Questa pagina contiene i termini del glossario di Agentic. Per tutti i termini del glossario, fai clic qui.
A
atto
Una fase del ciclo agentico in cui l'agente esegue l'azione scelta durante la fase di motivazione. Ad esempio, la fase di azione potrebbe inviare una richiesta API.
azione
Nel reinforcement learning, il meccanismo mediante il quale l'agente passa da uno stato all'altro dell' ambiente. L'agente sceglie l'azione utilizzando una policy.
spazio di azione
L'insieme di risorse che un agente può utilizzare per eseguire un'attività. Lo spazio di azione potrebbe includere gli strumenti e le API che l'agente può richiamare e le autorizzazioni che l'agente possiede. In generale, lo spazio di azione deve essere abbastanza grande da consentire all'agente di svolgere l'attività. Se lo spazio di azione è troppo piccolo, l'agente potrebbe non disporre di risorse sufficienti per svolgere l'attività. Se lo spazio di azione è troppo grande, l'agente tende a commettere più errori.
agente
Software in grado di ragionare sugli input dell'utente per pianificare ed eseguire azioni per suo conto.
Nel reinforcement learning, un agente è l'entità che utilizza una policy per massimizzare il rendimento previsto ottenuto dal passaggio tra gli stati dell'ambiente.
agentico
La forma aggettivale di agente. Il termine "agente" si riferisce alle qualità che possiedono gli agenti (come l'autonomia).
loop agentico
Un ciclo che un agente esegue in iterazione fino a quando non viene soddisfatta una condizione di terminazione. Il ciclo in genere è composto dalle seguenti quattro fasi:
workflow agentico
Un processo dinamico in cui un agente pianifica ed esegue autonomamente azioni per raggiungere un obiettivo. Il processo può comportare ragionamenti, l'invocazione di strumenti esterni e l'autocorrezione del piano.
orchestrazione degli agenti
La gestione e il routing centralizzati delle attività su più subagenti o chiamate LLM. L'orchestrazione degli agenti suddivide le attività complesse in sotto-attività più piccole e le assegna ai subagenti più capaci.
agente autonomo
Un agente che lavora per raggiungere un obiettivo complesso pianificando, agendo e adattandosi senza un intervento umano continuo.
E
agente valutatore
Un agente che valuta i risultati di un altro agente prima che vengano finalizzati. Puoi immaginare un agente che produce un prodotto e un agente separato, l'agente di valutazione, che testa il prodotto prima che venga rilasciato.
Critico è un sinonimo di agente valutatore.
V
feedback
Una fase di un ciclo agentico in cui l'agente valuta l'azione intrapresa durante la fase Agisci. Ad esempio, se l'agente ha inviato una richiesta API durante la fase di azione, la fase di feedback potrebbe determinare se la risposta API è andata a buon fine.
G
Modelli Gemini
Modelli multimodali all'avanguardia di Google basati su Transformer. I modelli Gemini sono progettati specificamente per integrarsi con gli agenti.
Gli utenti possono interagire con i modelli Gemini in vari modi, ad esempio tramite un'interfaccia di dialogo interattiva e tramite SDK.
agenti generativi (simulacri)
Agenti dotati di personalità, ricordi e routine unici che simulano un comportamento umano realistico.
Per maggiori dettagli, consulta Generative Agents: Interactive Simulacra of Human Behavior.
M
agente manager
Un agente che controlla uno o più subagenti.
collaborazione multi-agente
Un framework in cui più agenti AI specializzati interagiscono, discutono o si passano compiti a vicenda per risolvere un problema complesso.
O
osservare
Una fase del ciclo agentico in cui l'agente esamina o valuta un aspetto dei suoi progressi. Ad esempio, supponiamo che la fase act generi del codice. Di conseguenza, la fase observe potrebbe eseguire test sul codice generato.
P
plan-and-solve
Una strategia agentica in cui il modello prima elabora una bozza di un piano esplicito in più passaggi prima di tentare di eseguire qualsiasi azione.
plug-in
Uno strumento modulare standardizzato che può essere facilmente collegato a un agente per estenderne le funzionalità. Ad esempio, un plug-in GitHub consente agli agenti di eseguire azioni come leggere i problemi di GitHub e creare richieste pull.
memoria procedurale
Negli agenti, la conoscenza di come fare qualcosa. Ad esempio, un agente potrebbe sviluppare una memoria procedurale di come cercare sul web e poi visualizzare i primi tre siti.
R
motivo
Una fase del ciclo agentico in cui l'agente determina cosa fare. Ad esempio, l'agente potrebbe determinare che deve essere inviata una particolare richiesta API.
introspezione
Una strategia per migliorare la qualità di un flusso di lavoro autonomo esaminando (riflettendo su) l'output di un passaggio prima di passarlo al passaggio successivo.
L'esaminatore è spesso lo stesso LLM che ha generato la risposta (anche se potrebbe essere un LLM diverso). Come può lo stesso LLM che ha generato una risposta essere un giudice imparziale della propria risposta? Il "trucco" è mettere l'LLM in una mentalità critica (riflessiva). Questo processo è analogo a quello di uno scrittore che utilizza una mentalità creativa per scrivere una prima bozza e poi passa a una mentalità critica per modificarla.
Ad esempio, immagina un flusso di lavoro con agenti il cui primo passaggio è creare testo per le tazze da caffè. Il prompt per questo passaggio potrebbe essere:
Sei un creativo. Genera un testo umoristico e originale di meno di 50 caratteri adatto a una tazza di caffè.
Ora immagina il seguente prompt riflessivo:
Sei un bevitore di caffè. Trovi divertente la risposta precedente?
Il flusso di lavoro potrebbe quindi passare alla fase successiva solo il testo che riceve un punteggio di riflessione elevato.
router agent
Un agente che classifica una query utente e poi richiama l'agente più appropriato per gestirla.
S
autocorrezione
La capacità di un agente di rilevare un errore nel proprio output e quindi provare un approccio diverso.
stato
Nell'apprendimento per rinforzo, i valori dei parametri che descrivono la configurazione attuale dell'ambiente, che l'agente utilizza per scegliere un'azione.
agente di macchine a stati
Un agente i cui workflow sono vincolati da regole rigide. Gli agenti a macchina a stati generalmente commettono meno errori rispetto agli agenti autonomi, ma non hanno la libertà di adattarsi a situazioni al di fuori dei loro vincoli.
sub-agente
Un modello specializzato e focalizzato invocato da un agente manager per gestire un sottoinsieme specifico di un problema più grande. I subagenti in genere hanno uno spazio di azione più ristretto rispetto agli agenti.
T
condizione di terminazione
Nell'AI agente, i criteri predefiniti che indicano all'agente di interrompere l'iterazione. Ad esempio, ecco alcune possibili condizioni di risoluzione:
- L'agente ha completato correttamente l'obiettivo.
- L'agente non può utilizzare altre risorse.
- Un human-in-the-loop ha rilevato un problema.
Nell'apprendimento per rinforzo, le condizioni che determinano quando termina un episodio, ad esempio quando l'agente raggiunge un determinato stato o supera una soglia di transizioni di stato. Ad esempio, nel gioco del tris, un episodio termina quando un giocatore segna tre spazi consecutivi o quando tutti gli spazi sono contrassegnati.