什么是人工智能代理？

步骤 1：感知

首先，人工智能代理接收来自不同来源的输入。根据其目的，这些来源可能包括

• 用户互动
• 从外部系统提取数据的应用程序接口
• 来自联网应用的传感器或日志
• 存储知识库--如库存表、人力资源政策等。

步骤 2：处理

一旦获得数据，人工智能代理就需要理解这些数据。人工智能代理可能会使用 NLP、结构化数据或实时信号来处理任何输入。如果它需要从数据库中获取相关知识，可能会使用检索增强生成（RAG）来检索。

步骤 3：决策

决策过程将取决于建筑商如何构建人工智能代理。它可能会使用定制的业务逻辑，比如根据销售团队设计的公式来决定线索是否合格。 

它还可能使用机器学习预测或强化学习，比如根据过去的欺诈案例将交易标记为欺诈。

最好的人工智能代理工具会考虑到人工智能的可解释性：人工智能代理能在多大程度上阐明其决策背后的推理。

步骤 4：采取行动

经过感知、处理和决策之后，人工智能代理就可以采取行动了。

人工智能代理可以采取的行动没有限制。它可以跟进一个简单的文本回复，比如 "这 3 个账户显示出潜在流失的迹象。

它可能会触发 API 调用，如从仓库系统获取实时库存数据或启动密码重置请求。

其他人工智能代理则直接采取运营行动，如调整电子商务商店的定价、安排销售电话、重新安排物流运输路线或根据安全策略修改系统设置。

有些人工智能代理甚至还能与外部应用程序进行交互，如根据预定义的业务规则自动执行客户关系管理系统（CRM）中的工作流程、更新客户记录或退款。这些代理可以从头到尾完成整个代理式人工智能工作流程。

无论采取何种行动，人工智能代理都能确保其反应与决策过程保持一致，而且在许多情况下，它还能从结果中吸取经验教训，改进未来的行动。

1.LLM 路由

首先，您需要将人工智能代理的认知工作外包给一名 LLM.事实上，有时你会听到 "LLM 代理"这个词，它是人工智能代理的一个子集。 

一个优秀的特工应该能够针对不同的任务使用不同的LLMs 。目前还没有一种最优秀的LLM，尤其是在快速发展的今天。对于人工智能代理来说，在生成长文本时使用一种模型，而在分析用户输入时使用另一种模型，可能会有好处。

所有人工智能代理都是LLM 代理吗？几乎是，但不完全是。不使用LLMs 的人工智能代理包括机器人流程自动化机器人、多代理系统（如交通控制系统或蜂群智能）以及强化学习代理（如机器人学中的强化学习代理）。

2.身份和说明

任何人工智能代理都需要一个身份、使命和目标。它为什么存在？它要完成什么任务？

举个例子：IT 支持公司客户服务团队的第一道防线。这个人工智能代理的目标可能是正确解决尽可能多的客户问题，同时将复杂的案例升级到人工代理。 

说明不仅应定义其角色，还应定义其决策阈值（即何时应升级或将用户转到其他地方？

3.工具

工具是人工智能代理收集数据和采取行动的方式。 

由于具有自主性，人工智能代理可以选择使用哪些工具来完成任务。 

例如，潜在客户生成人工智能代理的任务可能是在 Hubspot 中创建合格的潜在客户。根据用户的互动，代理可能会选择检查 CRM 中是否有重复内容、为用户推荐特定内容或询问更多问题，直到他们能够为线索打分。

人工智能代理的工具库可以包括

• 外部系统，如 HubSpot、Linear 或Zendesk
• 代码执行，以便创建临时工具
• 内置功能
• 其他人工智能代理
• 人类（例如，人工智能代理在执行任务前需要人类的批准）

4.记忆与知识

人工智能代理的记忆和知识决定了它知道什么以及如何长期保留信息。传统软件只是按需检索信息，与之不同的是，人工智能代理可以存储、回忆并在过去互动的基础上做出更明智的决策。

例如，客户支持人工智能代理可以记住用户过去的故障排除尝试，避免重复无效的解决方案。销售人工智能代理可以回忆起以前与潜在客户的互动，并相应地调整信息传递。

人工智能代理主要依靠两类存储器：

1. 短期记忆- 正在进行的对话或任务中的临时语境，如用户的语言偏好。
2. 长期记忆- 代理人可长期使用的持久性知识，如回忆订单量或供应商偏好。

除了记忆，人工智能代理还能访问结构化和非结构化知识源，如数据库和应用程序接口、公司知识库或其他相关文档。

5.渠道

渠道是人工智能代理与用户互动的方式。它可以使用文本、图像、视频或语音，具体取决于使用情况。它可以通过网站小工具、webchat 界面与用户联系、 

人工智能代理可以部署在webchat 小工具、消息应用程序WhatsApp、Messenger、Telegram、Slack 等）上，甚至嵌入到电子邮件工作流程中。

在语音交互方面，语音代理可以与电话系统或智能助手集成，而基于文本的代理则可以在即时聊天、短信或企业内部工具中操作。

‍

6.管治 

人工智能法律在全球范围内不断演变，如果不考虑合规性，建立人工智能代理就是白费力气。治理可确保人工智能代理以合乎道德、透明和合法的方式运行。

一个管理良好的人工智能代理如下：

• 遵守政策- 符合品牌准则、基调和业务规则。
• 报告和 KPI 跟踪- 监控性能、偏差和决策准确性。
• 审批和人工环路 (HITL)- 要求对关键操作进行人工验证。
• 反馈机制- 根据用户的意见和监督不断改进‍
• 合规性和审计跟踪- 记录决策和行动，以满足监管要求。

客户服务

人工智能代理最常见的应用之一就是简陋的客户支持机器人。

这些虚拟代理可以为客户指出特定的政策，提供个性化的产品建议，甚至处理重设密码等账户任务。

公司提供客户服务聊天机器人已成为常态，但过去基于规则的聊天机器人往往会给品牌带来负面影响。如今，为企业用户提供服务的是动态LLM 代理。

我们正在进入人工智能聊天机器人的消亡期和人工智能代理的崛起期。即使（尤其是）客户支持机器人也需要提升水平。

潜在客户生成

在Botpress 上部署的大多数人工智能代理--至少在撰写本文时--都是某种形式的线索生成代理。

潜在客户代理是人工智能销售代理的一个子集。它们通常会向用户分发关键信息，并沿途收集合格的潜在客户，在无需人工干预的情况下将其发送给销售团队。 

Waiver Group 是一家医疗保健咨询公司，在使用机器人取代 "联系我们 "表单后，他们的潜在客户增加了 25%。Waiverlyn 会与网站访客交谈，对潜在客户进行资格审查，并预订Google Calendar 活动，所有这一切都无需人工干预。

知识管理

知识管理是机器人比人类更擅长的一种使用案例，它可以涵盖从内部文档到面向客户的自助服务系统。

员工可能会浪费数小时的时间来搜索埋藏在维基、PDF、电子邮件或支持票据中的关键信息。人工智能代理可以用相关的账户信息、政策或故障排除步骤来响应自然语言查询。 

在面向客户方面，这可能会像一个保险机器人，帮助用户找到相关表格和指南。

工作流和任务协调

工作流和任务协调 人工智能代理不只是执行单一的操作，它们还能在不同系统间协调多个步骤。(这有时被称为人工智能协调）。

• 采购人工智能代理可能会自动生成采购请求，根据预算对其进行交叉检查，并在下订单前将其发送给经理审批。 
• 在人力资源方面，入职人工智能代理可以为新员工安排培训、提供软件访问权限并设置薪资，而无需任何人动一根手指。 
• IT 部门的人工智能代理 可以分流支持票据、检查系统日志，并将未解决的问题上报给工程师。

人工智能代理不再是企业为每个流程拼接不同的自动化工具，而是充当集中的协调者，动态处理整个工作流程，实时做出决策，并根据情况变化进行调整。

这种类型的人工智能工作流程自动化是人工智能代理最常见的使用案例之一。人工智能很容易应用于占用知识工作者时间的日常小任务。

开发人员联合飞行员

人工智能代理正成为开发人员的必备工具，可加快编码、调试和文档编制的速度。人工智能副驾驶可以实时自动完成代码、标记错误并提出优化建议。

除了编码，这些代理还能帮助进行拉取请求审查、安全检查和依赖关系跟踪。对于工程团队来说，人工智能协同驾驶意味着更快的开发周期、更少的错误和更少的重复性工作时间。

虚拟助理

有时，你需要的只是一些额外的帮助。有人可以帮助你进行研究、分析指标或整合信息。也许你需要一个私人日程安排员，为即将到来的任务发送提醒，或者一个能起草电子邮件和汇总报告的助理。

这些空白可以由人工智能代理助理来填补，它们是代表你执行任务的软件程序。

人工智能助手的概念我们已经耳熟能详，比如 Siri 和 Alexa（最著名的语音助手）。人工智能代理可以实现下一步的深度个性化规划。

如果您正在计划度假，人工智能旅行社助理不仅可以为您推荐新的旅游目的地和酒店，还可以为您选择最佳航班和酒店，然后代您预订。

1.可扩展、灵活

人工智能代理并不局限于僵化的工作流程。它们会根据上下文动态选择工具、应用程序接口和模型，因此适应性更强。

2.自主决策 

人工智能代理无需预先定义每个流程，而是实时做出决策并执行端到端任务。它们的构建速度更快，部署后效率更高。

3.可在各种用例中扩展 

为客户支持而构建的人工智能代理可以扩展到处理销售、内部工作流程或人力资源自动化，而无需彻底重建。

4.全天候服务

人工智能代理可持续运行，处理任务、响应用户和执行工作流，而不会出现停机。

5.规模成本效益

人工智能代理可减少客户支持、销售和内部运营对大型人工团队的需求，同时保持高质量的服务。

6.端到端自动化

人工智能代理不仅能回答问题，还能执行工作流、触发客户关系管理中的操作、管理审批并做出真正的决策，从而减少运营瓶颈。

7.无缝系统集成

人工智能代理与 Salesforce、HubSpot、Zendesk、Slack 等工具以及专有系统相连接，确保了统一的技术stack。

8.更快的价值实现时间（TTV）

与传统的自动化项目不同，人工智能代理可从互动中学习并不断改进，从而加快部署速度和投资回报率。

9.提高准确性和合规性 

人工智能代理可以遵循品牌准则、法律框架和决策逻辑，确保在业务政策范围内运行。

多代理系统

多代理系统（MAS）由多个人工智能代理组成，这些代理通过互动来实现总体目标。 

这些系统通常设计用于处理过于庞大、复杂或分散的任务，这些任务无法由单个人工智能代理进行管理。适当的人工智能代理路由选择可确保将正确的任务分配给正确的代理。

多代理系统中的每个代理都可以独立行动，感知和解释环境，做出决策，然后采取行动实现目标。人工智能代理评估系统可对多代理系统的效率进行评估，其中包括定量和定性分析。

例如，一家市场研究公司可以使用 MAS ，其中一名代理收集行业报告，另一名代理提取关键见解，第三名代理将研究结果总结为客户准备好的简报，第四名代理监控数据的准确性并随着时间的推移完善产出。

简单反射剂

简单的条件反射代理根据一套预定义的条件-行动规则进行操作。它们只对当前的感知做出反应，而不考虑先前感知的历史。

它们适用于复杂程度有限、能力范围较窄的任务。智能恒温器就是一个简单反射代理的例子。

‍

基于模型的反射代理

基于模型的代理会维护其环境的内部模型，并根据对模型的理解做出决策。这使它们能够处理更复杂的任务。 

它们被用于开发自动驾驶汽车技术，因为它们可以收集车速、前车距离和即将到达的停车标志等数据。代理可以根据汽车的速度和制动能力，做出何时刹车的明智决定。

基于效用的代理

基于效用的代理通过考虑每种可能行动的预期效用来做出决策。在需要权衡不同选项并选择预期效用最高的选项时，通常会使用它们。如果你想让代理推荐一些东西，比如行动方案或某项任务所需的不同类型的计算机，基于效用的代理就能帮上忙。

学习代理

学习型代理是为在未知环境中运行而设计的。它们从自己的经验中学习，并随着时间的推移调整自己的行动。深度学习和神经网络经常被用于学习型代理的开发。

它们通常用于电子商务和流媒体平台技术中，为个性化推荐系统提供动力，因为它们会随着时间的推移了解用户的喜好。 

信念--愿望--意向代理

信念-愿望-意图代理通过保持对环境、愿望和意图的信念来模拟类似人类的行为。它们可以据此进行推理并计划行动，因此适用于复杂系统。

基于逻辑的代理

基于逻辑的代理使用演绎推理做出决策，通常是通过逻辑规则。它们非常适合需要复杂逻辑推理的任务。

基于目标的代理

基于目标的代理为实现其目标而行动，并能相应地调整其行动。它们可以根据当前行动的未来后果，以更灵活的方式做出决策。

基于目标的代理的一个常见应用是机器人技术--比如代理在仓库中导航。它可以分析潜在的路径，并选择最有效的路线到达目标目的地。

步骤 1：确定试点用例

"我们来搞一个人工智能代理吧！"如果你的老板在阅读了有关 "人工智能代理年 "的最新头条新闻后对你说了这句话，那么你就需要确定应该试用哪种人工智能代理了。

炒作很容易让人迷失方向，但最好的方法是从一个清晰、有影响力的用例开始。

考虑代理可在哪些方面减少工作量、提高准确性或增强决策能力，例如线索鉴定、客户支持或内部知识检索。

一个强大的试点用例应该足够小，以便快速实施，但又有足够的价值来证明其影响。正确的选择将更容易获得认同，证明投资回报率，并为更广泛地采用人工智能奠定基础。

步骤 2：找到合适的平台

正确的工具完全取决于您的具体情况--您有多少内部开发专长？有多少时间？您需要代理完成哪些工作（不仅是试点用例，还包括长期工作）？

在大多数情况下，使用人工智能平台而不是从零开始是有意义的。最佳选择往往是一个垂直、灵活的平台：一个允许您构建任何用例并连接任何外部工具的构建软件。 

您可以查看我们的最佳人工智能代理构建工具、最佳聊天机器人平台甚至最佳开源平台列表。但我还是实话实说--我对我们的平台很有偏见。35% 的财富 500 强企业和 500,000+ 的构建者都在使用Botpress 。我们部署人工智能代理已有多年，而且开始使用是免费的，所以你不会有任何损失。

步骤 3：整合工具

如果您的人工智能代理将创建 Hubspot 潜在客户，那么您首先要将人工智能平台与 Hubspot 集成。 

虽然一个好的平台会带有预建集成，但利基用例需要进一步定制代理的连接器。如果您的团队集成了多个系统（内部工具或第三方软件），您的代理可以充当人工智能协调者，确保跨平台的顺利同步。

步骤 4：测试和改进

第四步是使用平台的内置测试工具对代理进行全面测试。根据测试结果调整参数、提示措辞和工作流程，确保代理在真实场景中表现良好。

步骤 5：部署和监控

虽然构建和部署阶段往往是核心，但不要低估利用机器人分析进行长期监控的重要性。 

平台应配备监控工具，以便在部署后跟踪代理的互动和性能。利用平台提供的任何反馈机制，根据需要收集见解并完善设置。 

请记住：最好的人工智能代理需要更新。一些性能最高的人工智能代理自发布以来已经更新了数百次。您对代理的调整越多，投资回报率就越高。

先小后大

我们正在进入人工智能增强型组织的时代--但没有人会一下子跳过去。在扩大您的人工智能代理之前，先从一个能够快速获胜的强大试点用例开始。

我们称之为 "爬行-行走-运行 "法。您可以在我们的《人工智能代理实现蓝图》中了解更多相关信息。

确保高质量的数据源

俗话说：垃圾进，垃圾出。如果您的人工智能代理没有从维护良好的数据库中获取信息，那么它的影响将是有限的。

如果您的代理商正在使用 Hubspot 跟踪交易周期并分析成交获胜和成交失利的预测因素，那么您的销售代表就需要在跟踪潜在客户的电话和数据方面保持警惕。

制定明确的关键绩效指标和成功衡量标准

如果不能正确衡量人工智能代理的影响，就很难知道它有多成功。

预先确定关键绩效指标 - 无论是响应准确性、节省的时间、转换率还是成本降低。这些基准将有助于指导改进工作并证明投资回报率。

使用 RAG

使用检索增强生成技术，可以让人工智能代理根据公司的知识库、客户关系管理或文档等最新数据提供答案。

这样可以减少出现幻觉的几率，并确保回答的准确性和上下文的相关性。

阅读《RAG 指南》全文

想让 RAG 为您服务？我们可以帮助您。

立即阅读

访问始终免费

合规风险

人工智能代理必须遵守 GDPR、HIPAA、SOC 2 等法规和特定行业的政策。 

合规风险是构建商选择在平台上创建人工智能代理，而不是从头开始构建的最大原因之一。如果您的工作不涉及人工智能合规性，您最好将资源留给专业人士。

错误处理用户数据、未记录决策或生成不合规的响应，都可能导致法律和经济后果。

幻觉

幻觉是指人工智能对话系统产生错误或误导性信息。这些失误一直是丑闻的中心，如加拿大航空公司聊天机器人的惨败或以 1 美元出售雪佛兰 Tahoe 的机器人。

谨慎制造的人工智能代理很少会产生幻觉。我们可以通过检索增强生成、人工验证或验证层来保证其响应的质量。事实上，有几种方法可以让人工智能代理不产生幻觉。

缺乏可解释性

如果人工智能代理正在做出决策，您的团队应该能够了解决策的方式和原因。一个黑盒子系统如果在不透明的情况下提供输出结果，就会削弱信任，从而难以诊断错误、确保合规性或改进性能。

可解释性对于需要对决策进行审计的监管行业尤为重要。记录代理推理、浮出源头并纳入人工智能环路验证等技术有助于保持人工智能驱动决策的清晰性和可问责性。 

如果不具备可解释性，你的团队将花费更多时间为代理的行为辩护，而不是从中获益。

持续性资源

人工智能代理不是一种 "设置好就不用管 "的资源。它们是一个真正的软件项目，需要长期的持续监控和改进。维护是必要的，如果忽视了这一点，就会影响代理的成功。

好消息是，如果您的团队没有做好计划，这只是一个不利因素。如果您准备进行人工智能投资，人工智能代理所需的持续资源很容易从回报中体现出来。

1.自主性

人工智能代理可以在没有人类干预的情况下运行，独立做出决定并采取行动。人工智能代理的自主性使其能够处理复杂的任务，并就如何以最佳方式完成流程做出实时决策，而无需人类对特定任务的具体步骤进行编码。

虽然自主代理的概念可能会让人联想到《2001：太空漫游 》中会说话的计算机 HAL 9000，但 人工智能代理仍然依赖于人类的指令。用户或开发人员需要花时间告诉代理做什么，但代理会自己解决问题，以最佳方式完成任务。

2.持续学习

反馈对于人工智能代理的长期改进至关重要。这种反馈有两个来源：批评者或环境本身。

批评者可以是人类操作员，也可以是评估代理性能的另一个人工智能系统。人工智能代理的环境可以代理的行动结果为形式提供反馈。

通过这种反馈循环，代理可以进行调整，吸取经验教训，并在未来做出更好的决策。随着经历更多任务，它将学会创造更好的结果。由于具有学习和改进的能力，人工智能代理可以适应快速变化的环境。

3.被动和主动

人工智能代理在环境中既是被动的，也是主动的。由于它们接受感官输入，因此能够根据环境变化改变行动方案。

例如，当一场突如其来的雷雨开始时，智能恒温器可以感知室内温度变低。因此，它会降低空调的强度。 

但它也是主动的--如果太阳在每天大致相同的时间照进房间，它就会主动增加空调，以配合太阳温暖的出现。