ProAgent: Von OpenAI geführte intelligente Agenten setzen Arbeitskräfte frei, veröffentlicht von der Tsinghua-Universität und anderen Universitäten

• Projektadresse: https://github.com/OpenBMB/ProAgent
• Papieradresse: https://github.com/OpenBMB/ProAgent/blob/main/paper/paper. pdf

In der langen Geschichte der menschlichen technologischen Entwicklung war die Automatisierung immer die wichtigste treibende Kraft und half den Menschen, sich aus komplexen, gefährlichen und ermüdenden Arbeitsumgebungen zu befreien. Von der Wasserradbewässerung im frühen Agrarzeitalter bis zu Dampfmaschinen im Industriezeitalter streben die Menschen ständig nach fortschrittlicheren Automatisierungstechnologien, um sich von mühsamer Arbeit zu befreien

Mit dem Aufkommen des Informationszeitalters wird Software zur Informationsverarbeitung eingesetzt , Die Grundlage der Speicherung und Kommunikation ist zu einem untrennbaren Bestandteil der menschlichen Produktion und des menschlichen Lebens geworden, was zur Entstehung der Robotic Process Automation (RPA)-Technologie geführt hat. Es koordiniert mehrere Softwareprogramme durch manuell zusammengestellte Regeln zu einem festen Arbeitsablauf (Workflow) und interagiert mit der Software, um durch die Simulation menschlicher Interaktion eine effiziente Ausführung zu erreichen.

In dieser Grafik vergleichen wir Robotic Process Automation (RPA) mit Agent Process Automation (APA)

RPA (Robotic Process Automation) nutzt Softwareroboter oder „BOTs“, um sich wiederholende und regelmäßige Aufgaben zu simulieren und auszuführen um Personalressourcen freizusetzen und die Arbeitseffizienz zu verbessern. Das Anwendungsspektrum von RPA ist sehr breit. Viele Unternehmen (darunter Banken, Versicherungen, Fertigung, Einzelhandel und andere Branchen) nutzen RPA-Roboter normalerweise, um routinemäßige und mühsame Aufgaben wie Dateneingabe, Datenextraktion und Datenverarbeitung zu automatisieren. Durch die Automatisierung von Aufgaben kann RPA die Fehlerquote erheblich reduzieren und Aufgaben rund um die Uhr ausführen, wodurch die Zuverlässigkeit und Reaktionsfähigkeit des Unternehmens verbessert wird

Marktforschung zufolge wächst der RPA-Markt schnell und erzielt große Erfolge. Gartner prognostiziert, dass der weltweite RPA-Marktumsatz bis 2023 3,3 Milliarden US-Dollar erreichen wird, mit einer Wachstumsrate von 17,5 %. Dies zeigt, dass Unternehmen eine sehr hohe Nachfrage und Anerkennung für RPA haben

RPA kann jedoch nur einfache und mechanische menschliche Arbeit ersetzen, und einige komplexe Prozesse basieren immer noch auf manueller Arbeit:

1. Das Schreiben des RPA-Workflows selbst erfordert viel Arbeit Menschliche Arbeit kostet mehr.
2. Komplexe Aufgaben sind sehr flexibel und beinhalten meist dynamische Entscheidungen, die sich nur schwer in Ausdrucksregeln verfestigen lassen. Abbildung 2 Vergleich der Effizienz und Intelligenz zwischen RPA und APA KI könnte neue Möglichkeiten eröffnen. Automatisierungstechnologie schafft neue Möglichkeiten. Ist es möglich, die Flexibilität der Agententechnologie in den RPA-Bereich einzuführen, um die menschliche Beteiligung weiter zu reduzieren?

Die Forschung des Teams erforscht das neue Automatisierungsparadigma „Agentic Process Automation“ (APA) im Zeitalter großer Modellagenten. Im Vergleich zu herkömmlichem RPA kann der Agent im APA-Paradigma den Workflow-Aufbau unabhängig entsprechend den menschlichen Bedürfnissen abschließen. Gleichzeitig kann er die Teile menschlicher Bedürfnisse identifizieren, die eine dynamische Entscheidungsfindung erfordern, und diese automatisch in den Workflow integrieren. und schließen Sie den Workflow ab, wenn der Workflow ausgeführt wird. Dieser Teil übernimmt aktiv die Ausführung des Workflows, um entsprechende komplexe Entscheidungen abzuschließen.

Um die Möglichkeiten von APA zu untersuchen, wurde in dieser Forschungsarbeit ein automatisierter Agent ProAgent implementiert, der menschliche Anweisungen empfangen und Workflows erstellen kann, indem Code generiert wird. DataAgent und ControlAgent werden ebenfalls in den Workflow eingeführt, um komplexe Datenverarbeitung und Logik zu implementieren Kontrolle. Die Forschung von ProAgent zeigt die Machbarkeit von APA im Zeitalter großer Agentenmodelle und zeigt auch neue Möglichkeiten für die Automatisierungstechnologie im Zeitalter von LLM auf.

Einführung in die Methode

In RPA ist ein Workflow eine Diagrammstruktur, die aus einer Reihe von Werkzeugaufrufen besteht: Knoten stellen atomare Werkzeugaufrufe dar (z. B. Gmail, Twitter, Google Sheets) und Kanten stellen die Ausführungslogik dar. Sequenz ( verbinden, verzweigen, schleifen). Ein Workflow enthält normalerweise das gesamte Vorwissen zu einer Aufgabe oder einem Aufgabentyp, einschließlich Problemlösungspfaden und Ausnahmebehandlungslogik. Daher ist das Schreiben fester Arbeitsabläufe oft sehr stabil, gründlich und effizient

Abbildung 3 Beispiel einer Agenten-Workflow-Beschreibungssprache

Da LLM selbst in Codedaten vorab trainiert ist und starke Codefähigkeiten erlernt hat, verwendet diese Studie die codebasierte Agenten-Workflow-Beschreibungssprache. Agenten-Workflow-Beschreibung Sprache. Diese Sprache verwendet JSON zum Organisieren und Verwalten von Daten im Workflow und implementiert die logische Steuerung des Workflows. Sprünge, Schleifen usw. im Kontrollfluss werden direkt durch die Python-Syntax dargestellt, und die Tools im Workflow sind Der Aufruf ist als Python-Funktion gekapselt. Für ProAgent werden also Workflow-Erstellungsaufgaben in Codegenerierungsaufgaben umgewandelt. Beim Empfang menschlicher Anweisungen schreibt ProAgent die entsprechende Agentic Workflow Description Language und realisiert so eine automatisierte Workflow-Erstellung.

Abbildung 4 Beispiel einer Agenten-Workflow-Beschreibungssprache, die DataAgent und ControlAgent kombiniert.

Komplexe Aufgaben im wirklichen Leben beinhalten normalerweise dynamische Entscheidungsfindung, einfache logische Kontrollregeln im Python-Stil und Datenorganisation im JSON-Stil Die Form ist machtlos, wenn sie mit flexiblen Anforderungen konfrontiert wird, und zu diesem Zeitpunkt muss ein Agent eingeführt werden. Daher werden in dieser Forschungsarbeit zwei Agentenoperationen weiter definiert:

1 DataAgent: Für eine komplexe Datenverarbeitungsanforderung wird natürliche Sprache verwendet, um die Verarbeitungsaufgaben zu beschreiben, wenn der Workflow erstellt wird, und dann wird während der Ausführung ein DataAgent initialisiert wird die Datenverarbeitungsaufgabe basierend auf der Beschreibung in natürlicher Sprache selbstständig verarbeiten und abschließen.

2. Für logische Kontrollregeln, die sich nur schwer durch Regeln ausdrücken lassen, wird beim Erstellen des Workflows natürliche Sprache verwendet, um die Kontrolllogik zu beschreiben, und dann wird zur Laufzeit ein ControlAgent initialisiert, der beschrieben wird Basierend auf der natürlichen Sprache. Wählen Sie unabhängig die Zweige aus, die später im Workflow ausgeführt werden müssen.

ProAgent verwendet den ReACT-Modus, um Schritt für Schritt einen Workflow zu erstellen, der vier Workflow-Erstellungsschritte enthält:

1. Action_Define: Entscheiden Sie, welche Tools dem Workflow hinzugefügt werden sollen.
2. Aktionsimplementierung: Konvertieren Sie die Eingabe-/Ausgabeparameter des Tools in eine JSON-Struktur und kapseln Sie den Aufruf des Tools in eine Python-Funktion.
3. Workflow-Implementierung: Definieren Sie eine mainWorkflow-Funktion, um die Logiksteuerung und Datenverarbeitung des gesamten Workflows zu organisieren.
4. Aufgabe senden: Wenn ProAgent die Erstellung des Workflows abgeschlossen hat, markiert dieser Vorgang das Ende des Erstellungsprozesses.

Das Beispiel zeigt Abbildung 5 des ProAgent-Workflow-Konstruktionsprozesses

Zusätzlich werden mehrere Optimierungstechniken eingeführt, um die Wirkung von ProAgent zu optimieren:

1. 1.Testen- on -Constructing: Während des Konstruktionsprozesses testet ProAgent den Workflow nach einmaliger Änderung, um die Korrektheit des Workflows sicherzustellen.
2. Funktionsaufruf: Alle Vorgänge der Workflow-Erstellung sind in GPT-4-Funktionen gekapselt, wodurch die Kontrolle über den Workflow-Erstellungsprozess verbessert wird.
3. Gedankenkette: Wenn ProAgent Workflow-Code schreibt, ist es notwendig, Kommentare und einen Schreibplan für jede Funktion abzugeben, um die Leistung der ProAgent-Workflow-Erstellung zu verbessern.

Der Ausführungsprozess des Workflows basiert auf dem Python-Interpreter. Wenn ein Workflow angegeben ist, wird die entsprechende mainWorkflow-Funktion als Einstiegspunkt für die Ausführung verwendet und somit der gesamte Ausführungsprozess gestartet. Der Ausführungsprozess folgt den Ausführungsregeln des Python-Codes, das heißt, er wird Zeile für Zeile der Reihe nach ausgeführt. Sobald die mainWorkflow-Funktion zurückkehrt, ist die Ausführung des Workflows erfolgreich abgeschlossen

Machbarkeitsüberprüfung

Um die Machbarkeit der Agentic Process Automation zu überprüfen, verwendete diese Studie OpenAI GPT-4 als Basismodell und eine Open-Source-RPA-Plattform n8n als Träger zur Implementierung des oben genannten ProAgent. Gleichzeitig haben wir eine Aufgabe entworfen, die sowohl Flexibilität als auch Effizienz erfordert: Dies ist ein typisches Geschäftsszenario, das das Extrahieren von Gewinndaten verschiedener Geschäftsbereiche aus Google Sheets und das Festlegen nachfolgender Maßnahmen basierend darauf erfordert, ob es sich bei dem Unternehmen um 2B oder 2C handelt. Sobald festgestellt wird, dass es sich bei der Branche um 2C handelt, wird eine Nachricht an den Slack-Kanal gesendet. Für Geschäftsbereiche in 2B wird eine E-Mail an den jeweiligen Manager gesendet, die eine Beurteilung des Geschäftsbereichs und einen kurzen Überblick über die Rentabilität enthält.

Abbildung 6 Aufgabenanweisungsanzeige

Der Inhalt, der neu geschrieben werden muss, ist: Bei dieser Aufgabe handelt es sich zunächst einmal um eine sich wiederholende Aufgabe. Für mehrere Produktlinien sollte der gleiche Verarbeitungsablauf gelten angenommen. Zweitens ist es sehr schwierig zu unterscheiden, ob es sich bei einem Geschäftsbereich um 2C oder 2B handelt, und es erfordert eine dynamische Entscheidungsfindung durch den Agenten, um den nachfolgenden Arbeitsablauf festzulegen. Schließlich erfordert das Schreiben der Bewertungs-E-Mail des Geschäftsbereichs ein gewisses Maß an Intelligenz, sodass das Eingreifen des Agenten erforderlich ist wurde geschrieben. Der Gesamtprozess ist in der folgenden Abbildung grob dargestellt:

Abbildung 7 ProAgent-Workflow-Erstellungsprozessanzeige

Es ist ersichtlich, dass ProAgent den Workflow-Erstellungsprozess automatisch durch das Schreiben seines eigenen Codes abschließt, ohne dass manuelle Arbeit erforderlich ist. Intervention. Wenn festgestellt werden muss, ob der Geschäftsbereich 2B oder 2C ist, führt ProAgent ControlAgent ein, um die Entscheidung zu treffen. Die Eingabeaufforderung von ControlAgent ist auf „Entscheiden, ob der Geschäftsbereich toC oder toB ist“ eingestellt. Wenn der Geschäftsbereich 2B ist, führt ProAgent auch einen DataAgent ein, dessen Aufgabe darin besteht, „eine E-Mail des Geschäftsbereichs Gewinn zusammen mit Ihrem Vorschlag zu schreiben“ und so die Intelligenz des Agenten zu nutzen, um basierend auf der tatsächlichen Situation zu schreiben verschiedene Geschäftsbereiche.

Nachdem der Workflow geschrieben und gefestigt wurde, verzweigt der Workflow entsprechend den unterschiedlichen Daten automatisch zu einer anderen Logik, um eine effiziente Datenverarbeitung zu ermöglichen.

Abbildung 8 ProAgent-Workflow-Ausführungsprozessanzeige

Bei der Verarbeitung von 2C-Geschäftsfelddaten kann ControlAgent den Typ des aktuellen Geschäftsfelds anhand der Geschäftsfeldbeschreibung bestimmen und das Slack-Tool dafür verwenden Kommunikation. Bei der Verarbeitung von 2B-Geschäftsliniendaten kann DataAgent eine E-Mail verfassen und an die Mailbox des entsprechenden Managers senden. Im Vergleich zur herkömmlichen Robotic Process Automation-Technologie kann Agentic Process Automation die Erstellung von Workflows automatisieren und die Automatisierung dynamischer Entscheidungen während der Workflow-Ausführung realisieren. Die Forschung hat auch ProAgent weiterentwickelt und experimentell die Machbarkeit und das Potenzial von Großmodell-Agenten in der Automatisierung demonstriert. Ich glaube, dass die Technologie großer Modellagenten den Menschen in Zukunft dabei helfen wird, ein höheres Maß an Automatisierung zu erreichen und sich von schwerer Arbeit zu befreien.

Verwandte Forschung des Teams Anleitung für große Modellagenten. Beinhaltet:

XAgent: ein superleistungsfähiges Modellagenten-Anwendungsframework, das komplexe Aufgaben selbst zerlegen und effizient ausführen kann.

Projektadresse: https://github.com/OpenBMB/XAgent

ChatDev: ein kollaboratives Entwicklungsframework für mehrere Agenten, das es mehreren Agenten mit unterschiedlichen Rollen ermöglicht, zusammenzuarbeiten und automatisch Softwareanwendungen zu entwickeln.

Projektadresse: https://github.com/OpenBMB/ChatDev

• AgentVerse: Eine große modellgesteuerte allgemeine Plattform für Agenten, die eine Vielzahl von Agentenexperten rekrutiert, um Benutzern gemeinsam bei der Lösung komplexer Aufgaben zu helfen.
• Projektadresse: https://github.com/OpenBMB/AgentVerse

Das obige ist der detaillierte Inhalt vonProAgent: Von OpenAI geführte intelligente Agenten setzen Arbeitskräfte frei, veröffentlicht von der Tsinghua-Universität und anderen Universitäten. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!