В днешната колона представям нова стратегия за задаване на заявки, насочена към оптимизиране на използването на многократни агентни изкуствени интелекти. С развитието на агентния ИИ, включващ генеративен ИИ и големи езикови модели (ГЕМ), които се занимават със специфични задачи, ще се появят все повече от тези ИИ. Следователно ефективното формулиране на заявки за ангажиране на подходящите агентни ИИ става от съществено значение. Неправилните заявки могат да доведат до ненужни ангажименти или да не активират съществени ИИ. Тази колона е част от моята продължаваща серия във Forbes, която изследва последните developments в ИИ и различните сложности в полето. **Инженерство на заявки в ерата на агентния ИИ** По-рано обсъдих многобройни техники за инженерство на заявки, които могат да подобрят резултатите ви с генеративен ИИ, потенциално водейки до печеливши възможности. Възходът на агентния ИИ въвежда нови измерения в инженерството на заявки. Представете си, че планирате ваканция с генеративен ИИ: докато началното планиране може да е праволинейно, резервирането често изисква превключване към сайтове на трети страни. Тук идва агентният ИИ, който може да функционира като виртуален туристически агент, поемащ планирането и резервирането чрез взаимодействия на естествен език. **Стойността на многократните агентни ИИ** Вместо да разчитате на един агентен ИИ, използването на множество агенти може значително да повиши ефективността. Въпреки това, това също така поставя предизвикателството да се определи кои агенти да се активират. Неправилните избори могат да доведат до разходи или усложнения, а неполучаването на правилните агенти може да възпрепятства напредъка. Предлагам два основни подхода за съставяне на заявки, свързани с многогруповия ИИ: 1. **На шофьорския капак:** Потребителите уточняват кои AI агенти да се активират и в каква последователност, което намалява неяснотата. 2. **На пътническия капак:** Потребителите очертават общата задача, позволявайки на генеративния ИИ да реши кои агенти да ангажира. Има компромиси при всеки подход. Шофьорският капак предлага контрол, но може да бъде по-сложен, докато пътническият капак предлага простота, но изисква ясна комуникация, за да се избегне неяснотата. **Примери в помощ на кода** За илюстрация, нека използваме сценарий с код, при който са налични пет AI агента: 1.

**CodeFixer:** Дебъгира и оптимизира кода. 2. **CodeReviewer:** Оценява кода за най-добри практики. 3. **BugHunter:** Идентифицира уязвимости и логически грешки. 4. **PerfAnalyzer:** Оценява производителността и предлага оптимизации. 5. **DocWriter:** Генерира документация. *Пример на шофьорския капак:* Когато получа заявка да поправя Python скрипт, мога да наредя: “Активирайте CodeFixer, след това BugHunter, после PerfAnalyzer. ” Генеративният ИИ потвърдява и изпълнява зададената последователност. *Пример на пътническия капак:* Алтернативно, мога да кажа: “Нуждая се от помощ с моя Python скрипт; моля, активирайте агенти, които могат да помогнат. ” ИИ интерпретира моята заявка и избира агентите, като ме държи в течение за планираните действия. Все пак, неясните заявки могат да доведат до по-малко ефективни резултати. Например, просто запитване за “помощ с моя Python скрипт” може да не доведе до полезно участие на агенти, освен ако не бъде уточнено. **Нови изследвания в многогруповия ИИ** Изследванията в ИИ общността напредват бързо. Неотдавнашно проучване представи "AgentRec, " което се фокусира върху ефективното избиране на агенти на базата на потребителски заявки. Информацията от това проучване подчертава потенциала на генеративния ИИ да подобри способността си да избира подходящите агенти на базата на обучени данни. Докато приемаме и усъвършенстваме тези техники, практиката за активиране на многогрупови ИИ ще бъде от съществено значение. Докато много приложения на генеративен ИИ в момента ограничават директното активиране на агенти, бъдещето обещава подобрения. Спомнете си думите на Линкълн: "Най-доброто нещо за бъдещето е, че идва само един ден наведнъж, " което важи и за развиващата се среда на многократния агентен ИИ.