בחירת דפוס עיצוב למערכת AI אקטיבי

Last reviewed 2026-05-28 UTC

במסמך הזה מוסבר איך לבחור תבנית עיצוב למערכת AI מבוססת-סוכנים. דפוסי עיצוב של סוכנים הם גישות ארכיטקטוניות נפוצות לבניית אפליקציות מבוססות-סוכנים. תבנית עיצוב של סוכן מציעה מסגרת ייחודית לארגון הרכיבים של מערכת, לשילוב המודל ולתזמור של סוכן יחיד או של כמה סוכנים כדי להשלים תהליך עבודה.

סוכני AI יעילים לאפליקציות שפותרות בעיות פתוחות, שעשויות לדרוש קבלת החלטות אוטונומית וניהול מורכב של תהליכי עבודה מרובי-שלבים. סוכנים מצטיינים בפתרון בעיות בזמן אמת באמצעות נתונים חיצוניים, ובאוטומציה של משימות שדורשות ידע רב. סוכני AI מתאימים כשצריך AI כדי לבצע משימות ממוקדות-מטרה עם מידה מסוימת של אוטונומיה. בתרחישי שימוש אחרים, אפשר להשתמש באפליקציות של AI גנרטיבי ו-AI מסייע. כדי לקבל מידע על ההבדלים בין סוכני AI לבין אפליקציות AI לא אקטיביות, אפשר לעיין במאמר מה ההבדל בין סוכני AI, עוזרי AI ובוטים?

המדריך הזה מיועד למי שיש לו ידע בסיסי במערכות AI מבוססות-סוכנים, ובאופן שבו הארכיטקטורה שלהן שונה מזו של מערכות לא מבוססות-סוכנים, כמו מערכות שמשתמשות בהסקה ישירה של מודלים או ביצירה משופרת באמצעות אחזור (RAG).

סיכום של ההנחיות לגבי דפוסי סוכנים מופיע בהמשך המאמר בקטע השוואה בין דפוסי עיצוב.

סקירה כללית של תהליך העיצוב

אלה השלבים העיקריים לבחירת תבנית עיצוב למערכת AI מבוססת-סוכנים. בהמשך המאמר מפורטים השלבים האלה.

  1. הגדרת הדרישות: הערכת המאפיינים של עומס העבודה, כולל מורכבות המשימה, חביון וציפיות לביצועים, תקציב העלויות והצורך במעורבות אנושית.
  2. עיון בתבניות עיצוב נפוצות של סוכנים: במדריך הזה מוסבר על תבניות עיצוב נפוצות, כולל מערכות עם סוכן יחיד ומערכות עם כמה סוכנים.
  3. בחירת תבנית: בוחרים את תבנית העיצוב המתאימה על סמך מאפייני עומס העבודה.

התהליך הזה לא מתבצע רק פעם אחת. מומלץ לחזור לשלבים האלה מדי פעם כדי לשפר את הארכיטקטורה, בהתאם לשינויים במאפיינים של עומס העבודה, לשינויים בדרישות או להשקת תכונות חדשות של Google Cloud .

הגדרת הדרישות

השאלות הבאות הן לא רשימות מקיפות לתכנון. השאלות האלה יכולות לשמש אתכם כנקודת התחלה לזיהוי המטרה העיקרית של המערכת האגנטית ולבחירת דפוס העיצוב הטוב ביותר.

  • מאפייני המשימה: האם אפשר להשלים את המשימה בשלבים מוגדרים מראש בתהליך העבודה, או שהמשימה פתוחה? האם צריך להשתמש במודל AI כדי לתזמן את תהליך העבודה?
  • זמן אחזור וביצועים: האם צריך לתת עדיפות לתגובות מהירות או אינטראקטיביות על חשבון דיוק או תגובות באיכות גבוהה? או שהאפליקציה יכולה להמתין כדי לקבל תוצאה מדויקת או מקיפה יותר?
  • עלות: מה התקציב שלכם לעלויות של הסקת מסקנות? האם אפשר לתמוך בדפוסים שדורשים כמה קריאות למודל עבור בקשה אחת?
  • מעורבות אנושית: האם המשימה כוללת החלטות חשובות, פעולות קריטיות לבטיחות או אישורים סובייקטיביים שדורשים שיקול דעת אנושי?

אם עומס העבודה שלכם צפוי או מובנה מאוד, או אם אפשר לבצע אותו באמצעות קריאה אחת למודל AI, יכול להיות שיהיה חסכוני יותר לבחון פתרונות לא מבוססי-סוכנים למשימה שלכם. לדוגמה, יכול להיות שלא תצטרכו תהליך עבודה מבוסס-סוכן כדי לסכם מסמך, לתרגם טקסט או לסווג משוב מלקוחות. במאמר בחירת מודלים ותשתית לאפליקציית AI גנרטיבי מוסבר איך לבחור רכיבי ארכיטקטורה לאפליקציות AI גנרטיבי שלא דורשות תשתית מבוססת-סוכן.

בקטעים הבאים מתוארות תבניות עיצוב נפוצות של סוכנים ליצירת מערכת אמינה ויעילה של AI אקטיבי.

מערכת עם סוכן יחיד

מערכת עם סוכן יחיד משתמשת במודל AI, בקבוצה מוגדרת של כלים ובהנחיית מערכת מקיפה כדי לטפל באופן אוטונומי בבקשת משתמש או כדי להשלים משימה ספציפית. בדפוס הבסיסי הזה, הסוכן מסתמך על יכולות החשיבה הרציונלית של המודל כדי לפרש את בקשת המשתמש, לתכנן רצף של שלבים ולהחליט באילו כלים להשתמש מתוך קבוצה מוגדרת. ההנחיה למערכת מעצבת את ההתנהגות של הסוכן על ידי הגדרת המשימה העיקרית, האישיות והפעולות שלו, והתנאים הספציפיים לשימוש בכל כלי.

התרשים הבא מציג תצוגה כללית של תבנית סוכן יחידה:

ארכיטקטורה של תבנית עיצוב עם סוכן יחיד.

מערכת עם סוכן יחיד מתאימה למשימות שדורשות כמה שלבים וגישה לנתונים חיצוניים. לדוגמה, נציג תמיכת לקוחות צריך לשלוח שאילתה למסד נתונים כדי למצוא את סטטוס ההזמנה, או שעוזר מחקר צריך להתקשר לממשקי API כדי לסכם חדשות מהזמן האחרון. מערכת לא מבוססת-סוכן לא יכולה לבצע את המשימות האלה כי היא לא יכולה להשתמש בכלים באופן אוטונומי או לבצע תוכנית רב-שלבית כדי לסנתז תשובה סופית.

אם אתם נמצאים בשלבים מוקדמים של פיתוח סוכן, מומלץ להתחיל עם סוכן יחיד. כשמתחילים לפתח סוכן עם מערכת סוכן יחיד, אפשר להתמקד בשיפור ההיגיון הבסיסי, ההנחיה והגדרות הכלים של הסוכן לפני שמוסיפים רכיבים ארכיטקטוניים מורכבים יותר.

הביצועים של סוכן יחיד עשויים להיות פחות יעילים כשהוא משתמש ביותר כלים וכשהמשימות מורכבות יותר. יכול להיות שתבחינו בכך כהשהיה מוגברת, בבחירה או בשימוש לא נכונים בכלי, או בכך שהמשימה לא הושלמה. לרוב אפשר לצמצם את הבעיות האלה על ידי שיפור תהליך החשיבה הרציונלית של הסוכן באמצעות טכניקות כמו התבנית Reason and Act (ReAct). עם זאת, אם תהליך העבודה שלכם דורש מסוכן לנהל כמה אחריויות שונות, יכול להיות שהטכניקות האלה לא יספיקו. במקרים כאלה, כדאי לשקול שימוש במערכת מרובת סוכנים, שיכולה לשפר את החוסן והביצועים על ידי הקצאת מיומנויות ספציפיות לסוכנים מומחים.

מערכות מרובות סוכנים

מערכת מרובת סוכנים מתאמת בין כמה סוכנים מומחים כדי לפתור בעיה מורכבת שסוכן יחיד לא יכול לפתור בקלות. העיקרון המרכזי הוא לפרק מטרה גדולה לתתי-משימות קטנות יותר ולהקצות כל תת-משימה לסוכן ייעודי עם מיומנות ספציפית. הסוכנים האלה מקיימים אינטראקציה באמצעות תהליכי עבודה שיתופיים או היררכיים כדי להשיג את היעד הסופי. דפוסי שימוש בכמה סוכנים מספקים עיצוב מודולרי שיכול לשפר את יכולת ההרחבה, האמינות והתחזוקה של המערכת הכוללת בהשוואה לסוכן יחיד עם הנחיה מונוליטית.

במערכת מרובת סוכנים, כל סוכן צריך הקשר ספציפי כדי לבצע את המשימה שלו בצורה יעילה. ההקשר יכול לכלול תיעוד, העדפות היסטוריות, קישורים רלוונטיים, היסטוריית שיחות או אילוצים תפעוליים. התהליך של ניהול זרימת המידע הזו נקרא הנדסת הקשר. הנדסת הקשר כוללת אסטרטגיות כמו בידוד הקשר לסוכן ספציפי, שמירת מידע בכמה שלבים או דחיסת כמויות גדולות של נתונים כדי לשפר את היעילות.

יצירת מערכת מרובת סוכנים דורשת שיקולים נוספים של הערכה, אבטחה, מהימנות ועלות בהשוואה למערכת עם סוכן יחיד. לדוגמה, במערכות מרובות סוכנים צריך להטמיע אמצעי בקרה מדויקים לגישה לכל סוכן מומחה, לתכנן מערכת תזמור חזקה כדי להבטיח תקשורת מהימנה בין הסוכנים ולנהל את העלויות התפעוליות המוגדלות שנובעות מהתקורה החישובית של הפעלת כמה סוכנים. דוגמה לארכיטקטורת הפניה ליצירת מערכת מרובת סוכנים מופיעה במאמר מערכות AI עם כמה סוכנים ב- Google Cloud.

תבנית רציפה

התבנית הרציפה של כמה סוכנים מפעילה סדרה של סוכנים עם התמחויות שונות בסדר ליניארי מוגדר מראש, שבו הפלט של סוכן אחד משמש כקלט ישיר לסוכן הבא. בדפוס הזה נעשה שימוש בסוכן של תהליך עבודה רציף שפועל לפי לוגיקה מוגדרת מראש, בלי להסתמך על מודל AI לניהול של סוכני המשנה שלו.

התרשים הבא מציג תצוגה כללית של דפוס רציף של כמה סוכנים:

ארכיטקטורה של תבנית עיצוב רציפה עם כמה סוכנים.

משתמשים בתבנית רציפה לתהליכים מובנים מאוד שניתנים לחזרה, שבהם רצף הפעולות לא משתנה. לדוגמה, צינור לעיבוד נתונים יכול להשתמש בדפוס הזה כדי שסוכן לחילוץ נתונים ימשוך קודם נתונים גולמיים, ואז יעביר את הנתונים האלה לסוכן לניקוי נתונים כדי לעצב אותם, והסוכן הזה יעביר את הנתונים הנקיים לסוכן לטעינת נתונים כדי לשמור אותם במסד נתונים.

השימוש בתבנית רציפה יכול להפחית את זמן האחזור ואת עלויות התפעול בהשוואה לתבנית שמשתמשת במודל AI כדי לתזמן את זרימת העבודה של המשימות. עם זאת, היעילות הזו באה על חשבון הגמישות. המבנה הקשיח והמוגדר מראש של צינור העיבוד מקשה על התאמה לתנאים דינמיים או על דילוג על שלבים מיותרים, מה שעלול לגרום לעיבוד לא יעיל או להוביל לזמן אחזור מצטבר גבוה יותר אם שלב מיותר הוא איטי.

דפוס מקביל

דפוס מקבילי של כמה סוכנים, שנקרא גם דפוס מקבילי, הוא דפוס שבו כמה סוכני משנה מיוחדים מבצעים משימה או משימות משנה באופן עצמאי בו-זמנית. הפלט של הסוכנים המשניים מסונטז כדי ליצור את התשובה הסופית המאוחדת. בדומה לתבנית רציפה, בתבנית מקבילה נעשה שימוש בסוכן זרימת עבודה מקבילה כדי לנהל את האופן והזמן שבהם הסוכנים האחרים פועלים, בלי להסתמך על מודל AI כדי לתזמן את סוכני המשנה.

התרשים הבא מציג תצוגה כללית של דפוס מקבילי של כמה סוכנים:

ארכיטקטורה של תבנית עיצוב מקבילית מרובת סוכנים.

כדאי להשתמש בדפוס המקביל כשרוצים להפעיל משימות משנה בו-זמנית כדי להקטין את זמן האחזור או לאסוף נקודות מבט מגוונות, למשל לאסוף נתונים ממקורות שונים או להעריך כמה אפשרויות בבת אחת. לדוגמה, כדי לנתח משוב מלקוחות, סוכן מקביל יכול להפיץ רשומה אחת של משוב לארבעה סוכנים מומחים בו-זמנית: סוכן לניתוח סנטימנט, סוכן לחילוץ מילות מפתח, סוכן לסיווג וסוכן לזיהוי דחיפות. סוכן סופי אוסף את ארבע התוצאות האלה לניתוח מקיף של המשוב.

השימוש בדפוס מקביל יכול להפחית את זמן האחזור הכולל בהשוואה לגישה רציפה, כי אפשר לאסוף מידע מגוון מכמה מקורות בו-זמנית. עם זאת, הגישה הזו כרוכה בפשרות בנוגע לעלות ולמורכבות. הפעלת כמה סוכנים במקביל יכולה להגדיל את ניצול המשאבים המיידי ואת צריכת הטוקנים, מה שמוביל לעלויות תפעול גבוהות יותר. בנוסף, שלב האיסוף דורש לוגיקה מורכבת כדי לסנתז תוצאות שעלולות להיות סותרות, מה שמגדיל את התקורה של הפיתוח והתחזוקה של המערכת.

דפוס לולאה

תבנית הסוכן של לולאה מרובת סוכנים מריצה שוב ושוב רצף של סוכני משנה מומחים עד שמתקיים תנאי סיום ספציפי. בדפוס הזה נעשה שימוש בסוכן של תהליך עבודה מסוג Loop, שפועל על פי לוגיקה מוגדרת מראש בלי להתייעץ עם מודל AI לצורך תזמור, כמו סוכנים אחרים של תהליכי עבודה. אחרי שכל הסוכנים המשניים מסיימים את המשימות שלהם, הסוכן של הלולאה בודק אם מתקיים תנאי יציאה. התנאי יכול להיות מספר מקסימלי של איטרציות או מצב מותאם אישית. אם התנאי ליציאה לא מתקיים, סוכן הלולאה מתחיל שוב את רצף הסוכנים המשניים. אפשר להטמיע דפוס של לולאה שבה תנאי היציאה מוערך בכל נקודה בתהליך. משתמשים בתבנית הלולאה למשימות שדורשות שיפור איטרטיבי או תיקון עצמי, כמו יצירת תוכן ושימוש בסוכן מבקר כדי לבדוק אותו עד שהוא עומד בתקן איכות מסוים.

התרשים הבא מציג תצוגה כללית של דפוס לולאה עם כמה סוכנים:

ארכיטקטורה של תבנית עיצוב של לולאה עם כמה סוכנים.

תבנית הסוכן של לולאה מספקת דרך לבנות תהליכי עבודה מורכבים ואיטרטיביים. הוא מאפשר לנציגים לשפר את העבודה שלהם ולהמשיך בעיבוד עד להשגת איכות או מצב ספציפיים. עם זאת, החיסרון העיקרי של התבנית הזו הוא הסיכון ללולאה אינסופית. אם תנאי הסיום לא מוגדר בצורה נכונה או אם סוכני המשנה לא מצליחים ליצור את המצב שנדרש כדי לעצור, הלולאה יכולה לפעול ללא הגבלת זמן. הדבר עלול להוביל לעלויות תפעול גבוהות מדי, לצריכת משאבים גבוהה ולקריסות פוטנציאליות של המערכת.

דפוס של בדיקה וביקורת

דפוס הביקורת וההערכה של כמה סוכנים, שנקרא גם דפוס הגנרטור והמבקר, משפר את האיכות והאמינות של התוכן שנוצר באמצעות שני סוכנים מיוחדים, בדרך כלל בתהליך עבודה רציף. דפוס הביקורת וההערות הוא הטמעה של דפוס סוכן הלולאה.

בדפוס של ביקורת וניתוח, סוכן גנרטיבי יוצר פלט ראשוני, כמו בלוק קוד או סיכום של מסמך. לאחר מכן, סוכן מבקר מעריך את הפלט הזה לפי קבוצה מוגדרת מראש של קריטריונים, כמו דיוק עובדתי, עמידה בכללי עיצוב או הנחיות בטיחות. על סמך ההערכה, המבקר יכול לאשר את התוכן, לדחות אותו או להחזיר אותו לגנרטור עם משוב לתיקון.

התרשים הבא מציג סקירה כללית של דפוס ביקורת ומשוב של כמה סוכנים:

ארכיטקטורה של דפוס העיצוב של ביקורת ומשוב של כמה סוכנים.

הדפוס הזה מתאים למשימות שבהן הפלט צריך להיות מדויק מאוד או לעמוד במגבלות מחמירות לפני שהוא מוצג למשתמש או משמש בתהליך המשך. לדוגמה, בתהליך עבודה של יצירת קוד, סוכן גנרטור עשוי לכתוב פונקציה כדי למלא בקשה של משתמש. הקוד שנוצר מועבר לסוכן מבקר שפועל כמבקר אבטחה. התפקיד של סוכן הביקורת הוא לבדוק את הקוד מול קבוצה של אילוצים, כמו סריקה של נקודות חולשה באבטחה או אימות של מעבר כל בדיקות היחידה, לפני שהקוד מאושר לשימוש.

השימוש בדפוס של ביקורת והערכה יכול לשפר את האיכות, הדיוק והמהימנות של הפלט, כי הוא מוסיף שלב ייעודי של אימות. עם זאת, הבטחת האיכות הזו כרוכה בעלויות ישירות של השהיה מוגברת והוצאות תפעוליות. תהליך העבודה דורש לפחות קריאה נוספת למודל כדי שהמבקר יבצע את ההערכה. אם התהליך כולל לולאות של תיקונים שבהן התוכן נשלח חזרה לשיפור, גם זמן האחזור וגם העלויות מצטברים עם כל איטרציה.

דפוס של שיפור איטרטיבי

דפוס השיפור האיטרטיבי משתמש במנגנון של לולאה כדי לשפר בהדרגה את הפלט לאורך כמה מחזורים. תבנית העידון האיטרטיבית היא הטמעה של תבנית סוכן הלולאה.

בדפוס הזה, סוכן אחד או יותר פועלים בלולאה כדי לשנות תוצאה שמאוחסנת במצב הסשן במהלך כל איטרציה. התהליך נמשך עד שהפלט עומד בסף איכות מוגדר מראש או עד שמגיעים למספר המקסימלי של איטרציות, כדי למנוע לולאות אינסופיות.

התרשים הבא מציג תצוגה כללית של דפוס שיפור איטרטיבי של כמה סוכנים:

ארכיטקטורה של תבנית עיצוב של שיפור איטרטיבי עם כמה סוכנים.

הדפוס הזה מתאים למשימות מורכבות של יצירה שבהן קשה להשיג את הפלט בשלב אחד. דוגמאות למשימות כאלה: כתיבה וניפוי באגים של קטע קוד, פיתוח תוכנית מפורטת בת כמה חלקים או טיוטה ועריכה של מסמך ארוך. לדוגמה, בתהליך עבודה של כתיבה יוצרת, סוכן יכול ליצור טיוטה של פוסט בבלוג, לבקר את הטיוטה מבחינת רצף וטון, ואז לשכתב את הטיוטה על סמך הביקורת הזו. התהליך הזה חוזר על עצמו בלולאה עד שהעבודה של הנציג עומדת בתקן איכות מוגדר מראש או עד שהחזרה מגיעה למספר מקסימלי של איטרציות.

הדפוס של שיפור איטרטיבי יכול להפיק פלטים מורכבים או מלוטשים מאוד, שקשה להשיג בשלב אחד. עם זאת, מנגנון הלולאה מגדיל ישירות את זמן האחזור ואת עלויות התפעול בכל מחזור. הדפוס הזה גם מוסיף מורכבות ארכיטקטונית, כי הוא דורש תנאי יציאה מתוכננים בקפידה – כמו הערכת איכות או מגבלה על מספר האיטרציות – כדי למנוע עלויות מוגזמות או ביצוע לא מבוקר.

תבנית מתאם

תבנית המתאם הרב-סוכנים משתמשת בסוכן מרכזי, המתאם, כדי לנהל את תהליך העבודה. המתאם מנתח ומפרק את בקשת המשתמש למשימות משנה, ואז הוא שולח כל משימת משנה לסוכן מומחה לביצוע. כל סוכן מומחה הוא מומחה בפונקציה ספציפית, כמו שליחת שאילתה למסד נתונים או הפעלת API.

מה שמייחד את דפוס המתאם הוא השימוש במודל AI כדי לתזמן ולנתב משימות באופן דינמי. לעומת זאת, דפוס הפעולה המקבילי מסתמך על תהליך עבודה שמוגדר בהארדקוד כדי לשלוח משימות לביצוע סימולטני בלי צורך בתיאום של מודל AI.

התרשים הבא מציג תצוגה כללית של דפוס מתאם מרובה סוכנים:

ארכיטקטורה של תבנית עיצוב של מתאם בין כמה סוכנים.

אפשר להשתמש בתבנית של רכיב מתאם כדי להפוך לאוטומטיים תהליכים עסקיים מובנים שנדרש בהם ניתוב אדפטיבי. לדוגמה, נציג שירות לקוחות יכול לשמש כמתאם. הסוכן המתאם מנתח את הבקשה כדי לקבוע אם מדובר בבקשה לקבלת סטטוס הזמנה, החזרת מוצר או החזר כספי. על סמך סוג הבקשה, רכיב התיאום מנתב את המשימה לסוכן המתמחה המתאים.

דפוס המתאם מציע גמישות בהשוואה לתהליכי עבודה נוקשים יותר שהוגדרו מראש. שימוש במודל לניתוב משימות מאפשר לרכז לטפל במגוון רחב יותר של קלטים ולהתאים את תהליך העבודה בזמן הריצה. עם זאת, לגישה הזו יש גם חסרונות. מכיוון שהסוכן המתאם וכל סוכן מומחה מסתמכים על מודל לצורך חשיבה רציונלית, התבנית הזו מובילה ליותר קריאות למודל מאשר מערכת עם סוכן יחיד. למרות שהשימוש בדפוס מתאם יכול להוביל לנימוקים באיכות גבוהה יותר, הוא גם מגדיל את קצב העברת הטוקנים, את העלויות התפעוליות ואת זמן האחזור הכולל בהשוואה למערכת עם סוכן יחיד.

תבנית של פירוק משימות היררכי

דפוס הפירוק ההיררכי של משימות באמצעות כמה סוכנים מארגן את הסוכנים בהיררכיה רב-רמתית כדי לפתור בעיות מורכבות שדורשות תכנון נרחב. הדפוס של פירוק משימות היררכי הוא הטמעה של דפוס המתאם. סוכן ראשי ברמה העליונה, או סוכן שורש, מקבל משימה מורכבת ואחראי לפירוק המשימה לכמה משימות משנה קטנות ופשוטות יותר. הסוכן הראשי מעביר כל משימת משנה לסוכן משנה מומחה ברמה נמוכה יותר. התהליך הזה יכול לחזור על עצמו בכמה שכבות, כשסוכנים מפרקים בהדרגה את המשימות שהוקצו להם עד שהם יכולים לבצע אותן ישירות באמצעות סוכן עובד ברמה הנמוכה ביותר.

התרשים הבא מציג תצוגה כללית של תבנית של פירוק משימות היררכי עם כמה סוכנים:

ארכיטקטורה של תבנית עיצוב של פירוק היררכי של משימות לכמה סוכנים.

כדאי להשתמש בתבנית של פירוק היררכי של משימות לבעיות לא חד-משמעיות ופתוחות שדורשות חשיבה רב-שלבית, כמו משימות שכוללות מחקר, תכנון וסינתזה. לדוגמה, כדי להשלים פרויקט מחקר מורכב, סוכן מתאם מפרק את המטרה ברמה הגבוהה למספר משימות, כמו איסוף מידע, ניתוח הממצאים וסינתזה של הדוח הסופי. סוכן המתאם מעביר את המשימות האלה לסוכני משנה מומחים, כמו סוכן לאיסוף נתונים, סוכן לניתוח וסוכן לכתיבת דוחות, כדי לבצע אותן או לפרק אותן עוד יותר.

תבנית הפירוק ההיררכי של משימות היא אידיאלית לפתרון בעיות מורכבות מאוד ודו-משמעיות, כי היא מפרקת אותן באופן שיטתי למשימות משנה שקל יותר לנהל. התבנית הזו יכולה להניב תוצאות מקיפות ואיכותיות יותר מאשר תבניות פשוטות יותר. עם זאת, היכולת המתקדמת הזו מגיעה עם חסרונות משמעותיים. המבנה הרב-רמתי מוסיף מורכבות ארכיטקטונית משמעותית, שמקשה על עיצוב המערכת, ניפוי הבאגים ותחזוקה שלה. בנוסף, ריבוי השכבות של ההאצלה והחשיבה הרציונלית מוביל למספר גבוה של קריאות למודל, מה שמגדיל באופן משמעותי את זמן האחזור הכולל ואת עלויות התפעול בהשוואה לדפוסים אחרים.

תבנית נחיל

דפוס נחיל מרובה סוכנים משתמש בגישה שיתופית של תקשורת בין כולם. בדפוס הזה, כמה סוכנים מומחים עובדים יחד כדי לשפר באופן איטרטיבי פתרון לבעיה מורכבת.

התרשים הבא מציג תצוגה כללית של דפוס נחיל מרובה סוכנים:

ארכיטקטורה של תבנית עיצוב של נחיל סוכנים.

בדפוס Swarm, סוכן שילוח מעביר בקשת משתמש לקבוצה שיתופית של סוכנים מומחים. סוכן השליחה מפרש את הבקשה וקובע איזה סוכן בנחיל הכי מתאים להתחיל את המשימה. בדפוס הזה, כל סוכן יכול לתקשר עם כל סוכן אחר, מה שמאפשר להם לשתף ממצאים, לבקר הצעות ולבנות על העבודה של כל אחד מהם כדי לשפר פתרון באופן איטרטיבי. כל נציג בנחיל יכול להעביר את המשימה לנציג אחר שלדעתו מתאים יותר לטפל בשלב הבא, או להעביר את התשובה הסופית למשתמש דרך הנציג המתאם.

בדרך כלל, בנחיל אין סוכן מרכזי שמפקח או מתאם את התהליך. סוכן השליחה לא מתזמן את תהליך העבודה של הסוכן, בניגוד לתבנית המתאם. במקום זאת, סוכן השליחה מאפשר תקשורת בין הסוכנים המשניים של ה-swarm לבין המשתמש. כדי לוודא שהנחיל יפסיק בסופו של דבר ויחזיר תוצאה, צריך להגדיר תנאי יציאה מפורש. התנאי הזה הוא בדרך כלל מספר מקסימלי של איטרציות, הגבלת זמן או השגת יעד ספציפי, כמו הגעה להסכמה.

משתמשים בשיטת הנחיל לבעיות מורכבות מאוד או לבעיות שיש לגביהן אי-ודאות, שמועיל לדון בהן ולשפר אותן באופן איטרטיבי. לדוגמה, תהליך התכנון של מוצר חדש יכול לכלול סוכן לחקר שוק, סוכן הנדסי וסוכן ליצירת מודלים פיננסיים. הסוכנים ישתפו רעיונות ראשוניים, ידונו בפשרות בין התכונות והעלויות, ויגיעו יחד למפרט עיצוב סופי שמאזן בין כל הדרישות המתחרות.

דפוס הנחיל מדמה צוות מומחים שפועל בשיתוף פעולה, ולכן הוא יכול להפיק פתרונות יצירתיים ואיכותיים במיוחד. עם זאת, זהו הדפוס המורכב והיקר ביותר להטמעה מבין דפוסי ריבוי הסוכנים. היעדר סוכן שמשתמש במודל AI כדי לתזמן יכול להוביל לסיכון של לולאות לא פרודוקטיביות או לכישלון בהגעה לפתרון. לכן, צריך לתכנן לוגיקה מורכבת כדי לנהל את התקשורת המסועפת בין הסוכנים, לשלוט בתהליך העבודה האיטרטיבי ולטפל בעלויות התפעוליות הגבוהות ובזמן האחזור שקשורים להפעלת שיחה דינמית רב-שלבית בין כמה סוכנים.

דפוס Reason and act (ReAct)‎

דפוס ReAct הוא גישה שבה מודל ה-AI משתמש כדי לתאר את תהליכי החשיבה והפעולות שלו כרצף של אינטראקציות בשפה טבעית. בדפוס הזה, הסוכן פועל בלולאה איטרטיבית של חשיבה, פעולה ותצפית עד שמתקיים תנאי יציאה.

  • חשיבה: המודל חושב על המשימה ומחליט מה לעשות בהמשך. המודל מעריך את כל המידע שהוא אסף כדי לקבוע אם הבקשה של המשתמש נענתה במלואה.
  • פעולה: על סמך תהליך החשיבה שלו, המודל מבצע אחת משתי פעולות:
    • אם המשימה לא הושלמה, הוא בוחר כלי ואז יוצר שאילתה כדי לאסוף מידע נוסף.
    • אם המשימה הושלמה, הוא מנסח את התשובה הסופית לשליחה למשתמש, ובכך מסתיים הלולאה.
  • תצפית: המודל מקבל את הפלט מהכלי ושומר מידע רלוונטי בזיכרון שלו. המודל שומר את הפלט הרלוונטי, ולכן הוא יכול להסתמך על תצפיות קודמות. כך הוא לא חוזר על עצמו ולא מאבד את ההקשר.

הלולאה האיטרטיבית מסתיימת כשהסוכן מוצא תשובה חד-משמעית, מגיע למספר המקסימלי של איטרציות שהוגדר מראש או נתקל בשגיאה שמונעת ממנו להמשיך. הלולאה האיטרטיבית הזו מאפשרת לסוכן לבנות תוכנית באופן דינמי, לאסוף ראיות ולשנות את הגישה שלו תוך כדי שהוא פועל להשגת תשובה סופית.

התרשים הבא מציג תצוגה כללית של דפוס ReAct:

ארכיטקטורה של דפוס ReAct.

כדאי להשתמש בדפוס ReAct למשימות מורכבות ודינמיות שדורשות תכנון והתאמה מתמשכים. לדוגמה, נניח שיש סוכן רובוטי שצריך ליצור נתיב למעבר ממצב התחלתי למצב יעד:

  • מחשבה: המודל מנתח את הנתיב האופטימלי למעבר מהמצב הנוכחי למצב היעד. במהלך תהליך החשיבה, המודל מבצע אופטימיזציה של מדדים כמו זמן או אנרגיה.
  • פעולה: המודל מבצע את השלב הבא בתוכנית שלו על ידי מעבר לאורך קטע מחושב של נתיב.
  • תצפית: המודל מתבונן במצב החדש של הסביבה ושומר אותו. המודל שומר את המיקום החדש ואת כל השינויים בסביבה שהוא מזהה.

הלולאה הזו מאפשרת לסוכן לפעול בהתאם למגבלות דינמיות, כמו הימנעות ממכשולים חדשים או ציות לתקנות התנועה, על ידי עדכון מתמיד של התוכנית שלו על סמך תצפיות חדשות. הסוכן ממשיך בלולאה האיטרטיבית שלו עד שהוא מגיע ליעד או נתקל בשגיאה.

סוכן ReAct יחיד יכול להיות פשוט יותר וחסכוני יותר להטמעה ולתחזוקה מאשר מערכת מרובת סוכנים מורכבת (MAS). התכונה 'חשיבה מודלית' מספקת תמליל של הנימוקים של המודל, ועוזרת בניפוי באגים. עם זאת, הגמישות הזו כרוכה בפשרות. האופי האיטרטיבי של הלולאה, שכולל כמה שלבים, יכול להוביל לחביון גבוה יותר מקצה לקצה בהשוואה לשאילתה יחידה. בנוסף, היעילות של הסוכן תלויה מאוד באיכות ההיגיון של מודל ה-AI. לכן, שגיאה או תוצאה מטעה מכלי בשלב אחד של התצפית יכולות להתפשט ולגרום לכך שהתשובה הסופית תהיה שגויה.

דפוס האדם שבתהליך

התבנית 'אדם בתהליך' משלבת נקודות להתערבות אנושית ישירות בתהליך העבודה של הסוכן. בנקודת ביקורת מוגדרת מראש, הסוכן מפסיק את הביצוע וקורא למערכת חיצונית כדי לחכות שאדם יבדוק את העבודה שלו. הדפוס הזה מאפשר לאדם לאשר החלטה, לתקן שגיאה או לספק קלט נדרש לפני שהסוכן יכול להמשיך.

התרשים הבא מציג תצוגה כללית של דפוס של מעורבות אנושית בתהליך:

ארכיטקטורה של תבנית עיצוב של כמה סוכנים עם מעורבות אנושית.

מומלץ להשתמש בדפוס Human-in-the-Loop למשימות שדורשות פיקוח אנושי, שיפוט סובייקטיבי או אישור סופי לפעולות קריטיות. פעולות כאלה כוללות אישור של עסקה פיננסית גדולה, אימות הסיכום של מסמך רגיש או מתן משוב סובייקטיבי על תוכן יצירתי שנוצר. לדוגמה, יכול להיות שסוכן יקבל משימה להפוך מערך נתונים של מטופלים לאנונימי לצורך מחקר. הסוכן יזהה ויצנזר באופן אוטומטי את כל המידע הרפואי המוגן, אבל הוא יושהה את הפעולה בנקודת ביקורת סופית. הוא ימתין עד שאחראי על התאימות יאמת ידנית את מערך הנתונים ויאשר את השחרור שלו, כדי לוודא שלא ייחשף מידע אישי רגיש.

התבנית 'האדם שבתהליך' משפרת את הבטיחות והמהימנות על ידי שילוב של שיקול דעת אנושי בנקודות קריטיות בתהליך העבודה. הדפוס הזה יכול להוסיף מורכבות ארכיטקטונית משמעותית, כי הוא מחייב אתכם לבנות ולתחזק את המערכת החיצונית לאינטראקציה עם המשתמשים.

דפוס של לוגיקה מותאמת אישית

הלוגיקה המותאמת אישית מספקת את הגמישות המקסימלית בתכנון תהליך העבודה. הגישה הזו מאפשרת לכם להטמיע לוגיקה ספציפית של תזמור שמשתמשת בקוד, כמו משפטי תנאי, כדי ליצור תהליכי עבודה מורכבים עם כמה נתיבי הסתעפות.

התרשים הבא מציג דוגמה לשימוש בתבנית של לוגיקה בהתאמה אישית כדי לתעד תהליך של החזר כספי:

ארכיטקטורה של דפוס עיצוב מותאם אישית לכמה סוכנים.

בתרשים שלמעלה, מוצג תהליך העבודה של סוכן עם יכולות AI בדוגמה של סוכן להחזר כספי ללקוח:

  1. המשתמש שולח שאילתה לסוכן להחזרים כספיים ללקוחות, שפועל כסוכן מתאם.
  2. הלוגיקה המותאמת אישית של הסוכן המתאם מפעילה קודם סוכן אימות מקביל, ששולח בו-זמנית שני סוכני משנה: סוכן אימות הרכישה וסוכן בדיקת הזכאות להחזר כספי.
  3. אחרי שהתוצאות נאספות, סוכן המתאם מפעיל כלי כדי לבדוק אם הבקשה עומדת בדרישות לקבלת החזר כספי.
    1. אם המשתמש עומד בדרישות, המשימה מועברת על ידי הרכז לסוכן לטיפול בהחזרים כספיים, שמפעיל את הכלי process_refund.
    2. אם המשתמש לא עומד בדרישות, רכז הפעולות מעביר את המשימה לתהליך נפרד, שמתחיל בסוכן של קרדיט בחנות ובסוכן של תהליך קבלת החלטות לגבי קרדיט.
  4. התוצאה מכל נתיב שנבחר נשלחת לסוכן התשובה הסופית כדי לגבש את התשובה למשתמש.

הדוגמה של סוכן החזרים הכספיים ללקוחות דורשת פתרון ייחודי לתיאום ברמת הלוגיקה, שחורג מהגישות המובנות שדפוסים אחרים מציעים. תהליך העבודה הזה משלב דפוסים כי הוא מריץ בדיקה מקבילה, ואז הוא מבצע הסתעפות מותנית מותאמת אישית שמובילה לשני תהליכים שונים לחלוטין בהמשך. סוג כזה של תהליך עבודה מורכב עם דפוסים מעורבים הוא תרחיש השימוש האידיאלי לדפוס של לוגיקה מותאמת אישית.

משתמשים בדפוס של לוגיקה מותאמת אישית כשרוצים שליטה מדויקת על הביצוע של הסוכן או כשזרימת העבודה לא מתאימה לאחד מהדפוסים האחרים שמתוארים במסמך הזה. עם זאת, הגישה הזו מגדילה את המורכבות של הפיתוח והתחזוקה. אתם אחראים לתכנון, להטמעה ולניפוי הבאגים של כל תהליך התיאום, שדורש מאמצי פיתוח רבים יותר ועלול להיות מועד יותר לשגיאות מאשר שימוש בתבנית מוגדרת מראש שנתמכת על ידי כלי כמו ערכת פיתוח סוכנים (ADK).

מידע על סוכנים מותאמים אישית ועל הטמעה של לוגיקה מותאמת אישית באמצעות ADK זמין במאמר סוכנים מותאמים אישית.

השוואה בין דפוסי עיצוב

בחירת תבנית סוכן היא החלטה ארכיטקטונית בסיסית. כל תבנית מציעה יתרונות וחסרונות שונים מבחינת גמישות, מורכבות וביצועים. כדי לקבוע את הדפוס המתאים לעומס העבודה, כדאי לעיין בדפוסי העיצוב בקטעים הבאים.

תהליכי עבודה דטרמיניסטיים

תהליכי עבודה דטרמיניסטיים כוללים משימות צפויות ורציפות, עם נתיב ברור של תהליך העבודה מההתחלה ועד הסוף. השלבים במשימות ידועים מראש, והתהליך לא משתנה הרבה מהרצה להרצה.

הדוגמאות הבאות הן של דפוסי עיצוב של סוכנים לתהליכי עבודה דטרמיניסטיים:

תבנית רציפה של כמה סוכנים

כדאי להשתמש בתבנית הזו אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • משימות שמחולקות לכמה שלבים ומתבצעות לפי תהליך עבודה קבוע ומוגדר מראש.
  • לא נדרשת תזמור של מודלים.
  • רצף קבוע של פעולות. הפלט של סוכן אחד הוא הקלט הישיר של הסוכן הבא ברצף.
תבנית מקבילית של כמה סוכנים

כדאי להשתמש בתבנית הזו אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • משימות עצמאיות שאפשר לבצע בו-זמנית.
  • לא נדרשת תזמור של מודלים.
  • הוא מקצר את זמן הטעינה הכולל כי הוא מריץ את משימות המשנה במקביל.
דפוס של שיפור איטרטיבי של כמה סוכנים

כדאי להשתמש בדפוס הזה אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • משימות יצירה מורכבות או פתוחות שקשה להשלים בניסיון אחד.
  • ההנחיה הזו מחייבת את הסוכן לשפר את הפלט בהדרגה על פני כמה מחזורים.
  • לא נדרשת תזמור של מודלים.
  • היא מתעדפת את איכות הפלט על פני זמן האחזור.

תהליכי עבודה שנדרש תזמור דינמי כדי לבצע אותם

תהליכי עבודה שדורשים תזמור דינמי כוללים בעיות מורכבות שבהן סוכנים צריכים להחליט איך להמשיך. בתהליכי העבודה האלה, מערכת ה-AI עם יכולות סוכנותיות מתכננת, מקצה ומתאמת משימות באופן דינמי בלי תסריט.

אלה דפוסי עיצוב של סוכנים לתהליכי עבודה שנדרש בהם תזמור דינמי:

תבנית של סוכן יחיד

כדאי להשתמש בדפוס הזה אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • משימות מובנות עם כמה שלבים שדורשות שימוש בכלים חיצוניים.
  • נדרש פיתוח מהיר של אב טיפוס של פתרון כהוכחת קונספט.
תבנית של מתאם בין כמה סוכנים

כדאי להשתמש בדפוס הזה אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • נדרשת הפניה דינמית לסוכן משנה מתאים ומומחה למשימות מובנות עם קלט מגוון.
  • חביון גבוה בגלל כמה קריאות למודל ה-AI של המתאם, כדי שהוא יוכל להפנות משימות לסוכן המשנה המתאים.
  • עלולות להיות עלויות גבוהות בגלל שיחות מרובות לסוכן המתאם.
תבנית של פירוק היררכי של משימות עם כמה סוכנים

כדאי להשתמש בתבנית הזו אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • נדרשת תזמור מודלים רב-רמתי למשימות מורכבות, פתוחות ועמומות.
  • נדרשות תוצאות מקיפות ואיכותיות, והאתגר העיקרי הוא פירוק של דו-משמעות.
  • זמן אחזור ארוך בגלל פירוק מקונן בכמה רמות שמוביל לכמה קריאות למודל ה-AI לצורך הסקת מסקנות.
דפוס של נחיל עם כמה סוכנים

כדאי להשתמש בתבנית הזו אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • נדרש דיון שיתופי ושיפור חוזר ונשנה מכמה סוכנים מומחים למשימות מורכבות מאוד, פתוחות או מעורפלות.
  • נותן עדיפות לסינתזה של כמה נקודות מבט כדי ליצור פתרון מקיף או יצירתי.
  • חביון גבוה ועלויות תפעול גבוהות בגלל תקשורת דינמית בין כל הסוכנים.

תהליכי עבודה שכוללים איטרציה

תהליכי עבודה שכוללים איטרציה הם תהליכים שבהם התוצאה הסופית מושגת באמצעות מחזורים של שיפור, משוב ושיפור.

אלה דפוסי עיצוב של סוכנים לתהליכי עבודה שכוללים איטרציה:

דפוס ReAct

כדאי להשתמש בתבנית הזו אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • נדרש סוכן שיבצע חשיבה, פעולה ותצפית באופן איטרטיבי כדי ליצור או להתאים תוכנית למשימות מורכבות, פתוחות ודינמיות.
  • היא מתעדפת תוצאה מדויקת ומקיפה יותר על פני זמן אחזור.
תבנית של לולאה עם כמה סוכנים

כדאי להשתמש בתבנית הזו אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • נדרשות משימות של מעקב או שליחת בקשות שחוזרות על פעולה מוגדרת מראש, כמו בדיקות אוטומטיות, עד שהסוכן עומד בתנאי יציאה.
  • השהיה בלתי צפויה או ארוכה בזמן ההמתנה עד שיתקיים תנאי יציאה.
דפוס של ביקורת ומשוב מרובי סוכנים

כדאי להשתמש בדפוס הזה אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • כדי להשלים את המשימות, צריך לבצע שלב אימות נפרד.
דפוס של שיפור איטרטיבי של כמה סוכנים

כדאי להשתמש בתבנית הזו אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • משימות יצירה מורכבות או פתוחות שקשה להשלים בניסיון אחד.
  • ההנחיה הזו מחייבת את הסוכן לשפר את הפלט בהדרגה על פני כמה מחזורים.
  • לא נדרשת תזמור של מודלים.
  • היא מתעדפת את איכות הפלט על פני זמן האחזור.

תהליכי עבודה עם דרישות מיוחדות

תהליכי עבודה עם דרישות מיוחדות כוללים משימות שלא פועלות לפי דפוסים נפוצים של סוכנים. המשימות יכולות לכלול לוגיקה עסקית ייחודית או לדרוש שיקול דעת אנושי והתערבות בנקודות קריטיות. במקרה הזה, מערכת ה-AI האקטיבי שלכם מותאמת אישית למטרה ספציפית אחת.

אלה דפוסי עיצוב של סוכנים לתהליכי עבודה עם דרישות מיוחדות:

דפוס של האדם שבתהליך

כדאי להשתמש בדפוס הזה אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • נדרשת השגחה אנושית בגלל משימות חשובות או סובייקטיביות שעשויות לכלול דרישות בטיחות, אמינות ותאימות.
דפוס לוגיקה מותאם אישית

כדאי להשתמש בתבנית הזו אם לעומס העבודה שלכם יש את המאפיינים הבאים:

  • לוגיקה מורכבת ומסועפת שחורגת מרצף לינארי ישיר.
  • נדרשת שליטה מקסימלית כדי לשלב כללים מוגדרים מראש עם נימוקי המודל.
  • נדרש שליטה בתהליכים ברמת פירוט גבוהה כדי להתאים את תהליך העבודה לתבנית לא סטנדרטית.

המאמרים הבאים

שותפים ביצירת התוכן

מחבר: סמנתה הי | כותבת טכנית

תורמי תוכן אחרים: