Et enkelt sammendrag, så du får med deg poenget her uten å dra videre.
Anthropic publiserte denne veilederen i 2024 for å svare på et spørsmål mange utviklere strevde stille med: når du setter en språkmodell til å gjøre reelt arbeid, hva er det enkleste oppsettet som faktisk holder? Kjernerådet er rolig og litt overraskende. Som oftest trenger du ikke en avansert autonom agent i det hele tatt.
Arbeidsflyter kontra agenter
Veilederen trekker en ryddig grense mellom to måter å bygge med en språkmodell på. En arbeidsflyt er et system der du, utvikleren, legger opp stegene på forhånd. Modellen fyller inn hvert steg, men løypa ligger fast, som en oppskrift. En agent er noe annet. Du gir modellen et mål og lar den selv bestemme stegene, ta i bruk verktøy når den vil, og fortsette helt til den selv mener jobben er ferdig.
Ingen av dem er bedre enn den andre i seg selv. Arbeidsflyter er forutsigbare og enkle å feilsøke fordi du vet hva som skjer og i hvilken rekkefølge. Agenter er mer fleksible og kan håndtere rotete, åpne oppgaver, men den friheten koster deg kontroll, penger og en og annen overraskelse. Den ærlige måten å se det på er at en agent er et verktøy med avveininger, ikke en pokal du vinner for å være avansert.
Et lite sett av byggeklosser du kan kombinere
I stedet for ett storslått design tilbyr veilederen en håndfull byggeklosser du kan sette sammen. Prompt-lenking deler en jobb opp i en rekke modellkall, der hvert steg jobber videre på resultatet fra det forrige. Ruting ser på en innkommende forespørsel og sender den til riktig behandler, slik en resepsjonist viser deg til rett skranke. Orchestrator-worker-mønsteret bruker én modell til å planlegge og dele opp en oppgave, og overlater så bitene til andre modellkall før resultatene settes sammen igjen.
Disse mønstrene er bevisst enkle, og det er hele poenget. Du kan begynne med det enkleste mønsteret som løser problemet ditt, og bare ta i bruk mer struktur når du virkelig kjører deg fast. For alle som bygger med KI, er dette en vennligere måte å tenke på enn å prøve å designe en smart hjerne fra dag én. Du setter sammen små, forståelige deler.
Hvorfor det lønner seg å holde det enkelt
Den røde tråden gjennom hele veilederen er måtehold. Legg bare til kompleksitet når den gjør seg fortjent til plassen, for hvert ekstra lag er enda en ting som kan ryke, koste mer eller oppføre seg på måter du ikke kan forklare til en kollega eller en kunde. Et enkelt system du stoler på, slår et avansert system du ikke klarer å resonnere om.
Dette betyr noe for et miljø som lærer seg å bygge med KI, fordi det senker terskelen på den beste måten. Du trenger ikke å beherske autonome agenter for å lage noe nyttig. Du trenger tydelige steg, gode verktøy og disiplinen til å holde ting leselig. Det er en standard hvem som helst kan vokse inn i.
- En arbeidsflyt følger steg du definerer på forhånd; en agent bestemmer selv stegene for å nå et mål du har satt.
- Tre gjenbrukbare mønstre dekker de fleste behov: å lenke steg i rekkefølge, å rute forespørsler til riktig behandler, og en orchestrator som fordeler arbeid på workers.
- Velg det enkleste mønsteret som løser problemet, og legg bare til kompleksitet når det tydelig lønner seg.
- Autonomi gir deg fleksibilitet, men koster kontroll, penger og forutsigbarhet, så det er et valg, ikke en standardinnstilling.
- Forståelige systemer du kan feilsøke og forklare, er verdt mer enn imponerende systemer du ikke klarer å resonnere om.
Anthropic
Ny til dette? Kom og bygg med oss.
Å lese er bra. Å bygge sammen med andre er bedre. Samlingene våre er gratis og åpne for helt ferske.