Building Persona-Based Agents On Demand: Tailoring Multi-Agent Workflows to User Needs
Dieser Artikel schlägt eine Pipeline vor, die zur Überwindung der Einschränkungen fest verankerter, hart kodierter Multi-Agenten-Architekturen durch die Anpassung von Workflows an spezifische Benutzerbedürfnisse und Kontexte dynamisch bedarfsgesteuerte, persona-basierte Agenten zur Laufzeit generiert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie betreten ein Restaurant, in dem die Küche von einem Team aus Robotern geleitet wird. In der aktuellen Version dieses Restaurants haben die Roboter feste Aufgaben, die sich niemals ändern. Ein Roboter ist immer der mürrische Koch, der nur in kurzen, technischen Befehlen spricht. Ein anderer ist immer der langsame, übermäßig höfliche Kellner. Unabhängig davon, wer Sie sind oder was Sie bestellen, läuft die Küche exakt gleich ab. Wenn Sie eine schnelle, lockere Mahlzeit wünschen, müssen Sie sich dennoch mit dem mürrischen Koch auseinandersetzen. Wenn Sie eine detaillierte Erklärung Ihres Essens wünschen, müssen Sie dennoch auf den langsamen Kellner warten.
Diese Arbeit argumentiert, dass dieser „Einheitsansatz" das Potenzial von KI zurückhält. Die Autoren, Forscher vom Politecnico di Torino, schlagen einen neuen Weg vor, um diese KI-Teams (genannt „Multi-Agenten-Systeme") zu bauen, bei dem die Roboter ihre Persönlichkeiten und Rollen in Echtzeit ändern können, und zwar speziell für Sie.
Hier ist, wie ihre Idee funktioniert, in einfachen Schritten aufgeschlüsselt:
Das Problem: Die starre Küche
Derzeit sind die meisten fortschrittlichen KI-Systeme mit einer „fest verdrahteten" Struktur aufgebaut. Die Entwickler entscheiden im Voraus: „Agent A wird immer der Planer sein, Agent B wird immer der Forscher sein, und sie werden immer in dieser spezifischen Reihenfolge miteinander sprechen."
- Das Problem: Wenn Sie ein Experte sind, der eine schnelle Antwort wünscht, zwingt Sie das System möglicherweise dennoch durch einen langsamen, für Anfänger geeigneten Prozess. Wenn Sie ein Anfänger sind, der eine freundliche Erklärung benötigt, liefert das System möglicherweise einen kalten, technischen Bericht. Das System kennt Sie nicht; es kennt nur sein vorab geschriebenes Skript.
Die Lösung: Die „Chamäleon"-Küche
Die Autoren schlagen ein System vor, bei dem das KI-Team in Echtzeit basierend auf dem, was Sie in genau diesem Moment benötigen, aufgebaut wird. Stellen Sie sich eine Küche vor, in der sich die Roboter sofort in jede beliebige Persona verwandeln können, die benötigt wird, um Ihnen speziell zu helfen.
Wenn Sie eine komplexe Frage stellen, erstellt das System möglicherweise sofort eine „strenge, aber brillante Professor"-Persona, um die Details zu erklären. Wenn Sie eine einfache Frage stellen, wechselt es möglicherweise zu einer „freundlichen Nachbar"-Persona, um eine schnelle, lockere Antwort zu geben.
Wie es funktioniert: Die Vier-Schritte-Pipeline
Die Arbeit beschreibt einen spezifischen Prozess (eine Pipeline), der jedes Mal abläuft, wenn Sie eine Frage stellen. Hier ist der Ablauf:
Zuhören und Verstehen (Abfrageanalyse):
Zuerst hört das System Ihrer Frage zu. Es liest nicht nur die Worte; es versucht herauszufinden, wer Sie sind (sind Sie ein Experte oder ein Anfänger?) und was Sie wirklich wollen (benötigen Sie eine kurze Zusammenfassung oder eine tiefgehende Analyse?). Es zerlegt Ihre große Frage in kleinere, handhabbare Aufgaben.Erstellen des Teams (Agentengenerierung):
Dies ist der magische Schritt. Basierend auf dem, was es in Schritt eins gelernt hat, erstellt das System sofort die perfekten KI-Agenten.- Es wählt nicht aus einer vorgefertigten Liste aus. Es schreibt eine neue „Stellenbeschreibung" (eine Persona) für einen Roboter, der Ihren Bedürfnissen entspricht.
- Beispiel: Wenn Sie einen Programmierer benötigen, erstellt es eine „präzise, unnachgiebige Programmierer"-Persona. Wenn Sie einen kreativen Schriftsteller benötigen, erstellt es eine „vorstellungsreiche, blumige Schriftsteller"-Persona.
- Anschließend „weckt" es diese neuen Agenten, indem es ihnen ihre spezifischen Anweisungen und Persönlichkeitsmerkmale gibt.
Das Team geht an die Arbeit (Ausführung):
Das System weist die kleinen Aufgaben den neu erstellten Agenten zu. Wenn zwei Aufgaben gleichzeitig erledigt werden können, arbeiten die Agenten parallel. Wenn eine Aufgabe das Ergebnis einer anderen benötigt, stellt das System sicher, dass der erste Agent fertig ist, bevor der zweite beginnt. Sie arbeiten zusammen, sind aber alle auf Ihre spezifische Anfrage zugeschnitten.Servieren des finalen Gerichts (Aggregation):
Sobald alle Agenten ihre Teile fertiggestellt haben, sammelt das System ihre Arbeit ein. Es fügt die Teile zu einer flüssigen, kohärenten Antwort zusammen. Es stellt sicher, dass der Ton konsistent ist und dass das Endergebnis genau dem entspricht, was Sie gefragt haben, und entfernt jegliche Wiederholungen oder Verwirrung.
Warum dies wichtig ist
Der Hauptpunkt der Arbeit ist, dass wir KI-Agenten nicht länger wie statische Werkzeuge mit festen Persönlichkeiten behandeln sollten. Stattdessen sollten wir sie wie dynamische Darsteller behandeln, die ihre Darbietung ändern können, um dem Publikum zu entsprechen.
- Aktuelle Methode: Sie müssen sich an den festen Stil der KI anpassen.
- Neue Methode: Die KI passt ihren Stil, ihre Rolle und ihre Teamstruktur an Sie an.
Die Autoren glauben, dass dies die Technologie nützlicher und weniger frustrierend macht. Es ermöglicht dem System, ein „Chamäleon" zu sein, das seine Farben ändert, um der Expertise, den Vorlieben des Benutzers und der spezifischen Situation anzupassen, anstatt jeden Benutzer in eine einzige, starre Form zu zwingen.
Kurz gesagt: Statt eines Roboterteams, das immer gleich handelt, stellen Sie sich ein Team vor, das sofort zu den genau den Experten werden kann, die Sie benötigen, und jedes Mal genau so spricht, wie Sie es bevorzugen, jedes Mal, wenn Sie um Hilfe bitten. Das ist es, was diese Arbeit vorschlägt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.