Exemplo de utilização da IA autónoma: administrar a aprendizagem interativa

Este documento descreve uma arquitetura de alto nível para uma aplicação que gera e administra um questionário de aprendizagem interativo com um fluxo de trabalho de IA de agente. O agente avalia os conhecimentos de um utilizador sobre um tópico específico e usa um estado de sessão persistente e uma memória a longo prazo para criar uma experiência personalizada. O agente mantém um histórico das respostas do utilizador, o que lhe permite ajustar dinamicamente a dificuldade e o conteúdo das perguntas subsequentes.

O público-alvo deste documento inclui arquitetos, programadores e administradores que criam e gerem aplicações de IA autónoma. Esta arquitetura é adaptável para criar aplicações educativas interativas e com estado em vários setores. O documento pressupõe uma compreensão básica dos sistemas de agentes de IA. Para informações sobre a diferença entre os agentes e os sistemas não baseados em agentes, consulte o artigo Qual é a diferença entre agentes de IA, assistentes de IA e bots?

A secção de implementação deste documento fornece links para exemplos de código que ajudam a experimentar a implementação de uma aplicação de IA autónoma que executa um fluxo de trabalho de ciência de dados.

Arquitetura

O diagrama seguinte mostra uma arquitetura de alto nível para um agente de aprendizagem interativo.

Arquitetura de um agente de aprendizagem interativo.

A arquitetura mostra o seguinte fluxo de dados:

  1. Um utilizador realiza uma ação, como iniciar um questionário ou enviar uma resposta, na aplicação de questionários alojada no Cloud Run.
  2. A aplicação encaminha a introdução do utilizador para o agente de IA.

  3. O agente de IA usa o modelo Gemini na Vertex AI para interpretar a entrada do utilizador. Com base no pedido do utilizador, o agente chama as ferramentas adequadas para realizar a ação de questionário pedida.

    Por exemplo, o agente seleciona uma ferramenta para iniciar uma sessão de questionário, avaliar uma resposta ou gerar a pergunta seguinte.

  4. O agente envia a resposta à aplicação de questionários.

  5. A aplicação de questionários encaminha a resposta para o utilizador.

Para manter o estado do questionário e personalizar a experiência, o agente executa as seguintes tarefas em segundo plano:

  • A app do agente anexa o progresso e a pontuação mais recentes do questionário ao histórico da sessão guardada que está armazenada em Sessões do Vertex AI Agent Engine.
  • O agente transforma os dados dos questionários em memórias e armazena-os no Memory Bank para memorização a longo prazo. O agente usa os dados históricos armazenados na memória para gerar respostas com reconhecimento do contexto em sessões futuras.

Produtos usados

Esta arquitetura de exemplo usa os seguintes Google Cloud produtos:

  • Cloud Run: uma plataforma de computação sem servidor que lhe permite executar contentores diretamente na infraestrutura escalável da Google.
  • Agent Development Kit (ADK): um conjunto de ferramentas e bibliotecas para desenvolver, testar e implementar agentes de IA.
  • Vertex AI: uma plataforma de ML que lhe permite preparar e implementar modelos de ML e aplicações de IA, bem como personalizar MDIs/CEs para utilização em aplicações com tecnologia de IA.
  • Sessões do Agent Engine da Vertex AI: um serviço de armazenamento persistente que guarda e obtém o histórico de interações entre um utilizador e os agentes.
  • Banco de memória: um serviço de armazenamento persistente que gera, refina, gere e obtém memórias a longo prazo com base nas conversas de um utilizador com um agente.

Implementação

Para implementar um exemplo desta arquitetura que forneça questionários relacionados com programação, use o exemplo de código do tutor de Python disponível no GitHub.

O que se segue?

Colaboradores

Autor: Samantha He | Redator técnico

Outros colaboradores: