Agents 發展非常迅速,但仍面臨的問題
- 如何感知環境和擁有記憶。
- 如何合理規劃和拆解任務。
- 如何自主決策並並執行行動。
- 如何將 Agents 落地到企業真實的業務場景中。
像組建團隊一樣去構建 Agents
GPTBots 通過具象的職業角色來構建多個 Agents 來響應任務。
設定任務目標
為 Agents 設定一個清晰和明確的任務目標,這個任務目標將影響 Agents 的任務規劃和輸出成果。
定義最佳團隊組合
為 Agents 定義完成任務目標所需參與的職業角色,不同的角色將在任務中發揮不同的作用,會自主協同和同步信息。
配備有效的工具
為 Agents 配備的工具決定了能力邊界。GPTBots支持的知識庫、記憶力、數據庫、代碼解釋器、Tools 等能力,可以讓 Agents 更好的完成任務目標。
為 Agents 配置的運行環境
GPTBots 提供了 2 個不同等級的運行環境,以滿足不同規模業務的需要。
標準配置
提供獨立的代碼沙箱硬件環境,用於執行代碼任務。高級配置
為高級用戶提供更高性能的沙箱硬件環境,更快的執行代碼任務。
讓 Agents 自主地感知、規劃和執行的關鍵
提供各種組件,讓真正強大 LLMs 和 Plugins 提供驅動力,同時讓 LLMs 變得可控和穩定。
知識庫
為 Agents 配備的知識庫,不但兼容各類格式的知識,也具有強大的 RAG 知識召回方案。
記憶能力
具備了用戶維度的長期記憶、短期記憶、用戶屬性和定時任務。
Tools
不僅支持調用調用面向 LLM 的插件,傳統的 API 調用也輕而易舉。
代碼解釋器
寫代碼、執行代碼、構建服務。
獨立運行環境與數據庫
數千個 python 庫,獨立的服務運行空間和 MySQL 數據庫。
LLMs
自主選擇 LLM,可有效降低成本。
支持選擇不同能力象限的專業模型。
智能路由避免超頻,保障服務穩定性。