Агентын системд шийдвэрийг хэрхэн, хаана гаргахыг сайтар бодох нь чухал.
Илүү олон шийдвэрийг Том хэлний загвар (LLM)-т даатгавал систем илүү олон төрлийн даалгаварт ерөнхийлөн ажиллах боломжтой ч хурд, найдвартай байдал, тогтвортой ажиллагаа муудаж болзошгүй.
Боломжтой тохиолдолд шийдвэр гаргах үйл явцыг Том хэлний загвар (LLM)-аас салгаж, тодорхой программын кодод аль болох ихээр тусгаарай. Энэ нь ялангуяа өндөр эрсдэлтэй болон үйлдвэрлэлийн орчны ажлын урсгалд хамаатай.
Том хэлний загвар (LLM)-т суурилсан агентын системийг зохиохдоо шийдвэр гаргалтын хэдий хэр хэсгийг загварт, хэдий хэр хэсгийг тодорхой программд хэрэгжүүлэхээ сонгох нь хамгийн чухал шийдвэрүүдийн нэг юм.
Үүнийг ойлгохын тулд дараах хоёр арга барилын хоорондох хүрээ гэж үзэж болно:
Чиглүүлэгчид суурилсан архитектур нь дараалал, логикийг кодоор тодорхой заадаг тул нарийн хүрээний даалгаварт турших боломж, урьдчилан таамаглахуйц болон тогтвортой ажиллагааг хангана. Үүнийг мөн “ажлын урсгалын агент” гэдэг.
Зохицуулагч агентууд нь байгалийн хэлний промпт ашиглан даалгаврын урсгалыг динамикаар шийдэхдээ Том хэлний загвар (LLM)-т тулгуурладаг. Иймээс урьдчилан тодорхойлсон логик хангалтгүй эсвэл боломжгүй нээлттэй харилцан үйлчлэлд тохиромжтой.
Өндөр эрсдэлтэй, үйлдвэрлэлийн орчны ажлын урсгалд чиглүүлэгчид суурилсан боломжуудыг түлхүү ашиглаж, уян хатан, ерөнхий зориулалтын яриа шаардсан хэрэглээнд зохицуулагчийг ашиглахыг бид ихэвчлэн зөвлөдөг.
Чиглүүлэгчид суурилсан архитектур
Чиглүүлэгчтэй агентын системүүд:
Шийдвэр гаргах урсгалыг код, программаар тодорхой зааж, программ аль замаар ажиллахыг Том хэлний загвар (LLM)-аар шийдүүлдэг.
Тодорхой, урьдчилан таамаглах боломжтой замналтай учраас илүү жигд үр дүн гаргадаг уламжлалт программын системтэй төстэй.
Нарийн тодорхойлох боломжтой даалгаварт нэн тохиромжтой.
Дараах нь “чиглүүлэгчийн арга”-ыг ашигладаг нислэг захиалгын чатбот агентын хялбаршуулсан жишээ юм. Том хэлний загвар (LLM) асуултын зорилгыг гурван боломжит сонголтоос ангилахад тусалдаг ч эцэст нь уг зорилгыг хариултын загварчилсан тексттэй манай программ холбодог. Том хэлний загвар (LLM)-ын ажиллагааг хатуу хязгаарласан тул хэрэглэгч илүү жигд үйлдлийг мэдэрнэ.
Зохицуулагч архитектур
Чиглүүлэгчтэй системээс ялгаатай нь зохицуулагчтай агентын системүүд:
Логик урсгалыг программаар бус, байгалийн хэлний промптоор тодорхойлдог. Тайлбар: программчлалын хэлтэй харьцуулахад байгалийн хэл угаасаа хоёрдмол утгатай, уян хатан байдаг. Энэ нь давуу болон сул талын аль аль нь болохыг дараа авч үзнэ. Үүнийг бид “заавар бус, зорилго” гэж үздэг.
Боловсруулалтын олон хувилбар гаргаж, гүйцэтгэх дараалал болон аргыг Том хэлний загвар (LLM)-аар шийдүүлэх боломжтой.
Программд тодорхой заахад төвөгтэй шинэ логик замналыг динамикаар үүсгэж чадна.
Энэ хоёрдмол байдал нь үр дүнг тогтворгүй болгож болох ч зөв ажиллах үедээ “ид шидийн” мэт санагдана.
Дараах жишээнд нислэгийн компанийн ижил хялбаршуулсан асуудалд зохицуулагчийн аргыг хэрэглэв. Ямар хариулт тохирохыг программаар шийдүүлэхийн оронд шийдвэр гаргалтыг Том хэлний загвар (LLM)-ын давхаргад даатгана. Энд “тэргүүлэх” зохицуулагч агент хэрэглэгчийн хүсэлтийг ангилан, нислэг өөрчлөхөд тусгайлан зориулсан агент руу шилжүүлж, тэр агент эцэст нь хэрэглэгчид хариулдаг олон агенттай систем байна.
Энэ жишээнд Том хэлний загвар (LLM)-ын давхарга ангилагч, чиглүүлэгч, хариулт бичигчийн үүргийг гүйцэтгэж байна. Харин чиглүүлэгчийн жишээнд зөвхөн ангилагчийн үүрэг гүйцэтгэж, үлдсэнийг программ хариуцсан.
Боломжтой тохиолдолд дараах давуу талуудтай чиглүүлэгчид суурилсан аргыг ашиглахыг зөвлөж байна:
Хурд ба үр ашиг: Дотоод тооцоолол нь гадаад API-д түшиглэдэг зохицуулагчаас илүү хурдан. Мөн “IF/ELSE” логикийг Python-д боловсруулах нь Том хэлний загвар (LLM) нийлүүлэгчид төлбөр төлж, 400 тэрбум параметртэй загвараар нь дамжуулахаас хавьгүй хямд.
Турших боломж ба урьдчилан таамаглахуйц байдал: Программ хөгжүүлэлтийн тогтсон аргачлалаар алдаа засах, турших, арчлахад үлэмж хялбар.
Ил тод ба найдвартай байдал: Үйлдлийн хэлбэлзэл бага тул алдааг оношлоход хялбар. Мөн хэрэглээний урсгалын илүү их хэсгийг Том хэлний загвар (LLM)-ын үл тайлбарлагдах, хаалттай жинд бус, ил тод бөгөөд хувилбарын хяналттай программд тусгана.
Чиглүүлэгчийн аргын сул тал нь хэт тогтсон, уян хатан бус байж, илүү нээлттэй асуудлыг шийдэхэд хүндрэлтэй байдаг. Яг ижил хариултыг байнга өгдөг чатбот хэрэглэгчдэд уйтгартай, нэг хэвийн санагдаж болно.
Зохицуулагч загвар хүчирхэг боломжуудтай:
Төлөвлөлт: Хариултаа динамикаар төлөвлөж чадна.
Хэрэгсэл сонгох/агент руу шилжүүлэх: Тохирох хэрэгслийг сонгох эсвэл даалгаврыг агентад шилжүүлнэ.
Үр дүнг давтан нэгтгэх: Үр дүнг давтан боловсруулж, бүтээлчээр дахин нэгтгэнэ.
Дууссаныг тодорхойлох: Хариултыг эцэслэх хангалттай мэдээлэл цугларсныг тодорхойлно.
Pydantic-AI эсвэл OpenAI-ийн Agents SDK зэрэг фреймворк ашиглавал зохицуулалтыг хурдан, хялбар хэрэгжүүлнэ. Тиймээс демо эсвэл үзэл баримтлалын туршилтад нэн тохиромжтой.
Энэ аргын сул талууд:
Том хэлний загвар (LLM)-ын төлөвлөлтийн алхам болон дараагийн үйлдлүүд зөв, тохиромжтой байна гэсэн баталгаа байхгүй. Чиглүүлэгчтэй системд мөн ийм асуудал бий. Гэхдээ илүү хязгаарлагдмал учраас үйлдлийг нь урьдчилан таамаглахад хялбар.
Энгийн, нарийн тодорхойлсон даалгаварт олон агенттай системийн бүх хүчин чадал шаардлагагүй байх магадлалтай. Жишээлбэл, нислэгийн компанийн агентын жишээнд тусламжийн системтэй харилцаж буй хүний хүсэх үйлдлийн төрөл цөөн байх магадлалтай.
Логикийн ихэнх нь Том хэлний загвар (LLM)-т агуулагддаг тул халдагчид jailbreak хийх эсвэл урвуулан ашиглахад илүү өртөмтгий.
Шийдвэр гаргалтыг Том хэлний загвар (LLM)-т далд оруулдаг тул системээ ойлгоход төвөгтэй болдог. Гэхдээ Langfuse эсвэл Braintrust зэрэг хяналтын хэрэгсэл үүнд зарим талаар тусалж болно.
Уншигчдад: загварын чадавх хурдацтай өөрчлөгдөж байгаа ч доорх зүйлс ойрын ирээдүйд өөрчлөгдөх магадлал бага.
Асуудлынхаа хамрах хүрээг тодорхойл.
Хүсэж буй шийдвэрийн логикоо бүдүүвчээр хялбархан дүрсэлж чадах уу?
Таны хэрэглээнд алдаа эсвэл санаандгүй үйлдэл огт зөвшөөрөгдөхгүй юу?
Дээрх асуултын аль нэгэнд “тийм” гэж хариулсан бол чиглүүлэгчийн боломжууд илүү тохиромжтой.
Боломжтой л бол чиглүүлэгчийн аргыг ашиглахыг зөвлөж байна. Ерөнхий зарчим нь системийн аль нэг хэсгийг кодоор илэрхийлж болох бол кодоор хэрэгжүүлэх явдал юм. Өөрөөр хэлбэл, шаардлагагүй үед Том хэлний загвар (LLM)-ыг хэтрүүлэн бүү ашигла.
Энэ аргын боломж хүрэлцэхгүй болоход зохицуулагчийн нээлттэй зарим давуу талыг хязгаарлагдмал байдлаар дуурайлган хэрэгжүүлж болно. Жишээлбэл:
Хэрэгсэл сонгох/агент руу шилжүүлэх: Нөхцөлт салаалал эсвэл Том хэлний загвар (LLM)-ын ангилагчаар хялбархан хэрэгжүүлнэ.
Дууссаныг тодорхойлох: Энгийн Том хэлний загвар (LLM)-ын ангилагч хариултыг хэрэглэгчид өгөхөөс өмнө бүрэн эсэхийг шалгаж чадна.
Гэхдээ хатуу тогтсон чиглүүлэгчтэй системд “төлөвлөлт” болон “үр дүнг давтан нэгтгэх”-ийг хэрэгжүүлэх нь эргэлзээгүй хавьгүй хэцүү. Тиймээс даалгаварт эдгээр нь шаардлагатайг Том хэлний загвар (LLM)-ын ангилагч эсвэл өөр логикоор тогтоовол системдээ хязгаарлалт багатай зохицуулагч салаа үүсгэхийг зөвлөж байна.
Чиглүүлэгч болон зохицуулагч архитектурын аль нэгийг сонгохдоо хэрэглээнийхээ тодорхой байдал, нарийн төвөгтэй байдал, харилцах хэв маягийг харгалзах хэрэгтэй. Одоогоор чиглүүлэгчид суурилсан арга нь нарийн тодорхойлсон даалгаварт найдвартай, үр ашигтай бөгөөд туршихад хялбар. Зохицуулагч нь илүү өргөн хүрээний харилцан ярианд илүү уян хатан.
Том хэлний загвар (LLM) хөгжихийн хэрээр эдгээр аргын тэнцвэр өөрчлөгдөж магадгүй. Үйлдвэрлэлийн ажлын ачаалалд чиглүүлэгчид суурилсан эсвэл хосолмол архитектурыг илүүд үзэж, динамик, хүнтэй төстэй харилцаа шаардсан нээлттэй асуудалд зохицуулагчийг ашиглах нь зүйтэй гэж бид үздэг.