Agent AI

Jak to działa?

1. Agent dostaje cel („co ważnego wydarzyło się dziś w labie?”) i listę narzędzi z opisem, do czego każde służy.
2. Model decyduje, którego narzędzia użyć, i wywołuje je, np. zapytanie do bazy.
3. Wynik narzędzia wraca do modelu. Model ocenia, czy to wystarczy, czy potrzebny jest kolejny krok.
4. Pętla trwa, aż model uzna zadanie za wykonane albo skończy się limit kroków.

Agent czy automatyzacja?

• Automatyzacja (workflow): kroki ustala człowiek z góry. Model może wykonać jeden krok, np. napisać streszczenie, ale nie decyduje, co dalej. Przewidywalne, tanie, łatwe do sprawdzenia.
• Agent: kroki wybiera model. Elastyczny, ale droższy, wolniejszy i trudniejszy do kontrolowania.
• Zasada praktyczna: jeśli da się narysować schemat kroków, zrób automatyzację. Agenta używaj tam, gdzie kolejnych kroków nie da się przewidzieć.

Jak to robi nasz lab?

• Lab to 13 procesów w n8n i prawie wszystkie są automatyzacjami, nie agentami: zbieranie źródeł, ocena, pisanie, publikacja i alarmy mają ustalone kroki.
• Agentem jest CEO labu, z którym rozmawiamy w Telegramie. Ma 5 narzędzi: puls labu, stan labu, backlog, kalendarz Google i zapytania SQL do bazy. Sam decyduje, z których skorzystać, żeby odpowiedzieć na pytanie.
• Agent nie publikuje sam. Każda publikacja czeka na kliknięcie człowieka. Agent może przygotować, ale decyzja z konsekwencjami należy do człowieka.
• Lekcja z poligonu: „sukces” procesu to nie to samo co dobrze wykonana praca. Sprawdzamy wynik (czy raport przyszedł o 9:00), a nie sam status.

Co pokazuje nasza baza?

Agenci to dziś jeden z trzech największych tematów badań AI: w tygodniu 43 dotyczyło ich 26,3% prac z kategorii cs.AI na arXiv. W bazie labu słowo „agent” ma w tytule ponad 2,7 tys. tekstów. Częsty wątek: agenci łatwiej ulegają manipulacji niż zwykły czat (sykofancja, pośredni prompt injection), bo więcej robią sami.