U današnjoj kolumni predstavljam novu strategiju kreiranja upita usmjerenu na optimizaciju korištenja višeažurnih AI. Kako agentni AI, uključujući generativni AI i velike jezične modele (LLMs) koji se bave specifičnim zadacima, nastavlja evoluirati, pojavit će se sve veći broj ovakvih AIs. Stoga je ključno učinkovito sastavljati upite kako bi se angažirali odgovarajući agentni AIs. Neodgovarajući upiti mogli bi rezultirati nepotrebnim angažmanima ili neaktiviranjem bitnih AIs. Ova kolumna je dio moje tekuće serije u Forbesu, koja istražuje najnovija dostignuća u AI i razne složenosti unutar tog područja. **Kreiranje Upita u Dobi Agentnog AI** Ranije sam raspravljao o brojnim tehnikama kreiranja upita koje mogu poboljšati vaše rezultate s generativnim AI, što potencijalno vodi do unosnih prilika. Uspon agentnog AI uvodi nove dimenzije u kreiranje upita. Zamislite planiranje odmora s generativnim AI: iako je početno planiranje možda jednostavno, rezervacije često zahtijevaju prelazak na web stranice trećih strana. Tu dolazi agentni AI, koji može funkcionirati kao virtualni putnički agent, brinući se o planiranju i rezervacijama putem interakcija na prirodnom jeziku. **Vrijednost Višeažurnih AIs** Umjesto oslanjanja na jedan agentni AI, korištenje više agenata može značajno poboljšati učinkovitost. Međutim, to također postavlja izazov određivanja koje agente aktivirati. Neispravni odabiri mogu donijeti troškove ili zakomplicirati zadatke, dok neangžiranje pravih agenata može ometati napredak. Predlažem dva glavna pristupa za sastavljanje upita koji uključuju višeažurni AI: 1. **Vozačevo Mjesto:** Korisnici specificiraju koje AI agente aktivirati i u kojem redoslijedu, čime se smanjuje nejasnoća. 2. **Putničko Mjesto:** Korisnici definiraju cjelokupni zadatak, omogućujući generativnom AI da odluči koje agente angažirati. Svaki pristup ima svoje prednosti i nedostatke. Vozačevo mjesto pruža kontrolu na uštrb potencijalne složenosti, dok putničko mjesto nudi jednostavnost, ali zahtijeva jasnu komunikaciju kako bi se izbjegla nejasnoća. **Primjeri u Pomaganjima Kodiranju** Da bih ilustrirao, uzmimo scenarij kodiranja gdje su dostupni pet AI agenata: 1.

**CodeFixer:** Otklanja pogreške i optimizira kod. 2. **CodeReviewer:** Evaluira kod prema najboljim praksama. 3. **BugHunter:** Identificira ranjivosti i logičke pogreške. 4. **PerfAnalyzer:** Procjenjuje performanse i predlaže optimizacije. 5. **DocWriter:** Generira dokumentaciju. *Primjer Vozačevog Mjesta:* Kada dobijem upit za ispravak Python skripte, mogu uputiti: “Aktiviraj CodeFixer, zatim BugHunter, slijedi PerfAnalyzer. ” Generativni AI tada potvrđuje i izvršava specificirani redoslijed. *Primjer Putničkog Mjesta:* Alternativno, mogao bih reći: “Trebam pomoć s mojom Python skriptom; molim aktivirajte agente koji mogu pomoći. ” AI interpretira moj zahtjev i odabire agente dok me informira o svojim planiranim radnjama. Međutim, nejasni upiti mogu dovesti do manje učinkovitih ishoda. Na primjer, jednostavno traženje “pomoći s mojom Python skriptom” možda neće rezultirati korisnim angažmanom agenata osim ako nije pojašnjeno. **Istraživanje u Višeažurnom AI** Istraživanje u AI zajednici se brzo razvija. Nedavna studija predstavila je "AgentRec", koja se fokusira na učinkovito biranje agenata na temelju korisničkih upita. Uvidi iz ove studije ističu potencijal za generativni AI da poboljša svoju sposobnost odabira odgovarajućih agenata na temelju naučenih podataka. Dok usvajamo i usavršavamo ove tehnike, prakticiranje aktiviranja višeažurnih AI bit će ključno. Iako mnoge generativne AI aplikacije trenutno ograničavaju izravno aktiviranje agenata, budućnost obećava poboljšanja. Zapamtite Lincolnove riječi: "Najbolja stvar u budućnosti je ta što dolazi samo jedan dan u isto vrijeme, " što se odnosi na evoluirajući pejzaž višeažurnog AI.