AI Agent erstellen und verwalten

In diesem Thema wird beschrieben, wie Sie einen AI Agent im Control Room erstellen und verwalten. Sie können verschiedene Aktionen ausführen, wie z. B. Ausführen, Verschieben, Einchecken, Ansehen, Bearbeiten, Kopieren und Löschen von AI Agent, wobei für das Bearbeiten und Löschen bestimmte Berechtigungen erforderlich sind.

Um einen AI Agent im Control Room zu erstellen:

Prozedur

  1. Melden Sie sich beim Control Room an und navigieren Sie zu Automatisierung > Neu erstellen oder „+“-Symbol und wählen Sie KI-Agent aus.
  2. Geben Sie einen Namen und eine Beschreibung ein und klicken Sie auf Erstellen und bearbeiten, um eine Vorlagenübersicht anzuzeigen. Lassen Sie uns ein Beispiel erstellen -- „Claim Details“-KI-Agent.
  3. Den Prompt des Agents definieren: Sie werden bemerken, dass der Bildschirm Generieren Sie einen Prompt für Ihren Agent (nur Cloud-Funktion) erscheint und Sie auffordert, den Prompt einzugeben.

    Der erste Schritt bei der Erstellung eines AI Agent besteht darin, ihm eine Mission zu geben. Sie tun dies, indem Sie einen klaren und detaillierten Prompt für den Startbildschirm bereitstellen, der den Zweck des Agenten in natürlicher Sprache beschreibt. Diese Eingabe bildet die Grundlage, auf der die gesamte Logik des Agent aufgebaut ist.

    Zum Beispiel könnte ein Nutzer, um den im Beispiel gezeigten „Claim Details“-Agent zu erstellen, mit einer kurzen, aber informativen Nachricht wie dieser begonnen haben:

    Your job is to retrieve claim details:
*  Retrieve policy and police report details.
*  If any information is missing, ask a human for assistance.

    Diese erste Eingabe liefert die Kernanforderungen, welche der AI Agent Studio dann nutzen kann, um einen detaillierteren, strukturierten Prompt zu erzeugen. Das AI Agent Studio ist darauf ausgelegt, flexibel zu sein. Sie müssen nicht jedes einzelne Detail im Voraus angeben. Je mehr Kontext Sie jedoch bereitstellen, desto besser kann der AI Agent Studio eine Anfangsvorlage generieren, die Sie weiter verfeinern können.

    Das System wird dann diese anfängliche Eingabe erweitern, um einen umfassenden Prompt zu erstellen (Beispiel unten gezeigt).

    Anmerkung: Der generierte Text für Rolle/Ziel/Aktionsplan variiert je nach verwendetem Modell leicht. Ihr Beispiel kann diesem nicht wortwörtlich entsprechen, aber die Struktur und die Absicht werden ähnlich sein.

    Beispielausgabe:

    Rolle: Du bist ein Sachbearbeiter für Versicherungsfälle, der sich auf Schäden durch gestohlenes Eigentum spezialisiert hat. Du bist in der Lage, Details zu Schäden, Versicherungspolicen und Polizeiberichten mit Hilfe von automatisierten Tools und bei Bedarf mit menschlicher Unterstützung abzurufen und zu überprüfen.

    Ziel:Dein Ziel ist es, alle erforderlichen Details für einen Schadensfall mit gestohlenem Eigentum unter Verwendung der angegebenen Claim-ID abzurufen und zu überprüfen, wobei du darauf achtest, dass kein Ausgabewert ungültig ist, und wenn nötig einen Menschen zu Rate ziehst, um die Aufgabe zu erledigen.

    „Claim Details”-AI Agent
  4. Modellverbindung auswählen:Navigieren Sie zum Tab Modell und klicken Sie auf Auswählen, um aus der verfügbaren Liste von Model connections, auf die Sie Zugriff haben, zu wählen. Weitere Informationen zur Modellverbindung finden Sie unter Modellverbindungen.
    Diese Model connectionsen werden vom Automatisierungsadministrator erstellt und Ihrem Nutzer mit einer benutzerdefinierten Rolle zugewiesen. Nur Model connections, die aus Automation Anywhere bereitgestellten Modellen oder über eigene Lizenzen (BYOL) erstellt wurden, sind erlaubt. Benutzerdefinierte Modelldefinitionen werden derzeit mit AI Agent nicht unterstützt.
    Anmerkung:
    KI-Agents unterstützen:
    • OpenAI und Azure OpenAI-Modellverbindungen, die die Modelle GPT-4o und GPT-4.1 (Standardtyp) verwenden.
    • Automation Anywhere-Modellverbindungen, die GPT-4o verwenden.

    Wenn Sie ein Modell auswählen, achten Sie darauf, dass Sie die neueste verfügbare Version auswählen (zum Beispiel GPT-4o November 2024 oder später), um von den neuesten Verbesserungen in Stabilität und Leistung zu profitieren.

  5. Agentenvariablen definieren: Navigieren Sie zur Registerkarte Eingabe und Ausgabe. Hier müssen Sie dem Agent mitteilen, nach welchen Informationen er als Eingabevariablen suchen soll und welche er als Ausgabevariablen bereitstellen soll. Diese Variablen werden vom LLM verwendet, um den Kontext zu verstehen und mit den Tools zu kommunizieren. Der Schlüssel ist eine aussagekräftige und anschauliche Sprache. Je detaillierter Ihre Beschreibungen sind, desto besser wird das LLM in der Lage sein, seinen Zweck zu verstehen und sein Ziel zu erfüllen.

    • Eingabevariable:

      • Name: claim_id

      • Beschreibung Die Claim-ID, für die Details abgerufen werden sollen

    • Ausgabevariable:

      • Name: claim_details

      • Beschreibung Letzte Einzelheiten des Anspruchs, einschließlich Informationen zur Police und zum Polizeibericht.

  6. Endnutzeranzeige definieren: Dieser Schritt ermöglicht es Ihnen, zu konfigurieren, wie die AI Agent-Ausführung dem Nutzer präsentiert wird. Das Ziel ist es, einen klaren und aussagekräftigen Titel für die Aufgabe bereitzustellen, den der Nutzer in der Co-pilot-Oberfläche sieht. Navigieren Sie zu der Registerkarte Endnutzeranzeige. Im Titel der Agentanfrage geben Sie einen Titel für die Aufgabe an. Dieser Titel ist ein Pflichtfeld und wird angezeigt, wenn der AI Agent im Co-Pilot ausgeführt wird. Zum Beispiel könnte für den „Claim Details“-Agent der Titel Claim Details Request lauten. Dies hilft dem Nutzer, auf einen Blick zu verstehen, was der Agent tut.
  7. Tools hinzufügen und konfigurieren:

    Unter dem Tab Tools fügen Sie die erforderlichen Automatisierungen hinzu, damit Ihr Agent seine Aufgabe ausführen kann. In diesem Beispiel fügen Sie die AutomatisierungenClaim Lookup, Police Report, Data Tracker, and Policy Process als Tools hinzu.

    Name des Tools Zweck Eingabevariablen Ausgabevariablen
    claim lookup Gibt die Angaben zum Anspruch an. INPUT_id: claim id claim_id: die Schadensnummer, policy_id: die Richtlinien-ID, stolen_property_item: das gestohlene Objekt, claimed_replacement_cost: der geltend gemachte Wiederbeschaffungswert, location_of_incident: Schadensort, police_report_id: die polizeiliche Berichtnummer, date_of_incident: Datum des Vorfalls, claim_status: Status des Schadensfalls, claimant_name: Name des Anspruchstellers, receipt: Beleg für das gemeldete Objekt
    police report Erhält die Details des Polizeiberichts. INPUT_id: Polizeibericht-ID police_report_id: Die eindeutige ID des Polizeiberichts, report_date: Datum des Berichts, officer_name: Name des Beamten, officer_badge_number: Dienstnummer, incident_type: Art des Vorfalls, description: Beschreibung der Eingabe, incident_location: Ort des Vorfalls, suspect_name: Name des Verdächtigen, arrest_made: Wurde eine Festnahme vorgenommen, reporting_station: meldende Dienststelle
    data tracker Verwenden Sie dieses Tool immer, um nachzuverfolgen, welche Daten Sie bisher erhalten haben oder nicht erhalten haben data_received_or_missing_so_far: Die Details zu den Daten, die Sie erhalten haben oder die fehlen (oder Nullwerte haben), formatiert in JSON data_received_or_missing_so_far_response: Die Daten, die Sie bisher erhalten haben oder die Ihnen fehlen, im JSON-Format
    policy process Dies ruft die Details einer Richtlinie ab INPUT_id: Die Richtlinien-ID policy_id: die Richtlinien-ID, policy_number: die Richtliniennummer, policy_type: der Richtlinientyp, issue_date: Das Ausstellungsdatum der Richtlinie, expiration_date: das Ablaufdatum, status: Status der Richtlinie, premium_amount: der Prämienbetrag, payment_frequency: die Zahlungsfrequenz, insured_name: der Name des Versicherten, insured_address: die Adresse des Versicherten, insured_phone: die Telefonnummer des Versicherten, insured_email: die E-Mail des Versicherten, coverage_type: der Versicherungstyp, policyholder_id: Die Richtlinieninhaber-ID, coverage_amount: der Versicherungsbetrag, agent_id: die ID des Agents, deductible_amount: der Selbstbehalt, was_successful: Wahr, wenn die Suche Daten gefunden hat, sonst Falsch.

    Weitere Informationen zur Konfiguration von Tools finden Sie unter Konfigurieren der Einstellungen in Tools für einen AI Agent.

  8. Den Aktionsplan definieren: Der Abschnitt Aktionsplan wird vom System basierend auf Ihrer Eingabe und den hinzugefügten Tools generiert. Es skizziert den logischen Ablauf:
    • Anspruchsdaten abrufen: Rufen Sie das Claim Lookup Tool mit der claim_id auf.
    • Polizeibericht abrufen: Rufen Sie das Polizeibericht-Tool auf.
    • Daten verfolgen: Rufen Sie das Datentracker-Tool auf.
    • Rufen Sie die Richtliniendetails ab: Rufen Sie den Richtlinienprozess auf.
    • Wenn Anspruchsdaten unvollständig sind, verwenden Sie den Human in the Loop, um um Unterstützung zu bitten.
  9. Testen und verfeinern: Sobald Sie alles konfiguriert haben, klicken Sie auf Ausführen, um Ihren Agent zu testen und sicherzustellen, dass er wie erwartet funktioniert. Sie können ein Gespräch mit dem Agent simulieren, indem Sie eine Schadennummer angeben und prüfen, ob er die Schadendetails, den Polizeibericht und die Versicherungsinformationen korrekt abruft. Überarbeiten Sie die Variablenbeschreibungen und Tool-Aufforderungen nach Bedarf, um die Leistung und Genauigkeit des Agent zu verbessern.
    Anmerkung:

    Hinweis: Das Testen und Ausführen von AI Agents in Ihrem privaten Arbeitsbereich verbraucht keine Automation-AI-Credits. Weitere Informationen zum Verbrauch von Credits beim Übergang in die Produktion finden Sie unter Lizenzmodell für AI Agents.

    .

Nächste Maßnahme

Sobald Sie Ihren AI Agent erstellt und konfiguriert haben, binden Sie ihn in Ihre Geschäftsprozesse ein und machen Sie Ihre End-to-End-Automatisierung smarter. Weitere Informationen zum Hinzufügen eines AI Agents zu einem Prozess finden Sie unter Eine AI Agent zu einer Prozessautomatisierung hinzufügen. Das folgende Diagramm veranschaulicht den typischen Workflow, von der Erstellung des Agents bis zur Ausführung in einer öffentlichen Umgebung.

AI Agent-Workflow

Der Prozess, einen AI Agent von einer Entwicklungsumgebung in eine öffentlich zugängliche Umgebung zu verschieben, umfasst mehrere wichtige Schritte und Nutzerrollen.

Erstellen und testen
Ein professioneller Entwickler oder Automatisierungsadministrator erstellt und testet den AI Agent.
In einem Prozess konfigurieren
Der professionelle Entwickler konfiguriert dann den AI Agent innerhalb eines größeren Prozesses.
Einchecken
Der Prozess wird im Repository eingecheckt und steht damit zur Nutzung bereit.
Im öffentlichen Bereich ausführen
Der Prozess kann dann in einem öffentlichen Arbeitsbereich ausgeführt werden, sodass er über die Automation Co-Pilot aufgerufen werden kann.
Anmerkung:

Ein Geschäftsnutzer mit der erforderlichen Automation Co-Pilot-Geschäftsnutzerlizenz kann den Prozess ausführen und mit dem AI Agent interagieren. Das Diagramm zeigt auch die spezifischen Berechtigungen, die für jede Nutzerrolle erforderlich sind, um diese Aufgaben auszuführen. Weitere Informationen zu den Rollen und Berechtigungen finden Sie unter Rollen und Berechtigungen.