Melhores práticas

Esta seção explica como projetar um agente robusto que tenha todo o controle, ação e governança necessários para automatizar um processo de negócios.

Comece com fluxos de trabalho existentes

Desenvolver agentes de LLM eficazes requer uma abordagem estratégica que aproveite fluxos de trabalho organizacionais existentes.Comece realizando uma auditoria abrangente dos processos de automação atuais para identificar tarefas repetitivas e baseadas em regras que são as principais candidatas para transformações orientadas por agentes.Essa abordagem minimiza o risco e permite a construção gradual de habilidades na concepção de agentes.

A fase inicial da criação do agente envolve um mapeamento detalhado do fluxo de trabalho, no qual você documenta cada etapa dos processos existentes. Tome nota dos pontos de decisão, dependências de entrada e saídas esperadas. Procure fluxos de trabalho com etapas claras e estruturadas e critérios de sucesso bem definidos. Os exemplos podem incluir roteamento de tíquetes de suporte ao cliente, qualificação preliminar de vendas ou verificação de conformidade padrão.

O design do agente deve ser especificamente focado no conjunto de tarefas em automações existentes. Dessa forma, o agente pode ser conectado com facilidade à atividade orientada por agentes para ser executado dentro desse fluxo de trabalho.

Procure processos com:

• Pontos de decisão repetitivos e baseados em regras
• Parâmetros de entrada e saída claros
• Sequências de tarefas previsíveis

Princípio básico: agentes não são fluxos de trabalho

• Considere agentes como componentes de um fluxo de trabalho, não como substitutos de automação estruturada.
• Sobrecarregar um agente com muitas responsabilidades acarreta a redução da precisão, aumento da complexidade e problemas de manutenção.
• A prática recomendada é minimizar as responsabilidades do agente concentrando-se em tarefas de tomada de decisão em vez de no processamento em várias etapas.

Modelo de decisão: agente versus fluxo de trabalho

Use a seguinte matriz de decisão para determinar se uma função deve ser tratada por um agente ou por um fluxo de trabalho:

Tabela 1. Quando usar um agente em comparação a quando usar um fluxo de trabalho

Critérios	Agente	Fluxo de Trabalho
Tomada de decisão (rotear, classificar, resumir)
Processamento de dados estruturados (extração de valores de um contrato)
Automação em várias etapas (interações com a interface do usuário, chamadas de API)
Raciocínio de dados não estruturados (interpretação de entradas ambíguas do usuário)
Ações repetitivas baseadas em regras (validação de dados, transformação)
Aplicação de conhecimento específico do domínio.

Use o inglês para criar e treinar seu agente

Use o inglês como o idioma padrão para criar e treinar agentes. Os LLMs podem ter dificuldades com caracteres fora do alfabeto inglês - por exemplo, japonês e chinês - ao executar ações como chamada de funções.O suporte a idiomas adicionais depende de melhorias nos LLMs subjacentes.

Crie tarefas pequenas e especializadas com agentes

Começando pequeno, você cria um ambiente controlado para entender o comportamento do agente, explorar nuances de engenharia de solicitações e estabelecer estruturas de avaliação.

Ao dividir processos complexos em tarefas pequenas e especializadas de agentes, você pode:

• Criar configurações de agentes plug-and-play.
• Adapte-se rapidamente às mudanças nos requisitos de negócios.
• Minimize os riscos de implementação.
• Aumente sua automação inteligente de forma gradual.

Forneça nomes e descrições claros para suas ferramentas

Ao definir ferramentas para um agente de IA, use nomes descritivos e concisos que sigam estas diretrizes:

• Use caracteres alfanuméricos em minúsculas (a-z, 0-9)
• Não use espaços ou caracteres especiais
• O nome deve refletir diretamente a função da ferramenta
• Exemplos de nomes de ferramentas:
  • web_search para consultas na internet
  • code_interpreter para executar código
  • document_analysis para analisar documentos
  • data_visualization para criar gráficos

Para mais detalhes, vá para a seção Ferramentas.

Envolva humanos para ajudar o agente a aprender

Traga humanos para o ciclo de agentes para ajudar a revisar, aprovar e validar a saída do agente. Você consegue isso por meio dos escalonamentos. Isso é crucial para ajudar a instituir as melhores práticas em torno da agência controlada e para garantir que o agente esteja operando de acordo com o plano com base nas instruções fornecidas.

Use os escalonamentos para ajudar a informar a memória do agente. Os agentes aprendem com suas interações com ferramentas e humanos para ajudar a calibrar seu plano e a execução contínua do processo. Cada escalonamento é armazenado na memória do agente, configurável a partir do painel de escalonamentos, e é consultado antes que as ferramentas sejam chamadas para ajudar a orientar a chamada de função e evitar escalonamentos semelhantes no futuro. A memória do agente tem dois escopos diferentes: tempo de design, ao testar um agente, e tempo de execução, com base na versão específica publicada do agente em um processo implantado.

Para obter detalhes, acesse as seções Contextos e Escalonamentos e Memória de agente.

Criar instruções bem estruturadas e revisar elas

Desenvolva conjuntos de instruções abrangentes para agentes de IA, incluindo definições claras de função, divisões de tarefas e metodologias de raciocínio. Itere sistematicamente essas instruções, ajustando componentes para descobrir o conjunto mínimo que produz consistentemente comportamentos confiáveis e de alta qualidade de agentes.

Para obter mais detalhes, consulte .

Revise traces e logs de trace

Os traces fornecem uma visão abrangente da execução do agente e o que aconteceu em cada etapa do seu ciclo. Os traces fornecem uma boa maneira para você revisar a saída do seu agente, avaliar seu plano e iterar em sua estrutura (como instruções, ferramentas, contexto usado).

Os registros de traces são ferramentas de diagnóstico críticas para agentes de IA, oferecendo:

• Análise detalhada da execução passo a passo
• Visibilidade dos processos de tomada de decisão
• Identificação de possíveis pontos de falha ou ineficiências

A revisão regular do trace é essencial porque:

• Os agentes evoluem com a mudança de requisitos.
• Comportamentos inesperados podem surgir com o tempo.
• A otimização do desempenho requer análise contínua.
• A eficácia da ferramenta pode se degradar ou tornar-se obsoleta.

Para obter detalhes, acesse a seção Traces.

Avalie seu agente

Criar diversos conjuntos de avaliações

A avaliação de agente requer conjuntos de dados extensivos e representativos que desafiam o sistema em várias dimensões. Esses conjuntos de avaliação devem simular a complexidade do mundo real, incorporando variações em:

• Complexidade de entrada
• Nuances contextuais
• Desafios específicos do domínio
• Possíveis casos de borda e cenários de falha

O desenvolvimento eficaz do conjunto de dados envolve:

• Consulta a especialistas no domínio
• Análise de logs de interação históricos
• Geração sistemática de casos de teste sintéticos
• Incorporação de exemplos adversos
• Garantia de diversidade estatística

Avalie várias características do seu agente

A avaliação de agentes estende-se além de simples medições de precisão.Desenvolva avaliações holísticas que considerem:

• Precisão e correção factual
• Transparência de raciocínio
• Criatividade de resposta
• Relevância contextual

Para obter detalhes, acesse a seção Avaliações.

Teste seu agente

Vá além dos testes isolados de agentes, incorporando processos de avaliação em contextos de automação mais amplos. Isso significa criar um agente e incluí-lo em um fluxo de trabalho de automação usando a atividade Run Agent.Essa abordagem garante que os agentes funcionem de forma confiável quando interconectados com outros sistemas.

As estratégias de teste devem incluir:

• Simulações de fluxo de trabalho completas
• Teste de estresse do ponto de integração
• Validação de comunicação entre sistemas
• Desempenho sob condições de carga variáveis
• Avaliação do modo de falha e do mecanismo de recuperação

Para obter detalhes, consulte a seção Executando o agente.