Melhores práticas para criar agentes

Projete agentes para fluxos de trabalho reais

Os agentes eficazes não são bots autônomos, eles são incorporados dentro de fluxos de trabalho bem compreendidos. Comece com um fluxo de trabalho que já existe em seus processos de negócios e identifique tarefas repetíveis baseadas em regras. Esses são candidatos ideais para automação de agentes.

Antes de criar, execute um exercício de mapeamento de fluxo de trabalho:

• Identifique pontos de decisão e formatos de entrada/saída.
• Procure fluxos estruturados e previsíveis (por exemplo, triagem de tickets, verificações de conformidade).
• Evite projetar agentes como substitutos de fluxos de trabalho. Os agentes são componentes que permitem a tomada de decisões dentro de fluxos de trabalho.

Dica: use padrões de agente plug-and-play para escalar rapidamente ao gerenciar o risco.

Defina escopos restritos e especialize

Os agentes têm um melhor desempenho quando são específicos de tarefas e limitados a responsabilidades. Evite sobrecarregar agentes com várias funções. Uma boa prática é manter cada agente focado em uma única responsabilidade (por exemplo, extrair dados de faturas, classificar a intenção do cliente).

Benefícios dos escopos restritos:

• Depuração e iteração mais fáceis
• Desempenho e avaliação mais estáveis
• Menor risco de desalinhamento ou alucinação

Projete prompts claros e iterativos

O projeto de prompts está no centro do comportamento dos agentes. Use promps por agentes, um estilo evoluído de prompts que inclui:

• Funções e personas definidas
• Divisões explícitas de tarefas e instruções de raciocínio
• Orientação sobre formatação de saída e tratamento de erros

Por exemplo, em vez de pedir "Resuma este documento", um prompt por agente pode ser: "Você é um analista de conformidade. Divida este documento de política em seções. Para cada seção, resuma em duas frases e sinalize possíveis lacunas da política. Explique como você segmentou o documento."

Em vez de codificar amostras de entrada/saída em prompts, use conjuntos de avaliação estruturados para testar casos e cenários extremos. Isso torna seu agente mais robusto e mais fácil de iterar.

Itere em seus prompts sistematicamente:

• Ajuste a estrutura, papéis, caminhos de raciocínio.
• Acompanhe alterações na precisão, cobertura e sucesso da tarefa.
• Use ferramentas como validação de prompts e o playground do Agent Builder para experimentação.

Dica: use o inglês como seu idioma padrão. Os agentes têm um melhor desempenho quando os prompts, definições de esquema e instruções de ferramentas são escritos em inglês. O uso de caracteres não ingleses pode afetar as chamadas de ferramenta ou a análise de funções.

Aproveite entradas estruturadas.

Pré-processe os dados antes de chegarem ao agente. Use tecnologias como o Document Understanding e IXP para extrair entradas estruturadas. Alimentar dados brutos ou ruidosos em um agente degrada a qualidade da saída e aumenta a complexidade dos prompts.

Defina critérios de sucesso e estratégias de avaliação

Seus agentes precisam de objetivos claros e mensuráveis para serem confiáveis. Projete KPIs e mecanismos de avaliação:

• Limites de precisão
• Pontuação de confiança
• Consistência de resposta
• Transparência de raciocínio

Vá além de "funcionou" e observe como funcionou. Use logs de rastreamento e logs de tarefas para avaliar chamadas de ferramentas, cadeias de decisão e uso de contexto.

Crie conjuntos de dados de avaliação que testem casos extremos, variação de contexto e condições específicas do domínio. Isso deve abranger:

• Entradas adversas
• Consultas de baixo contexto
• Formatação inesperada
• Testes de limite do sistema

Implemente o escalonamento human-in-the-loop (HITL)

Os agentes devem saber quando pedir ajuda. Integre caminhos de escalonamento HITL para gerenciar:

• Missing data
• Falhas de ferramentas
• Decisões ambíguas
• Exceções regulatórias ou de regras de negócios

Use o loop interno para escalonamentos rápidos e o loop externo para aprovações estruturadas. Cada escalonamento deve:

• Disparar atualizações de memória.
• Informar o comportamento futuro do agente.
• Apoiar o refinamento do uso de ferramentas.

Usar proteções e convenções de nomenclatura

Defina ferramentas com:

• Nomes alfanuméricos em letras minúsculas
• Sem caracteres especiais ou espaços
• Rótulos descritivos e baseados em função (por exemplo, web_search, document_analysis)

Isso garante a compatibilidade com a lógica de análise e chamada do LLM.

Use diretrizes para impor a segurança e a governança:

• Filtre ou bloqueie entradas de ferramentas não seguras.
• Escalone o uso de ferramentas para seres humanos quando necessário.
• Registre e monitore as interações das ferramentas para conformidade.

Monitorar agentes após a implantação

Seu agente não está concluído depois de implantado. Configure um loop de monitoramento e recalibração:

• Revise o desempenho em relação aos dados de runtime.
• Procure descompassos no uso de ferramentas ou na lógica.
• Faça benchmarks de forma consistente.
• Use a interface de feedback em rastreamentos para refinar a memória dos agentes e melhorar comportamentos futuros.

Observação: evite modelar fluxos de trabalho longos e determinísticos com regras de negócios rígidas diretamente dentro dos agentes. Em vez disso, use automação padrão ou orquestração BPMN.