Agenci AI bazujący na modelach językowych. Istota, konfiguracje, zastosowania Wiązów

Agenci, którzy stoją po stronie biznesu Agenci AI to algorytmy wykorzystujące modele językowe jako reasoning engine. Są one zdolne do postrzegania otoczenia, rozumowania i podejmowania decyzji, co czyni je przydatnymi w wielu dziedzinach biznesu, między innymi: w spersonalizowanej obsłudze klienta w automatyzacji procesów biznesowych w zaawansowanej analityce biznesowej we wspieraniu ludzi pracujących w takich działach jak HR czy R&D Użycie agentów AI może przynieść firmom wymierne oszczędności, usprawnić proces podejmowania decyzji i w efekcie zagwarantować trwałą przewagę konkurencyjną. Autor tej książki stawia sobie za cel wyjaśnienie istoty agentów opartych na modelach językowych, a także omówienie ich kluczowych architektur - od prostych, wyspecjalizowanych rozwiązań po złożone systemy współdziałających ze sobą agentów. Dodatkowo prezentuje przykłady zastosowań wybranych konfiguracji w realiach quasi-biznesowych. Spis treści: Wstęp Rozdział 1. Podstawowe zagadnienia dotyczące agentów bazujących na modelach językowych 1.1. Istota i rodzaje agentów AI 1.2. Rozwój modeli językowych 1.3. Agenci AI bazujący na modelach językowych 1.4. Przegląd bibliotek do implementacji agentów bazujących na modelach językowych 1.4.1. LangChain i LangGraph 1.4.2. AutoGen Rozdział 2. Konfiguracja agentów bazujących na modelach językowych 2.1. Logika działania agenta bazującego na modelu językowym 2.2. Prompt jako kluczowy element konfiguracji agenta 2.2.1. Określanie profilu agenta 2.2.2. Definiowanie sposobu rozumowania agenta 2.2.3. Przygotowywanie promptu agenta 2.3. Rola narzędzi w zwiększaniu potencjału agenta 2.3.1. Istota narzędzi 2.3.2. Definiowanie narzędzi dostępnych dla agenta 2.4. Pamięć i jej rola w działaniu agenta 2.5. Nabywanie zdolności przez agentów Rozdział 3. Podstawowe implementacje agentów bazujących na modelach językowych 3.1. RAG Agent (LangChain) 3.2. Chat Agent (AutoGen) 3.3. Data Agent 3.3.1. Pandas DataFrame Agent (LangChain) 3.3.2. SQL Agent (LangChain) 3.4. Graph Agent (LangGraph) Rozdział 4. Współdziałanie wielu agentów bazujących na modelach językowych 4.1. Różnice pomiędzy rozwiązaniami single i multi-agent 4.2. Implementowanie rozwiązań wieloagentowych 4.2.1. Profilowanie agentów w rozwiązaniach wieloagentowych 4.2.2. Mechanizmy komunikowania się agentów 4.2.3. Wzorce przepływu pracy pomiędzy wieloma agentami 4.3. Przykładowe konfiguracje rozwiązań wieloagentowych 4.3.1. Czat sekwencyjny (LangGraph) 4.3.2. Czat grupowy (AutoGen) 4.3.3. Logika state flow (AutoGen) 4.4. Kierunki rozwoju rozwiązań wieloagentowych (MCP, A2A) Rozdział 5. Przykładowe zastosowania wybranych konfiguracji agentów 5.1. Wykorzystanie konfiguracji Plan and Execute 5.2. Zastosowanie konfiguracji Agents Debate 5.3. Zastosowanie konfiguracji Assistant Agent 5.4. Zastosowanie konfiguracji Teacher-Student Zakończenie Bibliografia Skorowidz O autorze: Mariusz Hofman - doktor habilitowany nauk ekonomicznych, profesor Uniwersytetu Marii Curie-Skłodowskiej w Lublinie. Doświadczony wykładowca i konsultant w zakresie zarządzania projektami i procesami. Entuzjasta agentów AI, propagujący ich zastosowanie w organizacjach do automatyzacji rutynowych zadań i augmentowania ludzkiego potencjału.