM إنشاء تدفقات منطقية تتحرك تدريجياً نحو الحل، مما يجعله أكثر فعالية في التعامل مع الطلبات المعقدة.
ما هي أنواع وكلاء LLM الـ 4؟
.webp)
1. وكلاء المحادثة (مثل دعم العملاء وتوليد العملاء المحتملين)
تنخرط هذه الأنواع من الوكلاء في حوار طبيعي مع المستخدمين، وغالباً ما يقدمون المعلومات ويجيبون عن الأسئلة ويساعدون في مهام مختلفة.
وتعتمد هذه العوامل على LLMs لفهم وتوليد استجابات شبيهة باستجابات البشر.
أمثلة على ذلك: وكلاء دعم العملاء وروبوتات الدردشة الآلية للرعاية الصحية
2. الوكلاء الموجهون للمهام (مثل مساعدي الذكاء الاصطناعي وسير عمل الذكاء الاصطناعي)
يتفاعل هؤلاء الوكلاء الذين يركزون على أداء مهام محددة أو تحقيق أهداف محددة مسبقًا مع المستخدمين لفهم احتياجاتهم ثم تنفيذ إجراءات لتلبية تلك الاحتياجات.
أمثلة على ذلك: مساعدو الذكاء الاصطناعي وروبوتات الموارد البشرية
3. العوامل الإبداعية (مثل أدوات توليد المحتوى)
هذه الوكلاء قادرون على توليد محتوى أصلي وإبداعي مثل الأعمال الفنية أو الموسيقى أو الكتابة، ويستخدمون LLMs لفهم تفضيلات البشر والأساليب الفنية، مما يمكنهم من إنتاج محتوى يلقى صدى لدى الجماهير.
أمثلة: أدوات توليد المحتوى وأدوات توليد الصور (مثل Dall-E)
4. الوكلاء التعاونيون (مثل وكلاء الذكاء الاصطناعي للمؤسسات)
تعمل هذه الوكلاء جنباً إلى جنب مع البشر لإنجاز أهداف أو مهام مشتركة، مما يسهل التواصل والتنسيق والتعاون بين أعضاء الفريق أو بين البشر والآلات.
LLMs قد تدعم الوكلاء المتعاونين من خلال المساعدة في اتخاذ القرارات أو إنشاء التقارير أو تقديم رؤى.
أمثلة على ذلك: معظم وكلاء الذكاء الاصطناعي للمؤسسات وروبوتات الدردشة الآلية لإدارة المشاريع
كيف تستخدم الشركات وكلاء LLM
تستفيد الشركات من وكلاء LLM في المجالات التي تنطوي على معالجة اللغة الطبيعية والاستجابة لها، مثل الإجابة على الأسئلة، وتقديم الإرشادات، وأتمتة سير العمل، وتحليل النصوص.
غالبًا ما تستخدم الشركات LLM وكلاء للتسويق وتحليل البيانات والامتثال والمساعدة القانونية ودعم الرعاية الصحية والمهام المالية والتعليم.
فيما يلي 3 من أكثر حالات الاستخدام شيوعًا لعوامل LLM :
دعم العملاء
وفقاً لدراسة أجراها خبير الأتمتة باسكال بورنيت على 167 شركة، فإن خدمة العملاء هي حالة الاستخدام الأكثر شيوعاً لاعتماد وكيل الأتمتة LLM .
LLM يُستخدم الوكلاء على نطاق واسع في دعم العملاء للتعامل مع الأسئلة الشائعة واستكشاف المشكلات وإصلاحها وتقديم المساعدة على مدار الساعة طوال أيام الأسبوع.
يمكن لهؤلاء الوكلاء التفاعل مع العملاء في الوقت الفعلي، وتقديم المساعدة الفورية أو تصعيد الاستفسارات المعقدة إلى وكلاء بشريين.
انظر أيضًا: ما هي خدمة العملاء chatbot ؟
المبيعات وتوليد العملاء المحتملين
في مجال المبيعات، يُستخدم وكلاء LLM العملاء المحتملين في المبيعات لتوليد العملاء المحتملين بالذكاء الاصطناعي، بل ويمكنهم تأهيل العملاء المحتملين بعد ذلك من خلال إشراك العملاء المحتملين في المحادثات وتقييم الاحتياجات وجمع المعلومات القيمة.
ويمكنها أيضًا أتمتة تفاعلات المتابعة، وإرسال توصيات مخصصة أو معلومات عن المنتجات بناءً على اهتمامات العميل.
انظر أيضًا: كيفية استخدام الذكاء الاصطناعي في المبيعات
الدعم الداخلي: الموارد البشرية وتكنولوجيا المعلومات
بالنسبة للدعم الداخلي، يعمل وكلاء LLM الموارد البشرية وتكنولوجيا المعلومات على تبسيط عمليات الموارد البشرية وتكنولوجيا المعلومات من خلال التعامل مع الاستفسارات الشائعة من الموظفين.
في الواقع، وجدت دراسة بورنيت أن وكلاء LLM في العمليات الداخلية كانوا الأكثر فعالية من حيث التكلفة، حيث وفروا 30-90% من الوقت الذي كان يستغرقه إنجاز المهام الداخلية في السابق.
في الموارد البشرية، يجيبون على الأسئلة المتعلقة بمواضيع مثل المزايا وسياسات الإجازات وكشوف الرواتب، بينما في تكنولوجيا المعلومات، يقدمون استكشاف الأخطاء وإصلاحها للمشاكل التقنية الأساسية أو أتمتة المهام الروتينية مثل إعداد الحساب.
وهذا يسمح لفرق الموارد البشرية وتكنولوجيا المعلومات بالتركيز على المسؤوليات الأكثر تعقيداً، بدلاً من الأعمال الشاقة المتكررة.
انظر أيضًا: أفضل وكلاء الذكاء الاصطناعي للموارد البشرية
كيفية التحسين LLM استجابات الوكيل
إذا كنت تقوم بتخصيص LLM لمشروع الذكاء الاصطناعي ، فستحتاج إلى تعديل الاستجابات القياسية التي سيقدمها النموذج العام للمستخدمين. (لا يمكنك الحصول على نموذجك العام) chatbot قد ترغب أيضًا في استخدام منطق أعمال مخصص ، بحيث يعمل بشكل أشبه بموظف مدرب بدلاً من توليد لغة عشوائية.
هناك أربعة مفاهيم عامة تعمل على تحسين جودة LLM الردود:
- RAG
- الضبط الدقيق
- المطالبة بـ N- اللقطة
- الهندسة الفورية
1. التوليد المعزز بالاسترجاع
RAG هو اسم منمق لشيء بسيط قمنا به جميعًا في ChatGPT: لصق بعض النصوص في ChatGPT وطرح سؤال عنها.
من الأمثلة النموذجية على ذلك السؤال عما إذا كان هناك منتج معين متوفر على موقع للتجارة الإلكترونية، و chatbot البحث عن المعلومات في كتالوج المنتج (بدلاً من الإنترنت الأوسع).
فيما يتعلق بسرعة التطوير، والحصول على المعلومات في الوقت الفعلي، فإن RAG أمر لا بد منه.
لا يؤثر عادةً على النموذج الذي ستختاره، ومع ذلك لا شيء يمنعك من إنشاء نقطة نهاية LLM API تستعلم عن المعلومات والإجابات واستخدام نقطة النهاية هذه كما لو كانت نقطة النهاية هذه LLM.
غالبًا ما يكون استخدام RAG لـ chatbot أسهل في الصيانة، حيث لا تحتاج إلى ضبط النموذج وتحديثه باستمرار - مما قد يقلل أيضًا من التكاليف.
2. الضبط الدقيق
يتضمن الضبط الدقيق تقديم أمثلة لنموذجك حتى يتعلم كيفية القيام بمهمة معينة بشكل جيد. إذا كنت تريده أن يتفوق في التحدث عن منتجك، فيمكنك تقديم مجموعة من الأمثلة لأفضل مكالمات المبيعات في شركتك.
إذا كان النموذج مفتوح المصدر، اسأل نفسك ما إذا كان فريقك لديه القدرة الهندسية الكافية لضبط النموذج.
إذا كان النموذج مغلق المصدر ويتم توفيره كخدمة - GPT-4 أو كلود - فيمكنك عادةً أن تطلب من مهندسيك ضبط النماذج المخصصة باستخدام واجهات برمجة التطبيقات. وعادةً ما يرتفع السعر بشكل كبير من خلال هذه الطريقة، ولكن الصيانة قليلة أو معدومة.
ولكن بالنسبة للعديد من حالات الاستخدام، لا يعد الضبط الدقيق الخطوة الأولى نحو تحسين نموذجك.
من الحالات الرائعة للضبط الدقيق بناء روبوت معرفي للمعرفة الثابتة. من خلال إعطاء أمثلة للأسئلة والأجوبة، يجب أن يكون قادرًا على الإجابة عليها في المستقبل دون البحث عن الإجابة. ولكنه ليس حلاً عملياً للمعلومات في الوقت الحقيقي.
3. تعلم اللقطة N
إن أسرع طريقة للبدء في تحسين جودة الاستجابات هي تقديم أمثلة في مكالمة واحدة لواجهة برمجة التطبيقات LLM .
اللقطة الصفرية - إعطاء صفر من الأمثلة على ما تبحث عنه في الإجابة - هي الطريقة التي يستخدمها معظمنا ChatGPT. عادةً ما تكون إضافة مثال واحد (أو لقطة واحدة) كافية لرؤية تحسن كبير في جودة الإجابة.
يُعتبر أكثر من مثال واحد هو n-shot. لا يغير N-shot النموذج، على عكس الضبط الدقيق. أنت ببساطة تعطي أمثلة قبل طلب الإجابة مباشرة، في كل مرة تطرح فيها سؤالاً.
لكن لا يمكن الإفراط في استخدام هذه الاستراتيجية: LLM النماذج لها حد أقصى لحجم السياق، ويتم تسعيرها وفقًا لحجم الرسالة. يمكن للضبط الدقيق أن يزيل الحاجة إلى أمثلة اللقطة ن، ولكنه يستغرق وقتًا أطول للحصول على الشكل الصحيح.
4. تقنيات الهندسة السريعة
هناك تقنيات هندسية سريعة أخرى، مثل تسلسل الأفكار، والتي تجبر النماذج على التفكير بصوت عالٍ قبل الخروج بإجابة.
هناك أيضًا تسلسل المطالبات ، الذي يشجع النماذج على تقسيم المهام المعقدة إلى خطوات أصغر من خلال تشغيل مطالبات متعددة بالتتابع.
يمكن أن تؤدي هذه الاستراتيجيات إلى زيادة جودة وموثوقية الاستجابات بشكل كبير - خاصة بالنسبة للمهام التي تعتمد على التفكير المنطقي - ولكنها غالبًا ما تأتي على حساب استجابات أطول، واستخدام رمز أعلى، وأداء أبطأ.
وهذا يزيد من جودة الاستجابة، ولكن على حساب طول الاستجابة وتكلفتها وسرعتها.
كيفية بناء LLM وكيل في 6 خطوات
1. تحديد الأهداف
تتمثل الخطوة الأولى في بناء وكيل ذكاء اصطناعي أو chatbot في تحديد ما تريده بالضبط أن ينجزه.
وضح ما تريد من الوكيل LLM تحقيقه، سواء كان ذلك المساعدة في استفسارات العملاء، أو إنشاء المحتوى، أو التعامل مع مهام محددة.
سيؤدي تحديد أهداف واضحة إلى تشكيل إعداد الوكيل وتكوينه.
2. اختر منصة الذكاء الاصطناعي
تعتمد أفضل منصات الذكاء الاصطناعي بالكامل على أهدافك واحتياجاتك.
اختر منصة تتوافق مع متطلباتك، مع الأخذ في الاعتبار عوامل مثل خيارات التخصيص وإمكانيات التكامل وسهولة الاستخدام والدعم.
يجب على المنصة
- دعم حالة الاستخدام المطلوبة
- اعرض ما تفضله LLMs
- عرض إمكانيات التكامل
3. قم بتكوين LLM
استناداً إلى خيارات المنصة، إما أن تختار نموذجاً مُعداً مسبقاً LLM أو أن تقوم بضبط نموذج للمهام المتخصصة إذا لزم الأمر.
تقدم العديد من المنصات نماذج لغوية مدمجة مُدرّبة مسبقاً وجاهزة للاستخدام.
إذا كنت مهتمًا بتخصيص استخدام LLM الخاص بك، اقرأ مقالتنا حول اختيار خيار LLM مخصص لمشروع الذكاء الاصطناعي الخاص بك من مهندس النمو لدينا، Patrick Hamelin.
4. دمج الأدوات
توفر معظم المنصات خيارات تكامل للأدوات الخارجية. قم بتوصيل أي واجهات برمجة تطبيقات أو قواعد بيانات أو موارد سيحتاج وكيلك إلى الوصول إليها، مثل بيانات إدارة علاقات العملاء أو المعلومات في الوقت الفعلي.
5. الاختبار والتحسين
اختبر الوكيل بدقة باستخدام أدوات الاختبار المدمجة في المنصة. اضبط المعلمات وصياغة المطالبة وسير العمل بناءً على نتائج الاختبار لضمان أداء الوكيل بشكل جيد في السيناريوهات الحقيقية.
6. النشر والمراقبة
استخدم أدوات المراقبة الخاصة بالمنصة لتتبع تفاعلات الوكيل وأدائه بعد النشر.
اجمع الرؤى وحسّن الإعداد حسب الحاجة، مستفيدًا من أي آليات تغذية راجعة توفرها المنصة.
نشر عامل مخصص LLM
LLM يصل الوكلاء إلى معدلات اعتماد جماعية بين الشركات - في خدمة العملاء والعمليات الداخلية والتجارة الإلكترونية. ستشعر الشركات التي تتباطأ في تبني هذه التكنولوجيا بعواقب تفويت موجة الذكاء الاصطناعي.
Botpress هي منصة وكلاء ذكاء اصطناعي قابلة للتوسيع بلا حدود مصممة للمؤسسات. يسمح موقعنا stack للمطورين ببناء وكلاء LLM بأي قدرات قد تحتاجها.
تضمن لك مجموعة الأمان المحسّنة لدينا حماية بيانات العميل دائماً، والتحكم الكامل في بيانات العميل من قِبل فريق التطوير الخاص بك.
ابدأ البناء اليوم. إنه مجاني.
أو اتصل بفريقنا لمعرفة المزيد.
الأسئلة الأكثر تداولًا
1. ما الفرق بين وكيل LLM chatbotلية؟
يتمثل الفرق بين وكيل LLM chatbot الآلية في أن chatbot يتبع قواعد أو تدفقات محادثة محددة مسبقًا، بينما يستخدم وكيل LLM نموذجًا لغويًا كبيرًا لفهم القصد واسترداد البيانات وتنفيذ الإجراءات باستخدام أدوات أو واجهات برمجة التطبيقات وتكييف استجاباته ديناميكيًا. تم تصميم وكلاء LLM للتفكير والتصرف بشكل مستقل بدلاً من مجرد الرد.
2. هل يمكن لوكلاء LLM العمل بدون اتصال بالإنترنت؟
لا يعمل وكلاء LLM بدون اتصال بالإنترنت إلا إذا كان نموذج اللغة وجميع الأدوات أو البيانات المطلوبة مستضافة محلياً في مكان العمل. ومع ذلك، فإن معظم وكلاء LLM الإنتاجية يعتمدون على واجهات برمجة التطبيقات السحابية أو الخدمات الخارجية لمهام مثل البحث المحدث أو الوصول إلى إدارة علاقات العملاء.
3. هل يحتاج وكلاء LLM دائمًا إلى واجهة خلفية لنموذج اللغة؟
نعم، يحتاج وكلاء LLM دائمًا إلى واجهة خلفية لنموذج لغوي لأن البنية بأكملها تعتمد على قدرة النموذج على معالجة مدخلات اللغة الطبيعية وتوليد المخرجات. فبدون نموذج LLM لا يمكن للوكيل فهم مطالبات المستخدم أو تحديد ما يجب القيام به.
4. ما هي القيود أو المخاطر الرئيسية لاستخدام وكلاء LLM اليوم؟
تشمل القيود الرئيسية لاستخدام وكلاء LLM الهلوسة (توليد استجابات غير دقيقة) والتسريبات المحتملة للبيانات إذا لم يتم تأمين المدخلات/المخرجات بشكل صحيح. كما أنها تتطلب تصميمًا ومراقبة مدروسة لضمان سلوك موثوق ومتوافق في الاستخدام الواقعي.
5. ما هي القطاعات التي تتبنى وكلاء LLM بأسرع ما يمكن؟
تشمل القطاعات التي تتبنى وكلاء LLM بأسرع ما يمكن دعم العملاء، وإدارة خدمات تكنولوجيا المعلومات، وإدارة الرعاية الصحية، والخدمات المالية، ومبيعات الأعمال بين الشركات، حيث يمكن أتمتة كميات كبيرة من المهام اللغوية المتكررة لتحقيق الكفاءة والتوسع.
.png)
