- Replit 的代理刪除了生產數據庫 - Zillow 因其購房 AI 損失了 3.04 億美元 - iTutor 在 AI 拒絕舊申請者時支付了 36.5 萬美元 像這樣的 AI 災難真的可能讓你失去工作！ 讓我們學習如何構建不會在生產中失敗的代理（附代碼）：

客戶面對的 AI 代理面臨的一個主要挑戰是，它們要麼過快地將問題升級到人類代理（低控制），要麼自信地誤導用戶。 這就是為什麼面向用戶的 AI 系統不能僅僅優化準確性。 相反，它們還必須優化“控制”，即代理在不升級的情況下解決問題的頻率。 此外，不僅是錯誤的頻率，還有錯誤的嚴重性，特別是當即使是最糟糕的 0.001% 也可能很重要時。

今天，我們來使用 Parlant（開源，擁有 12k 顆星）來建立一個合規的對話式金融代理，處理和批准貸款。 Parlant 是一個構建面向客戶的代理的框架，能夠完全按照指示行事。 我下面的主題解釋了它的主要特點。

1️⃣ 創建代理 我們首先定義一個貸款批准代理。 接下來，我們宣告一些代理可能需要知道的特定領域術語，以便能夠自信地回答。 查看這個 👇

2️⃣ 旅程 Parlant 引入了旅程的概念。它們告知代理人多步驟的對話流程，幫助其按照預期引導用戶進行對話。 查看這個貸款批准旅程 👇

這是我們的旅程： - 確定用戶想要的貸款類型 - 收集貸款和收入相關的詳細信息 - 調用工具檢查資格 - 如果不符合資格則結束，否則請他們上傳文件 - 調用工具處理上傳的文件 - 如果文件無效則結束，否則貸款批准 查看這個 👇

3️⃣ 指導方針 Parlant中的指導方針告訴代理如何通過條件-行動對來處理特定情況。 這提供了對代理行為的更多控制。 這通過確保代理的行為與業務需求一致來減少不一致。 查看這個👇

我們可以做更多事情來嵌入更多控制，但這個簡單的設置本身就提供了一個強大的指令跟隨代理。 在下面的視頻中，無論我嘗試什麼來獲得貸款批准，代理都拒絕這樣做。 你也可以檢查具體的推理。 查看這個👇

就這樣結束了！ 如果你覺得這很有啟發性，請與您的網絡分享。 找到我 → @_avichawla 每天，我都會分享關於數據科學、機器學習、大型語言模型和檢索增強生成的教程和見解。