ایجنت هوش مصنوعی سامانه‌ای نرم‌افزاری است که برای رسیدن به یک هدف، محیط را بررسی میکند، تصمیم می‌گیرد، از ابزارهای مجاز استفاده میکند و نتیجه اقدام خود را می‌سنجد. تفاوت اصلی آن با یک پاسخ‌گوی ساده این است که فقط متن تولید نمی‌کند؛ می‌تواند یک کار چندمرحله‌ای را تا رسیدن به نتیجه پیگیری کند.
برای نمونه، وقتی هدف «تهیه گزارش وضعیت سفارش‌های معوق» باشد، ایجنت ممکن است محدوده درخواست را بفهمد، داده را از سامانه فروش بگیرد، موارد ناقص را تشخیص دهد، نتیجه را در قالب مشخص آماده کند و پیش از ارسال، تایید مسوول را بگیرد. این مقاله سازوکار این چرخه را بدون بزرگ‌نمایی و با نگاه اجرایی توضیح می‌دهد. برای تعریف پایه و کاربردهای اصلی نیز راهنمای ایجنت هوش مصنوعی چیست را بخوانید.
چرخه ایجنت هوش مصنوعی چگونه کار میکند؟
هسته رفتار عامل‌محور را می‌توان در پنج گام دید: دریافت هدف، جمع‌آوری زمینه، برنامهریزی، اقدام و ارزیابی. پس از هر اقدام، نتیجه دوباره به چرخه برمی‌گردد. اگر ابزار خطا بدهد یا داده کافی نباشد، ایجنت باید مسیر را اصلاح کند، سوال روشن‌کننده بپرسد یا کار را به انسان ارجاع دهد.
- هدف: خروجی مطلوب و محدودیت‌های آن مشخص می‌شود.
- مشاهده: اطلاعات مرتبط از ورودی کاربر، حافظه و منابع مجاز خوانده می‌شود.
- برنامه: کار به گام‌های کوچک و قابل کنترل تقسیم می‌شود.
- اقدام: ابزار مناسب مانند جست‌وجوی پایگاه دانش یا فراخوانی API اجرا می‌شود.
- بازبینی: نتیجه با معیار موفقیت مقایسه و گام بعدی انتخاب می‌شود.
الگوی پژوهشی ReAct نیز بر درهم‌تنیدن استدلال و اقدام تاکید دارد؛ یعنی سامانه به‌جای ساختن همه پاسخ در یک مرحله، از بازخورد ابزار و محیط برای تصمیم بعدی استفاده میکند.
شش جزو اصلی معماری ایجنت
۱. مدل تصمیم‌گیری
مدل زبانی یا مدل تخصصی، درخواست را تفسیر و میان گزینه‌ها انتخاب میکند. مدل به‌تنهایی ایجنت نیست؛ فقط یکی از اجزای آن است.
۲. دستور و سیاست
نقش، دامنه، قواعد ممنوع، قالب خروجی و شرایط توقف باید روشن باشند. دستور مبهم، رفتار ناپایدار می‌سازد.
۳. دانش و زمینه
اسناد، داده‌های عملیاتی و سابقه مرتبط باید در زمان مناسب بازیابی شوند. راهنمای حافظه ایجنت هوش مصنوعی تفاوت زمینه کوتاه‌مدت و دانش ماندگار را شرح می‌دهد.
۴. ابزار
ابزار همان توان انجام کار است: خواندن پایگاه داده، ساخت تیکت، محاسبه، جست‌وجو یا ارسال پیش‌نویس. در مقاله ابزار و API ایجنت کنترل ورودی، مجوز و خروجی را بررسی کرده‌ایم.
۵. حافظه وضعیت
سامانه باید بداند چه گام‌هایی انجام شده، چه نتیجه‌ای گرفته و چه چیزی هنوز باقی مانده است؛ وگرنه کار تکراری یا متناقض انجام می‌دهد.
۶. ارزیابی و نظارت
هر اجرا باید قابل ردگیری باشد. نرخ موفقیت، خطا، هزینه، زمان و دخالت انسانی شاخص‌های پایه‌اند. برای طراحی آزمون به امنیت و ارزیابی ایجنت مراجعه کنید.
مثال عملی: رسیدگی به درخواست مرجوعی
یک ایجنت خدمات مشتری ابتدا شماره سفارش و دلیل مرجوعی را دریافت میکند. سپس وضعیت پرداخت، زمان تحویل و قواعد مرجوعی را از منابع مجاز می‌خواند. اگر شرایط روشن باشد، پیش‌نویس پاسخ و اقدام پیشنهادی را می‌سازد؛ اگر مبلغ از حد تعیین‌شده بیشتر باشد، پرونده را برای تایید کارشناس می‌فرستد. پس از تصمیم، نتیجه و دلیل آن در سابقه ثبت می‌شود.
این مثال نشان می‌دهد ارزش ایجنت در اتصال «فهم درخواست» به «فرایند کنترل‌شده» است. برای سناریوهای بیشتر، مقاله کاربرد ایجنت هوش مصنوعی در کسب‌وکار را ببینید.
ایجنت با اتوماسیون معمولی چه تفاوتی دارد؟
اتوماسیون قاعدهمحور برای مسیرهای ثابت عالی است: اگر شرط مشخص برقرار شد، اقدام معینی انجام بده. ایجنت زمانی مفید است که ورودی‌ها متنوع، مسیر تصمیم پویا و استفاده از چند منبع لازم باشد. معماری خوب این دو را ترکیب میکند؛ تصمیم منعطف در مرزهای مشخص و اجرای قطعی برای عملیات حساس.
ایجنت چه زمانی نباید خودکار اقدام کند؟
در تصمیم مالی پراثر، تغییر دسترسی، حذف داده، تعهد حقوقی و اقدام برگشت‌ناپذیر، تایید انسانی یا کنترل قطعی ضروری است. سطح اختیار باید متناسب با ریسک باشد، نه توان نمایشی سامانه. مقاله ایجنت خودمختار و سطوح اختیار یک الگوی مرحله‌ای ارایه میکند.
- هر ابزار فقط حداقل مجوز لازم را داشته باشد.
- برای تعداد گام، زمان، هزینه و دفعات تلاش سقف تعیین شود.
- عملیات حساس پیش از اجرا تایید بخواهد.
- مسیر توقف، بازگشت و گزارش رخداد از ابتدا طراحی شود.
معیار موفقیت یک ایجنت چیست؟
پاسخ روان کافی نیست. باید «کار درست و کامل‌شده» سنجیده شود: درصد انجام موفق، صحت داده، تعداد اصلاح کارشناس، زمان چرخه، هزینه هر نتیجه و نرخ اقدام نامجاز. مقایسه با فرایند فعلی نشان می‌دهد سامانه واقعا ارزش ایجاد کرده یا فقط یک لایه تازه به کار افزوده است.
سوالات متداول
آیا هر چتبات یک ایجنت هوش مصنوعی است؟
خیر. چتبات ممکن است فقط پاسخ تولید کند؛ ایجنت هدف را پیگیری میکند، ابزار به کار میبرد و نتیجه را ارزیابی میکند. مقایسه کامل در تفاوت ایجنت و چتبات آمده است.
آیا ایجنت همیشه به مدل زبانی نیاز دارد؟
نه لزوما. عاملهای واکنشی و قاعدهمحور میتوانند بدون مدل زبانی کار کنند، اما مدل زبانی برای تفسیر ورودیهای آزاد و برنامهریزی منعطف مفید است.
آیا ایجنت بدون اینترنت کار میکند؟
بله، اگر مدل، دانش و ابزارهای لازم در محیط داخلی در دسترس باشند. نیاز به اینترنت تابع معماری و منابع مورد استفاده است.
اولین قدم برای ساخت ایجنت چیست؟
یک هدف محدود، معیار موفقیت، داده ورودی و فهرست اقدامات مجاز را مشخص کنید؛ سپس با مسیر کم‌ریسک پایلوت بسازید. نقشه کامل در آموزش ساخت ایجنت هوش مصنوعی ارایه شده است.
منابع پیشنهادی برای مطالعه بیشتر
برای چارچوب اجزا و چرخه کار، منابع آموزشی Google Cloud درباره مفاهیم اصلی ایجنت‌ها و مقاله علمی ReAct نقطه شروع مناسبی هستند.