AI代理即将颠覆企业业务流程层

来源：Ed Anuff（https://www.datastax.com/our-people/ed-anuff?utm_medium=查看&utm_source=datastaxmedium&utm_campaign=ai-agents&utm_content=）。

谈到生成式人工智能时，很多人想象它作为“互动系统”的一部分在运作——例如客服代理、供应链管理工具，或者用来智能搜索和处理组织的PDF和其他专有资料。

这是一个准确的观点——在接下来的一两年里，企业在人工智能方面的重点仍将集中在利用[大型语言模型（LLMs）]智能生成内容的应用程序上。

但请考虑这一点：企业中编写的大部分代码都位于业务流程中——比如库存规划系统，这些系统位于互动层和更加刚性的记录系统（如组织的数据等）之间。那么，生成式AI将如何改善这一层？组织如何利用这项普遍技术来优化其业务流程？

一种经典的企业架构

代理型AI才是答案。虽然AI代理通常用于执行特定任务或自动化重复工作（例如更新日历），但它们通常需要人类的干预。代理型AI则更注重自主性，利用代理系统不断适应动态环境，并自主完成创建、执行和优化结果的过程。

当具有代理功能的人工智能应用于业务流程工作流时，它可以将脆弱且静态的业务流程替换为原有的动态且情境感知的自动化系统。

我们来看看为什么将AI智能体整合到企业架构中标志着组织在自动化和业务流程方面的变革性飞跃，以及什么样的平台能够支持这些自动化系统。

当你为AI代理提供上下文时，代理会将此上下文传递给大型语言模型（LLM），并要求它来完成并回应。AI代理还可以使用功能代表用户执行任务。根据指令和上下文信息，这些AI代理可以执行几个关键任务。

工具的使用 — 智能代理利用外部功能、API 或工具来扩展其功能并执行任务。这可以包括调用预定义的函数或与外部服务（如使用cURL发送网络请求或调用RESTful API）进行接口调用，以便获取上下文或执行超出其固有能力的操作。

做决定 — 智能体分析可用信息并选择最合适的行动方案以实现其目标。这包括分析背景、权衡可能的后果并选择符合预期目标的方案。

规划—— 人制定一系列行动和策略来实现特定目标。

推理解析 — 智能体分析上下文信息，分析后得出结论，预测行动的可能结果，并据此作出明智的决策，确定达成预期目标的最佳途径。

这些功能，比如决策、规划和推理，往往涉及多个代理共同协作以实现目标。代理们可能寻求确保代码正确无误，讨论是否带有偏见的代理决策，或计划通过其他代理能力来完成任务。

驱动代理网络的模型本质上是无状态的，它们接收上下文作为输入并输出响应，因此需要某种框架来协调这些模型。这种协调的一部分可以是简单的改进措施（模型请求更多信息）。这听起来与检索增强生成（RAG）类似，因为RAG本质上是代理架构的简化形式：它为模型提供了一个工具，以获取额外的信息，通常是从向量数据库中获取的信息。

但多代理模型框架更进一步；它们会中继请求以获取更多信息，或提供给另一个代理进行细化响应的信息。

框架结构让代理可以协调工作

一个代理可以写一些Python，而另一个代理则可以对其进行检查。或者一个代理可以表达一个目标或想法，然后第二个代理的工作可以是把这个目标或想法拆分成一系列任务，或者检查这个想法，找出第一个代理需要解决的问题，然后优化这个想法。结果开始变得越来越好。

在不久的将来，许多软件工程师将成为流程编写者。他们将通过组合各种组件来创建这些流程：模型、用户输入、目标等——和关键业务服务。

这些组件之一的例子是库存管理系统中的库存量。如果你将这个系统与一个能够在节假日期间帮助优化库存水平的代理连接起来会怎样？借助另一个已经进行了一些历史库存数据分析的代理，你可以确保有足够的库存来满足季节性的需求量，而在假期过后也不会剩下太多库存。这可能会让热衷于节后打折购物的消费者失望，但这也有助于防止零售商不会以亏本的价格清仓。

但是开发人员会怎么构建这样的系统呢？

当然，代理过程可以用代码来表达，但将其可视化为“代理流”也会有所帮助——一个代理的输出成为另一个代理的输入，依此类推。现有的工具在简化构建代理系统方面已经提供了很大帮助。其中一个解决方案是 Langflow，它是一个可视化的低代码构建器，通过拖放不同的组件来创建代理AI应用和复杂的AI工作流程，无需编写大量代码。

代理型‘流程’，帮助实现业务自动化

Langflow 允许开发人员将任何东西定义为工具，包括提示、数据源、模型、API、工具或其他代理这样的组件。我们最近看到了对构建包含多个代理的“流程”的高度需求，因为开发人员正在创建许多包含多代理能力的应用程序：代理是开发人员在 Langflow 流程中最常添加的组件。

代理工作流程将企业数据、人工智能和API整合在一起，构建自动化系统，帮助领域专家扩展他们的能力，并利用人工智能使企业的运营更加高效。将AI代理集成到企业架构中标志着组织在自动化和业务流程方面的一大进步。这些代理，借助大模型和代理框架，可以在流程、工作流和代码间无缝操作，打破了传统的边界。

AI如何改变企业架构

采用代理工作流承诺能提高效率、可扩展性和响应性，贯穿整个业务流程。它们将管理整个工作流程，以更大的灵活性处理复杂任务，并通过提供更个性化和及时的互动来提升客户体验。随着自动化嵌入企业系统，AI将从辅助角色转变为主导角色，采用代理AI的组织将处于创新、竞争和创造价值的有利位置。

想了解更多关于代理型AI的信息，请阅读免费的白皮书，“自动化系统：企业架构的未来是代理型。”。访问这个页面以了解更多关于Langflow的信息。

这个故事最早出现在_ The New Stack .