- Replit's Agent heeft een productie-database gewist - Zillow verloor $304M door zijn AI voor het kopen van huizen - iTutor betaalde $365k toen AI oude aanvragers afwees AI-rampen zoals deze kunnen je letterlijk je baan kosten! Laten we leren hoe we Agents bouwen die niet falen in productie (met code):

Een belangrijke uitdaging met klantgerichte AI-agenten is dat ze het probleem ofwel te snel escaleren naar een menselijke agent (lage containment) of de gebruiker zelfverzekerd misleiden. Daarom kunnen gebruiksvriendelijke AI-systemen niet alleen optimaliseren voor nauwkeurigheid. In plaats daarvan moeten ze ook optimaliseren voor "containment", d.w.z. hoe vaak agenten het probleem oplossen zonder escalatie. Bovendien gaat het niet alleen om de frequentie van fouten, maar ook om hun ernst, vooral wanneer zelfs de slechtste 0,001% van belang kan zijn.

Laten we vandaag Parlant (open-source met 12k sterren) gebruiken om een compliant conversatie-financiële agent te bouwen die leningen verwerkt en goedkeurt. Parlant is een framework om klantgerichte agents te bouwen die zich precies gedragen zoals voorgeschreven. Mijn thread hieronder legt de belangrijkste functies uit.

1️⃣ Maak Agent We beginnen met het definiëren van een leninggoedkeuringsagent. Vervolgens verklaren we enkele domeinspecifieke termen die de agent mogelijk moet kennen om zelfverzekerd te antwoorden. Bekijk dit 👇

2️⃣ Reis Parlant introduceert het idee van Reizen. Ze informeren de Agent over de meerstaps conversatiestroom die het helpt de gebruiker door het gesprek te leiden zoals bedoeld. Bekijk deze lening goedkeuringsreis 👇

Dit is onze Reis: - Bepaal het type lening dat de gebruiker wil - Verzamel lening- en inkomensgerelateerde gegevens - Bel de tool om geschiktheid te controleren - Eindig als niet geschikt, anders vraag hen om documenten te uploaden - Bel de tool om geüploade documenten te verwerken - Eindig als documenten ongeldig zijn, anders lening goedgekeurd Controleer dit 👇

3️⃣ Richtlijnen Richtlijnen in Parlant vertellen de agent hoe hij specifieke situaties moet benaderen via voorwaarde-actiepaar. Dit biedt meer controle over het gedrag van de agent. Dit vermindert misalignments door ervoor te zorgen dat het gedrag van de agent aansluit bij de zakelijke behoeften. Bekijk dit👇

We kunnen meer dingen doen om meer controle in te bedden, maar deze eenvoudige opzet zelf geeft een krachtige instructie-volgende Agent. In de onderstaande video, ongeacht wat ik probeer om een lening goedgekeurd te krijgen, weigert de Agent dit te doen. Je kunt ook de exacte reden inspecteren. Bekijk dit👇

Dat is een wrap! Als je het waardevol vond, deel het dan opnieuw met je netwerk. Vind me → @_avichawla Elke dag deel ik tutorials en inzichten over DS, ML, LLM's en RAG's.